Wildberries — онлайн-платформа с 20-летней историей, где представлен широкий ассортимент продукции российских и международных брендов. География присутствия площадки охватывает 7 стран. Ежедневно покупателям отправляется свыше 12 млн товаров, а сеть пунктов выдачи заказов превышает 46 000 точек.
А еще Wildberries — это команда, которая всегда стремится быть в авангарде технологий и инноваций. Мы гордимся тем, что используем SOTA-решения в production, а каждую ML-модель проверяем с точки зрения ее ценности для бизнеса. Кроме того, мы постоянно развиваем нашу A/B платформу, улучшаем поисковой движок и занимаемся многими другими увлекательными проектами.
Программа митапа
Александр Сидоров, Head of Data Science Wildberries
- Как устроен бизнес Wildberries, где и для чего на каждом этапе применяется DS/ML для улучшения пользовательского опыта и повышения эффективности
- Какие повторно используемые модели, технологии, организационные функции и инфраструктуру мы используем
- Что такое и зачем нужны повторно используемые эмбеддинги, пайплайны их расчёта и применения, в каком порядке мы их делаем
«Графовые нейронные сети в рекомендациях»
Александр Тришин, Data Scientist в команде персональных рекомендаций Wildberries
- Принципы работы сверточных графовых сетей
- Архитектура LightGCN, достоинства и недостатки модели: смещение рекомендаций в сторону популярных товаров и медленная сходимость при обучении
- Как можно решить проблемы LightGCN с помощью негативного сэмплирования и изменения функции агрегации
«Текстовый эмбеддер в похожих товарах»
Георгий Соколов, Data Scientist в команде товарных рекомендаций Wildberries
- Обучение представления для задачи поиска похожих товара на основе текстового описания
- Особенности metric-learning для текстовых энкодеров
«Жаргон и именованные сущности в спеллчеке в Поиске»
Анна Текучева, Data Scientist в Горизонтальном ML (команда NLP\RecSys)
Какие бывают именованные сущности и почему их сложно исправлять
- Как мы выделяем потенциальные слова такого типа и определяем, что это реально существующая именованная сущность
- Результаты работы алгоритма после внедрения
Мероприятия сообщества
Event at a glance
- Who it is for
- data scientists, ML engineers, NLP engineers
- Main topics
- machine learning, recommender systems, graph neural networks, text embeddings, NLP
- What you will gain
- understand graph neural networks for recommendations, learn text embedding techniques, see how to handle named entities in search
- Program format
- deep technical talks, production cases