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!