И, для тех, кого не заинтересовали доклады, начинаются новые интересные митапы:

A1.2: Workshop по практике применения clickhouse-operator / Владислав Клименко

A1.3: Архитектура и возможности Tarantool Data Grid / Максим Тремпольцев

A1.5: Не только IT! / Олег Бартунов (PosgreSQL Professional)

в R1.6 продолжается Потерянные знания: что делать с непонятным легаси / Игорь Цупко (Flant)

и в R1.7 все еще идет “Какие вызовы ставит перед инженерами e-commerce-бизнес?”, Тимур Нурутдинов (Lamoda)

⚠️В 16:00 в А 1.6 митап AWS! Не потеряйте, не потеряйтесь и не пропустите. ;)

Следующая лайв-трансляция - доклад Машинное обучение (lightGBM) и теория вероятностей для предсказания продаж и оптимизации запасов интернет-магазина OZON.RU / Александр Алексейцев (OZON.RU) — Найроби + Касабланка

В аннотации к докладу есть даже подготовительное задание. Я надеюсь, что все подготовились.

Следующую трансляцию будет вести Алексей Виноградов (подкаст и паблик Radio QA @radioqa https://www.facebook.com/radioqa/).
Любит заявлять, что вырос из программиста в тестировщики. Везде, где получится, пиарит библиотеку для UI тестирования Selenide.
Живёт в Германии, где работает на себя и того парня. Характер нордический, но это не точно.
Алексей уверенно владеет языками Java, Cobol, английским и немецким. Даже жаль, что эти знания ему сегодня не пригодятся!

Объявление победителей игр на стенде #Sbercity
◦ В 16:50 — Подарим power bank топ-50 первых участников викторины. #sbercity (профессор, вы уже познакомились с нашим почетным гостем?)
◦ В 18:00 — Чья «змейка» оказалась самой сытой? – наградим 3 сильнейших игроков теплыми худи

#sberteam #sbercity

В Калинграде был executive-коучинг, а сейчас начнется презентация новой конференции по цифровой трансформации

#трансляция #ML #lightGBM

Вообще-то я большие по качеству специалист, но в этот раз будем транслировать про количество. Повторил тервер - вероятность того, что пойму о чем речь 50% - или пойму, или нет.

Общая задача OZON - минимизировать необходимость человеческого фактора для прогноза работы со складом. То есть автоматизация с использованием машинного обучения. Еще будет про Spark

Склад не резиновый!

МАЕ Mean Absolute Error - чем меньше, тем лучше.

В 2018 и трава была зеленее, и небо голубее, и МАЕ меньше. На самом деле - не стоим на месте, данных больше, абсолютный значение ошибки растут.

Нашли сезонные товары по которым есть большая история (2 года) и с помощью их обучили алгоритм на другие товары

Примеры найденных кластеров. Вот этот волосатый график - про новогодние.

Чем дальше в лес, чем позже вылез или как random forest метод показал вполне приличный результат, другие просто не понадобились.

В общем МАРЕ (...Р - percentage) стало на 10% лучше, а ручного труда меньше. Ёлки в январе больше не заказываем.

Я не знаю почему такая высокая интерференция на фотках, конфа не про физику.

Будут слайды в PDF. Идея предыдущей картинки - разница в МАЕ микроскопическая, но правая модель значитеьно лучше покрывает дорогие товары (которых мало) поэтому она значительно лучше!