Ozon Tech выложил в открытый доступ записи 60 докладов конференции E-CODE, которая прошла 12–13 сентября в Москве и была приурочена ко Дню программиста. Две главные истории трека ML/DS — перевод всего рекомендательного пайплайна маркетплейса на нейросетевые модели и промышленное измерение габаритов товаров на конвейере средствами компьютерного зрения. Смотреть записи можно бесплатно на сайте ecode.ozon.tech.

Что произошло

Ozon Tech провёл 12–13 сентября в Москве ежегодную конференцию E-CODE и опубликовал записи 60 докладов на официальном сайте ecode.ozon.tech, а в официальном канале Ozon Tech вышла первая подборка лучших выступлений. В треке ML/DS разобрали эволюцию рекомендательной системы Ozon: этапы пайплайна от отбора кандидатов до финального ранжирования постепенно переводят на нейросетевые модели с многозадачной оптимизацией под продажи, рекламу, вовлечённость и LTV, а архитектура Large User Model объединяет пользовательские сигналы, включая негативную обратную связь. Отдельный доклад посвящён промышленному измерению габаритов товаров на конвейере, лента которого движется со скоростью до 1 м/с: в связке работают стереокамера, сегментация и 3D-реконструкция, а датасет из более чем 100 000 изображений размечали полуавтоматически через Grounding DINO с автодетекцией объектов.

Контекст

E-CODE ежегодно служит площадкой, где команда Ozon показывает внутреннее устройство ML-систем, и накопленные доклады складываются в хронику того, как развиваются рекомендательные системы и промышленное компьютерное зрение крупного маркетплейса. Многозадачная оптимизация рекомендаций под несколько бизнес-целей — устоявшийся индустриальный паттерн, поэтому новизна рассказанного не в самой идее, а в последовательном переносе всех этапов пайплайна крупной площадки на нейросетевые модели. Движение к единой модели пользователя, в которой сходятся сигналы о поведении, перекликается с общим трендом на унифицированные представления пользователей и товаров. В складском кейсе ключевая развилка — трейд-офф между точностью измерений, пропускной способностью конвейера и стоимостью решения: команда сравнивала ML-подход с классическими методами и облаками точек по качеству, стоимости и производительности, а открытые фундаментальные модели вроде Grounding DINO и SAM2 использовала как инструмент аннотирования данных, а не как финальный продакшн-компонент.

Почему это важно для индустрии

Ozon публично показал рабочий пример перевода всех этапов рекомендательного пайплайна крупного маркетплейса на нейросетевые модели, которые оптимизируются сразу под несколько бизнес-целей вместо набора разрозненных моделей. Large User Model с агрегацией сигналов, включая негативную обратную связь, — практический шаг к «единой большой модели пользователя», и если эта линия продолжится, подобная архитектура может стать дефолтной для крупных e-com площадок. CV-командам показателен приём удешевления подготовки данных: полуавтоматическая разметка датасета из более чем 100 000 изображений через Grounding DINO и SAM2 реализуема на open-source уже сегодня, а схема «стереокамера + фундаментальные модели для разметки + 3D-реконструкция» выглядит типовым шаблоном промышленного зрения на складах. Для стартапов это сигнал двойного удешевления: данные для промышленного CV дешевеют за счёт полуавтоматической разметки, а классические компоненты рекомендательных систем коммодитизируются на фоне перехода пайплайнов на нейросетевые модели, поэтому защищаться придётся глубиной интеграции с данными и продуктом.

Почему это важно для пользователей

Главное для читателя — бесплатный доступ: записи 60 докладов выложены на ecode.ozon.tech, и без участия в конференции можно разобрать, как устроены рекомендательные системы, промышленное компьютерное зрение, геолокация по Wi-Fi и суперкомпьютеры для ML на масштабе одного из крупнейших маркетплейсов. Это готовый материал для самообучения и для сверки собственных архитектур с практикой индустрии. Тем, кто планирует карьеру в ML, полезно знать, что соревнование E-CUP в этом сезоне было студенческим: призовой фонд составил 7,2 млн рублей, а задачи ставились на реальных данных Ozon.

Что пока неизвестно / ограничения

Доклад конференции без выложенных метрик, абляций и дизайна онлайн-экспериментов — это демонстрация, а не воспроизводимое доказательство: переносимы идея и воркфлоу, но не валидированный результат. О готовых инструментах для сторонних команд источники не сообщают: ни кода, ни API, ни моделей в открытый доступ выложено не было. Оценки о том, что «единая модель пользователя» и полуавтоматическая разметка через фундаментальные модели станут отраслевым стандартом, — интерпретация тренда, а не факт, и её нужно проверять по будущим публикациям и тех-статьям Ozon.

Источники

Автор

Look at AI, редакция