Tinkoff.AI RecSys Meetup #3

Встречаемся с экспертами машинного обучения на нашем третьем RecSys митапе в новом московском офисе Tinkoff Space. Вместе со спикерами обсудим технологии и алгоритмы рекомендательных систем в Тинькофф, коснемся темы и про полноценную разработку — создание самостоятельных инструментов на базе ML. Поговорим про универсальную библиотеку рекомендаций внутри Яндекса.

• Сбор гостей с 18:30
• Начало программы в 19:00

Доклады

19:00 – 19:40

Delta — поиск похожих в экосистеме

В своем докладе Александр поделится подробностями об инструменте Delta - инструменте на базе ML-решения, способного находить похожих между собой пользователей с целью определения различных эффектов (и не только) и легко показать вклад от реализованной фичи. В докладе будут также и другие вопросы, на которые отвечает команда с его помощью: какие данные и алгоритмы использует, подсветит трудности, с которыми ещё предстоит разобраться и как мы всем этим инструмент упростит жизнь аналитикам и исследователям в экосистеме.

Александр Эдомский, Тинькофф

19:45 – 20:25

Онлайн up sell рекомендации (не ALS и не бустинг)

Можно ли строить рекомендации онлайн, не используя при этом ALS или бустинг? Андрей поделится, как у команды получилось это сделать для up sell рекомендаций в сервисе «Продукты» в Тинькофф Городе, с какими проблемами столкнулись и как их решили.

Андрей Бабкин, Тинькофф

20:45 – 21:25

Универсальная библиотека рекомендаций внутри Яндекса

Вместо создания и поддержки множества независимых систем, команда Николая вложилась в разработку универсальных технологий: библиотеку переиспользуемых компонент и универсальные ML-модели. В докладе спикер расскажет о том, как сделать всеохватный фреймворк для разноплановых рекомендаций, где метрики и задачи порой просто ортогональны. А также о том, как универсальные ML-модели позволили нам существенно улучшить качество рекомендаций в зрелых сервисах и снизить time-to-market в новых.

Николай Савушкин, Яндекс