Pytorch-LifeStream

Библиотека для работы со сложноструктурированными последовательным данными

О библиотеке

Сбер активно развивает ML-технологии и публикует в открытом доступе программную библиотеку Pytorch-LifeStream. Она разработана на основе большого опыта в области машинного обучения на сложноструктурированных последовательных данных.

С помощью нейросетевых методов, реализованных в библиотеке Pytorch-LifeStream, можно сложные событийные данные (например, истории посещений сайтов, истории покупок, события в онлайн-играх и т. д.) представлять в виде набора чисел (embeddings) и затем использовать их для обучения ML-моделей.

Один из методов библиотеки создан в Sber AI Lab. Метод впервые применяет подход contrastive learning к событийным данным. Кроме того, в библиотеке реализованы методы на основе сторонних научных публикаций, но адаптированные командой Sber AI Lab к событийным данным.

Исходный код, бенчмарки и необходимые инструменты опубликованы на GitHub под открытой лицензией Apache 2.0, допускающей его использование в исследовательских и коммерческих целях.

Преимущества

Сокращение времени на feature engineering событийных данных

Безопасный способ обмена данными в вашей системе

Повышение качества различных ML-моделей за счет использования векторных представлений событийных данных

Подробнее о Pytorch-LifeStreamЕщё видео

ПАО Сбербанк использует cookie для персонализации сервисов и удобства пользователей.
Вы можете запретить сохранение cookie в настройках своего браузера.
Хорошо