3 октября в 17:00 приглашаем вас на M2 Data Meetup

На нашем первом митапе по данным мы поговорим о насущном — как строить аналитические платформы данных и как они помогают решать проблемы бизнеса.

Мы планируем пять технических докладов о разных аспектах решения задач работы с данными: от решения конкретных прикладных технических задач до вопросов построения новой платформы данных с нуля и миграции туда пользователей со старой платформы.

Офлайн-участие:

Регистрация на офлайн уже завершилась.

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