А#nbsp;вы#nbsp;задумывались, как устроены рекомендации в#nbsp;Авито, и#nbsp;есть#nbsp;ли у#nbsp;бесконечности предел? Что общего между пользователем и#nbsp;товаром, можно#nbsp;ли их#nbsp;сравнивать? Что за#nbsp;Collab, Item2Vec, CatBoost, Redis и#nbsp;User2Vec? Кто такой Портосик? На#nbsp;эти и#nbsp;другие вопросы мы#nbsp;постарались ответить в#nbsp;этом видео. В#nbsp;далёком 2015 году главная страница Авито навсегда изменилась. На#nbsp;смену тогда уже привычной карте России пришла бесконечная лента персональных рекомендаций. Во#nbsp;главе с#nbsp;Василием Лексиным был создан юнит Recommendations. Перед инженерами стояли амбициозные цели, которые требовали использования передовых технологий и#nbsp;принятия смелых решений. Машинное обучение сегодня для нас с#nbsp;вами обыденность. ML-модели используются повсеместно, от#nbsp;самых известных, которые умеют создавать картины или описывать предметы, до#nbsp;узконаправленных и#nbsp;спрятанных «под капотом» привычных нам сервисов, которыми мы#nbsp;пользуемся ежедневно. Но#nbsp;на#nbsp;старте сервиса Рекомендаций ML-модели не#nbsp;умели делать практически ничего из#nbsp;этого. Результаты их#nbsp;работы были далеки от#nbsp;идеала, поэтому инженерам из#nbsp;новообразованного юнита предстояло создать сервис Рекомендаций с#nbsp;нуля.
00:00 | Начало 00:52 | Что из#nbsp;себя представляют рекомендаци? 03:39 | Как рекомендации стали центральной частью Авито 04:27 | История сервиса 06:21 | Как сформировался юнит Recommendations 08:00 | Главный вызов 09:53 | Как изменилась главная страница Авито 10:19 | Техническое устройство Рекомендаций 12:53 | ML-модели 14:43 | Хранение данных 17:47 | Архитектура Рекомендаций 21:48 | Базовые модели Рекомендаций 26:38 | Catboost, ранжирование и#nbsp;Representation 29:28 | Работа Авито Рекомендаций с#nbsp;самого начала 31:17 | История кота Портосика 35:40 | Финал
Статьи по#nbsp;теме на#nbsp;Хабре: Как и#nbsp;почему перешли с#nbsp;Python на#nbsp;Go: https://clc.to/9VnV_A Разработка#nbsp;— всё? Действительно#nbsp;ли нас всех заменят роботы: https://clc.to/bjLxkA Как data science Авито Доставке помогал: https://clc.to/mEHJsw Как мы#nbsp;используем item2vec для рекомендаций похожих товаров: https://clc.to/gjF6Hw Молчание вентиляторов. Google Colab, Javascript и#nbsp;TensorflowJS: https://clc.to/fYum0w Использование faiss для поиска по#nbsp;многомерным пространствам: https://clc.to/dHf0qg Простое руководство по#nbsp;дистилляции BERT: https://clc.to/N70EwA