M2 Data Meetup

Офлайн-участие: 

Пожалуйста, при регистрации указывайте ФИО также как у вас написано в паспорте. К сожалению, количество мест ограничено, поэтому после регистрации на митап дождитесь подтверждения на почту. 

При посещении мероприятия не забудьте взять с собой паспорт. 

Онлайн-трансляция: 

Если у вас нет возможности прийти на митап офлайн, подключайтесь к нашей онлайн-трансляции. Ссылка на неё будет отправлена на указанную почту накануне митапа. 

Спикеры: 

Павел Саликов
Data Scientist Wildberries
«Быстрый matching товаров на маркетплейсе Wildberries»

— Какую задачу и на каких данных решаем;
— От миллионов пар к тысячам: отбор кандидатов;
— От тысяч пар к единицам: классификация пар;
— От пар к группам: анализ графов;
— Какие результаты имеем от мэтчинга.

Дмитрий Лахвич
Lead Data platform M2
«Floppa the LakeHouse»

— Новая платформа данных, которую строит и на которую мигрирует М2;
— Trino, Dbt, Airflow;
— Организация взаимодействия команд и процессы, погрузимся в технические детали;
— О сложностях и вещах которые пришлось пересмотреть или отложить.

Богдан Глебов
Head of Data RealX
«Как мы съели ПУД соли выстраивая data management (и почти не подавились)»

— Про платформу управления данными (ПУД) выстраиваемую для девелоперской компании STONE.

Даниил Понизов
MLOps Wildberries
«Создание MLOps-платформы для десятка команд на основе Airflow»

— Настройка airflow для пользования, деплоя и запуска различными ds командами;
— Мультикластерный запуск дагов;
— Кастомные решения для интеграции с внутренними сервисами;
— Сложности деплоя дагов;
— Фичастор на базе airflow.

Павел Северилов
NLP Team Lead ecom.tech (ex Samokat.tech)
«Как обрабатывать, фильтровать и генерировать текстовые данные для моделей машинного обучения»

На основе опыта команды NLP из ecom.tech расскажем как работать с текстовыми данными:

— Как обрабатывать текстовые данные

— Как генерировать новые текстовые данные с помощью LLM и классическими способами

— Зачем и как искать похожие данные для ML моделей

Разберем тонкости и методы на примере задач автоматизации клиентской поддержки и аналитики обратной связи клиентов. Поделимся результатами и расскажем, какие методы помогли нам повысить качество ML моделей

Программа митапа: 

16:15 - 17:00 | Сбор гостей / Регистрация

17:05 - 17:35 | Павел Саликов «Быстрый matching товаров на маркетплейсе Wildberries»

17:35 - 18:05 |  Павел Северилов «Как обрабатывать, фильтровать и генерировать текстовые данные для моделей машинного обучения»

18:05 - 18:35 | Богдан Глебов «Как мы съели ПУД соли выстраивая data management (и почти не подавились)»

18:35 - 19:05 | Даниил Понизов «Создание MLOps-платформы для десятка команд на основе Airflow»

19:05 - 19:35 | Дмитрий Лахвич «Floppa the LakeHouse»

19:45 - 21:00 | Офлайн-нетворкинг