Привет! 28 августа прошел RecSys Meetup — поговорили о том, как работают рекомендательные алгоритмы Wildberries & Russ: от блока «вам может понравиться» до сложных моделей, влияющих на выдачу товаров.
В программе было четыре интересных доклада, классный мерч и полезный нетворкинг. В статье вы найдете видеозаписи с ивента и фотоотчет :)
Доклад «Трансформеры в персональных рекомендациях: от гипотез до AB-тестирования» — Иван Ващенко, DS Team Lead в команде персональных рекомендаций Wildberries & Russ
Иван рассказал о проверке и применении гипотез в offline и nearline процессе BERT4Rec на главной странице Wildberries: регулярные запуски head-to-head AB-тестов, онлайн инференс на Triton, поиск баланса между оффлайн метриками и реальным онлайн-эффектом.
Смотреть на YouTube
Смотреть в VK
Презентация
Доклад «Semantic IDs: архитектура и наш опыт внедрения» — Александр Тришин, DS Stream Lead в команде персональных рекомендаций Wildberries & Russ
Вместе с Александром обсудили Semantic IDs: ключевые архитектуры (RQ-VAE, RQ-KMeans), наш уникальный опыт построения и вызовы продуктивизации, включая динамику каталога и поддержку стабильности представлений. А также сценарии использования Semantic IDs в рекомендательных моделях для повышения качества рекомендаций.
Смотреть на YouTube
Смотреть в VK
Презентация
Доклад «Как мы обучаем CLIP-ы для текстовых тегов» — Михаил Киндулов, Stream Lead в команде Поиска по фото Wildberries & Russ
Михаил поделился тем, как мы в Wildberries & Russ обучаем CLIP-модели на большом скейле данных и как это можно использовать для задачи подбора тегов к картинкам.
Смотреть на YouTube
Смотреть в VK
Презентация
Доклад «Счастье пользователя vs счастье продавца. Онлайн-доранжирование и байесовская оптимизация в товарных рекомендациях» — Андрей Ветров, Data Scientist в команде товарных рекомендаций Wildberries & Russ
Интересы пользователя и продавца отличаются => удовлетворив желание покупателя, мы можем сделать хуже для продавца, и наоборот. Андрей расказал о том, как с помощью онлайн-доранжирования и байесовской оптимизации можно улучшить опыт использования маркетплейса для тех и других одновременно.
Смотреть на YouTube
Смотреть в VK
Презентация
Не пропустите анонсы следующих митапов Wildberries & Russ: подписывайтесь на Telegram‑канал @wb_space. Там же, кстати, рассказываем о том, как при помощи ML и других технологий мы делаем маркетплейс лучше для продавцов и покупателей, а еще делимся полезными материалами от экспертов.
А больше про Рекомендательные системы в Wildberries & Russ вы найдете в Telegram-канале @wildrecsys!
До встречи на следующих митапах!
Автор: MariMokieva
