Облачный сервис персональных рекомендаций для 20 000 магазинов - алгоритмы и технологии
Это заявка на доклад. Он пока не включен в программу.
Расскажем о подводных камнях при анализе и проектировании распределенных алгоритмов рекомендаций и кластеризации, воплощении сервиса на базе современного стека и готовых библиотек: java, Apache Spark, Apache Mahout, испытаниях и метриках качества. Особое внимание уделим особенностям применения MapReduce и способах обхода рисков, возникающих при кластеризации больших объемов данных (20 млн. товаров)