UPD: Выложили отчёт с записью митапа 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!)