Присоединяйся к команде Сбера

AI и передовые технологии разработки рекомендательных систем

AI-driver & RecSys Meetup

Meetup

DevOps

Backend

26.11.2024 в 18:30

Владивосток, «Novotel Vladivostok», Партизанский проспект, д. 44в

Очно + онлайн-трансляция

Мы рады пригласить вас на серию митапов, посвящённых искусственному интеллекту и передовым технологиям разработки рекомендательных систем

5 декабря, Нижний Новгород

Место встречи: КУПНО.СТАРТ, ул. Рождественская, 17, Зал «Александр Невский»

Сбор гостей и приветственный кофе-брейк

Расскажем вам, что такое рекомендации и как их применять.

Вступительное слово

В докладе расскажем о том, как мы справляемся с обучением на огромном товарном каталоге, поднимаем хвостовые товары не теряя в релевантности.

Особенности разработки рекомендательных систем для E-Com

Обсудим одну из задач построения рекомендательной системы — организацию доставки данных. Расскажу о подходах и технологиях которые мы используем для организации передачи и обработки потока событий со стороны backend-платформы рекомендательной системы.

Универсальные подходы к обработке потока событий и использования его в NRT\Online-сценариях

Поговорим об использовании undersampling в трансформере, а также расскажем, какие подходы мы применяем для снижения top pop bias.

Борьба с Popularity Bias в рекомендациях

Фуршет и нетворкинг 

6 декабря, Санкт-Петербург

Место встречи:  Технохаб Сбера,  ул. Уральская, д.1, литера Ч

Расскажем вам о современных тенденциях в области рекомендательных систем, которые обсуждались на конференции RecSys 2024. Особое внимание уделим одному из наиболее интересных направлений — синергии генеративного ИИ и рексистем. Мы подробно рассмотрим эту тему и приведём примеры реализации данной технологии в Сбере.

Тренды развития RecSys и ключевые хайлайты конференции RecSys 2024

Расскажем, как мы улучшили рекомендации с помощью фильтрации и пессимизации.

Бизнес-логика поверх рекомендательных моделей

Панельная дискуссия на тему «Почему важно понимать человека и как в этом поможет ИИ»

26 ноября, Владивосток

Место встречи: «Novotel Vladivostok», Партизанский проспект, д. 44в

Расскажем об архитектуре построения хранилища данных с учётом требований рекомендательной системы. Хранилище используется для хранения исходных и промежуточных данных, а также результатов работы системы.
Рассмотрим технологии и подходы, которые помогли нам найти баланс межу стоимостью, функциональностью и производительностью хранилища.

Построение хранилища данных для рекомендательной системы

В разработке рекомендательных систем приходится постоянно отвечать на множество вызовов: как правильно поставить эксперимент, как выбрать бейзлайн и собрать метрики, как быстро обучить модель на ограниченном объеме ресурсов, как безошибочно и легко можно продуктизировать модель для работы в боевых условиях, какие модели показывают лучшие результаты на практике в индустрии?
На этой встрече обсудим подобные вопросы и покажем реальные примеры решения этих проблем с помощью библиотеки RePlay.

RePlay: библиотека State-of-the-art алгоритмов для рекомендаций

В рамках доклада постараемся ответить на вопрос: «Могут ли текущие языковые модели заменить классические подходы в РекСис?». Рассмотрим примеры использования LLM в индустрии РекСис, обсудим их плюсы и минусы, а также обозначим какие вызовы еще предстоит преодолеть LLM для повсеместного использования в продуктовых системах.

Применение LLM в рекомендациях

28 ноября, Новосибирск

Место встречи: «Food Factory»,  ул. Коммунистическая д. 14

Расскажем историю развития сервиса поставки данных, которая начиналась с копирования Parquet-файлов bash-скриптом и привела нас к созданию собственного NoCode ETL-сервиса. Теперь мы с лёгкостью можем преобразовывать данные из различных источников готовя их в нашем Lakehouse хранилище для обучения моделей. Рассмотрим подходы, которые помогли нам в кратчайшие сроки реализовать такую амбициозную задачу.
 Рассмотрим подходы, которые помогли нам в кратчайшие сроки реализовать такую амбициозную задачу.

От копирования parquet файлов к NoCode ETL-сервису

В докладе расскажем про ранжирование внутри подборок. Углубимся в то, как развивался этот процесс и архитектура задачи. Также поделимся тем, что использовали ранее и что сейчас.

Учёт контекста в рекомендательных системах

Открой мир передовых технологий на AI Driver! Практические знания и инсайты от лидеров отрасли разработчикам рекомендательных систем. Регистрация уже открыта

участников

500+

города

Прямая трансляция

AI-driver & RecSys Meetup

Как это было