«ML-свадьба» между миллионами товаров, или Как выдержать нагрузку в потоке
Доклад принят в программу конференции
Целевая аудитория
Тезисы
В докладе мы расскажем о том, как нам удалось построить крутой real-time-алгоритм матчинга для товаров на огромной e-commerce-площадке. Задача была не из простых и заслуживает целого доклада.
Раньше нашим алгоритмом могли пользоваться только мы, а теперь — любой разработчик компании.
Нам удалось сохранить высокие нагрузки, отказавшись от batch-подхода при онбординге большого количества новых товаров, которые у нас представлены в виде длинных векторов. Речь пойдет об используемых технологиях, а также ML/DL-подходах, которые мы используем при сопоставлении и ранжировании товаров.
Основные пункты доклада:
1. Про нашу задачу и цель.
2. Стек и технологии.
3. Метрики и мониторинг на всех уровнях.
4. Про ML и используемые SOTA-подходы.
5. Как мы боремся с деградацией наших моделей.
6. Нагрузки и поток данных, с которым нам приходится работать.
Возглавляет отдел машинного обучения. Карьеру в DS начал в 2017 году, перебравшись из сферы финансов. Имеет степень магистра матметодов в статистике и экономике от НИУ ВШЭ.
Ozon
Видео
Другие доклады секции
BigData и машинное обучение
