Что внутри рекомендательных систем: настоящее и будущее скачать в хорошем качестве

Что внутри рекомендательных систем: настоящее и будущее

Даня Бурлаков, руководитель группы рекомендательных продуктов, рассказывает, как именно технологии учатся понимать наши предпочтения и почему последние годы стали временем больших перемен в индустрии. Как на самом деле работают рекомендательные системы и почему именно сейчас в них происходят самые большие изменения за последние годы? В видео Даня разбирает: 🔸 Какую эволюцию прошли рекомендательные системы и при чём тут ML-модели 🔸 Как новая архитектура ARGUS помогает быстрее обучать нейросети в Яндексе 🔸 Зачем понадобились трансформеры и что такое коллаборативная фильтрация 🔸 Как генеративные модели изменят логику работы рекомендаций Это видео будет полезно ML-инженерам, data scientist, backend-разработчикам и всем, кто работает с рекомендательными системами и персонализацией. Подписывайтесь на канал Яндекса для ML-инженеров: https://t.me/+owyCvdge8WIyNTUy Таймкоды: 00:00 – Что такое рекомендательные системы простыми словами? 01:10 – Какие методы лежат в основе рекомендаций сегодня? 05:35 – Что такое ARGUS и какие изменения он приносит в продукты Яндекса? 08:44 – Почему классические ML-модели достигли плато в качестве рекомендаций? 12:20 – В чём главный прорыв генеративных моделей в рекомендациях? 14:16 – Какие заметные улучшения получили пользователи Яндекс Музыки и Маркета? 17:30 – С какими главными сложностями приходится сталкиваться при внедрении генеративных моделей? 19:56 – Как вы боретесь с «фильтром пузыря» и добиваетесь разнообразия? 21:21 – Могут ли рекомендательные системы влиять на наше поведение? 21:48 – Где проходит грань между полезным советом и манипуляцией? 22:09 – Возможен ли единый универсальный рекомендатель для всех сервисов? #AI #MachineLearning #RecommenderSystems #DataScience #ML #ArtificialIntelligence #Transformers #RecommendationEngine #TechTalk #Yandex