Привет, Хабр! Меня зовут Ван, я возглавляю отдел машинного обучения и матчинга торговой площадки Ozon. В нашем IT работает более ста DS-специалистов, чьи алгоритмы ежедневно обрабатывают сотни терабайтов данных для решения важных бизнес-задач и не только. В процессе работы наших алгоритмов задействованы Python, Scala, Go, Hadoop, Spark, PostgreSQL, Kafka и ещё много разных хранилищ и фреймворков.
Чаще всего цели наших ML-алгоритмов в IT-индустрии пересекаются, но технологические траектории достижения результата могут значимо отличаться. На встрече поделимся опытом использования технологий, с помощью которых нам удаётся решать поставленные задачи, а также их преимущества в рамках имеющегося стека.
14 апреля в 17:00 заглядывайте на наш ML Meetup (онлайн и оффлайн).
Кого слушаем:
Ван Хачатрян (Ozon)
Руководитель отдела машинного обучения и матчинга
@khavan Spark Streaming: в погоне за оптимальной утилизацией и прозрачностью на Hadoop
Расскажу, как мы заменили потоп на поток в ETL-пайплайне матчинга товаров, а также о прозрачном мониторинге такого подхода в продакшене.
Илья Осиновсков (Ozon)
Руководитель группы товарных рекомендаций
@osinovskov Го обсудим: продакшен ML на Golang
О рекомендациях на Go и зачем переходить от оффлайн рекомендаций к онлайн.
Макар Краснопёров (Яндекс.Маркет)
Руководитель службы разработки извлечения знаний Маркета
@Connector Платформенные решения. Решаем проблемы жизненного цикла ML-сервиса
О развитии инструментария и платформы от MVP в стартапе до зрелого ML-сервиса в большой компании.
Андрей Рудницкий (AliExpress Россия)
Recomendations Teamlead
Михаил Бочкарев (AliExpress Россия)
Senior ML-Engineer
Как мы перестали бояться иероглифов и полюбили китайскую инфраструктуру
Об интеграции опенсорс-решений для пайплайна обучения, feature-store и ранжирование в продакшене.
Круглый стол
Представители Ozon, Яндекс.Маркета, Циан и AliExpress Россия
Взгляд изнутри: процессы и роли в ML-командах крупных IT-компаний.
— Как организационно задействованы подразделения ML в IT-структуре в разных компаниях? Обсуждаем плюсы и минусы разных подходов.
— Можно ли утверждать, что продукт стал достаточно зрелым в компаниях, чтобы напрямую ставить задачи перед ML без непосредственного участия DS-ов?
— Как выглядит Project Management в ML, где фактор RnD вносит неопределенность в достижении или улучшении результата? Есть ли критерии успеха и кем они определяются в большом IT?
— Остались ли сторонники специальности full stack ML-специалистов в большом IT или все же «разделяй и властвуй»? Что это значит для самих специалистов и как правильно выбирать занятость в ML?
Участники круглого стола:
— Ван Хачатрян, руководитель отдела машинного обучения и матчинга (Ozon)
— Артём Бочкарев, руководитель Data Science (AliExpress Россия)
— Макар Краснопёров, руководитель службы разработки извлечения знаний Маркета (Яндекс.Маркет)
— Александр Алексейцев, руководитель Data Science (Циан)
Модератор встречи: Юрий Дорн @YuraDorn , руководитель по развитию школы аналитики Ozon Masters.
Регистрируйтесь, уже можно. До встречи!