Архитектура факторов ранжирования в runtime поиска Ozon

Архитектура

Доклад принят в программу конференции

Мнение Программного комитета о докладе

В докладе будет представлен взгляд на модели и фичи под неожиданным углом - будет выделено нечто общее между этими именованными функциями. Кроме того, вам будет представлена новая архитектура ранжирования, которая, значительно ускоряет время создания новых факторов поиска Ozon

Целевая аудитория

Бэкенд-разработчики и инженеры инфраструктуры проектов, использующих ML-модели.

Тезисы

1) Архитектура ранжирования с помощью моделей и факторов (фичей).
2) Инференс моделей ранжирования в поиске Ozon.
3) Попадание новых моделей ранжирования в прод.
4) Вычисление графа зависимостей между моделями и фичами (входами для моделей).
5) Автоматические проверки перфоманса и качества перед доставкой моделей в продакшн.
6) Пайплайн добавления новых факторов ранжирования в прод.
7) Доклад рассказывает про новую версию feature store https://highload.ru/spb/2023/abstracts/10173. Я затрону минусы прошлого решения и расскажу, во что feature store превратился.

- Бэкенд разработчик, люблю придумывать архитектуры приложений.
- Сейчас занимаюсь разработкой факторов ранжирования в поиске Ozon, создаю инфраструктуру для их работы и придумываю сами факторы, влияющие на позицию товара в поиске Ozon.
- Разрабатывал поиск в Одноклассниках, в основном занимался внедрением ML моделей для ранжирования в runtime, обвязкой поиска метриками. Создал новую поисковую вертикаль Хобби.
- Part time преподаватель ИТМО, рассказываю студентам об основах проектирования систем больших данных.

Ozon

Ozon — ведущая платформа e-commerce в России. Десятки миллионов людей пользуются сервисами Ozon, их IT-инфраструктура управляет миллионами процессов каждый час.

Видео

Другие доклады секции

Архитектура