Как мы ищем «треники со шнурком»

Поисковые запросы на Lamoda — целый мир, который не подвластен простой логике. Пользователи приходят, чтобы найти нарядное платье, выбрать изумрудную кофту или купить треники со шнурком на поясе.

Это сложные запросы. Ответить на них с недавних пор нам помогает нейропоиск.

Как работает нейропоиск?

Он обучен на действиях пользователей. Мы знаем, какие товары пользователь просматривает, добавляет в избранное и корзину, когда вводит определенный запрос. На этих данных, используя функцию потерь Triplet Loss, мы обучили нейросеть.

Когда включается нейропоиск?

Нейропоиск включается, если в поисковой выдаче очень мало товаров. Он добавляет в выдачу больше релевантных вариантов и помогает пользователям найти именно то, что им нужно.

📺 Подробнее о принципе работы нейропоиска рассказал Илья Черников в докладе на DS-митапе.

#LaTech_news

Кто будет на конференции True Tech Day?

Приходите знакомиться!

Data Science команду Lamoda Tech представит Илья Черников с докладом «В поисках стиля: Deep Learning в fashion-индустрии».

Илья расскажет о нейросетевом подходе в поиске и дополнении языковых моделей компьютерным зрением. А также покажет, как мы развили это решение для подбора цельного образа с товаром — с чем носить купленную вещь.

➡️ Послушать доклад можно 17 мая в 16:15 в треке AI + ML.

Бесплатная регистрация на конференцию еще открыта 👌

#LaTech_speakers

🚴 Рулим запуском Spark-приложений в Airflow с помощью самописного оператора

Airflow в Lamoda Tech — это оркестратор процессов обработки данных. Ежедневно с его помощью мы запускаем 1 800+ тасок на проде.

Примерно половина из них — Spark-приложения, которые сабмитятся из Docker-контейнеров. И здесь мы столкнулись с проблемой: нет готового решения для запуска приложений, которое позволило бы легко править конфигурацию и следить за количеством потребляемых ресурсов.

Что ж, пришлось написать его самим 😉

➡️ Делимся историей создания собственного Airflow-оператора в новой статье.

#LaTech_habr

Как ML находит рубашку с дырочкой?

Мы продаем сотни тысяч товаров на платформе. После примерки на некоторых вещах могут появиться дефекты — следы от косметики, разошедшийся шов на рубашке и т. д. Когда проблему замечают покупатели, они не всегда сообщают нам. А мы не подозреваем, что с товаром что-то не так.

Такие вещи не должны попадать к клиентам: они расстраивают и портят о нас впечатление. А еще мы тратим деньги и время на их доставку и возврат.

Чтобы рубашка с дырочкой не попала к другому покупателю, мы разработали ML-модель:

⚫️Для обучения взяли 20 млн строк исторических данных и учли больше 60 признаков о товаре и заказе — в том числе признаки, полученные от других ML-моделей.

⚫️Использовали градиентный бустинг на решающих деревьях (CatBoost).

⚫️Настроили ежедневный скоринг полученных товаров. Если есть подозрение на брак, сотрудники склада получают уведомление и отдают вещь на проверку в службу качества.

⚫️В службе качества вещь проверяют и принимают решение, как с ней поступить дальше.

Кстати, большинство вещей с дефектами мы чиним и передаем в благотворительные фонды. Потому что забота о людях и планете — одна из важных для нас задач👍

Ставьте 👌, если всегда сообщаете о проблемах с товаром)

#LaTech_news

Это мы смотрим, какие из статей наших авторов попали в шорт-лист конкурса «Технотекст» от Хабра.

И держим лапки кулачки за наших авторов!

➡️ Три важных качества CTO, о которых я не догадывался, пока был разработчиком — Эмиль Абдулнасыров, CTO Lamoda Tech

➡️ ChatGPT-4 в помощь: используем AI в доработке простого iOS-приложения — Марк Коваль, iOS-разработчик

➡️ Как работать в удовольствие: 6 практик, которые поднимают настроение команде — Саша Пургина, продакт-лид Data-продуктов

➡️ Пароли в открытом доступе: ищем с помощью машинного обучения — Саша Рахманный, разработчик систем информационной безопасности

➡️ Как мы не забили на внутренних заказчиков, или Внутренняя автоматизация как продукт — Андрей Печенев и Максим Молодовский, команда внутренней автоматизации

#LaTech_habr

Больше вакансий, меньше упаковки👌🏻

Ищем сразу нескольких спецов в нашу Packaging Reduce Program (PRP) — команду, реализующую программу уменьшения количества упаковки.

PRP team прямо сейчас пишет новый сервис на Go, который будет управлять транспортировкой заказов от склада до пункта выдачи. Мы хотим, чтобы товары доезжали без лишнего пластика, а сотрудники легко и быстро отдавали заказы покупателям. И знаем, как это сделать 👌🏻

Женя Рудаков, тимлид команды, в кружочке ниже рассказал подробнее, с чем придется работать ⬇️

А мы оставляем ссылки на вакансии:

⚫️ PHP или PHP/Go-разработчик. Система, из которой мы выносим контекст, написана на PHP, а сервис, куда заносим, — на Go. Это значит, знание PHP вам точно пригодится. Если у вас нет опыта работы с Go, научим! А стек вас точно порадует: Kafka, RabbitMq, Symfony, k8s, Go.

⚫️ QA backend с опытом ручного тестирования и написания автотестов.

#LaTech_vacancy