0: Михаил, мне всегда было интересно, как из миллионов объявлений можно найти то, что тебе нужно. Сейчас расскажу. Давай вместе найдём тебе новую ударную установку, приглашаю в цифровой мир. Мы внутри платформы авито. Нас окружает огромный поток объявлений. Их.

1: Больше 250000000. Если каждое распечатать и выложить в линию, ими можно 2 раза обернуть землю для работы. С таким объёмом данных созданы цифровые сервисы. Они собирают, анализируют и обрабатывают потоки информации, чтобы улучшать работу поисковых и рекомендательных систем. Сначала

2: Объявление проходит проверку на соответствие правилам платформы, а потом данные попадают к разным специалистам. И 1 из них дата инженер. Он направляет запросы хранилище, которое называется озеро данных, и наводит там порядок в озере. Объявление проходит первоначальную обработку.

3: Система берет сырые данные из озера, очищает их, распределяет по нужным категориям и проверяет, нет ли ошибок или дубликатов, чтобы каждое объявление нашло своего пользователя он в озере данных, будто рыба в воде, как ему хватает столько времени и сил, он не обрабатывает каждое объявление вруч.

4: Так можно и за всю жизнь не успеть. Он использует мощные цифровые технологии, которые ускоряют процесс. А сейчас пора искать себе новую установку. Специальная система или модели позволяет быстро находить нужные тебе объявления. И вот по твоему запросу система уже подобрала ударную установку.

5: А ещё рекомендуют палочки и книгу, как поладить с соседями, если ты барабанщик, изучать много примеров, находить закономерности и предсказывать, какие объявления понравятся пользователю, всему этому модель обучает дата саентист, а что значит обучить модель? У неё что, уроки, как в школе?

6: Примерно так для обучения модели используют петабайты данных клики, просмотры, историю поиска, демографические данные. Модель анализирует, как люди взаимодействуют с объявлениями, и все точнее предсказывает, что им может понравиться. Это и есть машинное обучение. А мы

7: Дальше любая рекомендация это попытка угадать, понравится ли пользователю объявление. Это нужно проверить. По данным модель могла ошибиться. За этим внимательно следит аналитик. Он получает вопросы от команды и анализирует данные клики, пролистывания лайки, помогает понять, насколько хорошо работает.

8: Модель. Проверив данные аналитик делает вывод модель сработала отлично. Или нужно что-то улучшить, чтобы рекомендации стали ещё точнее, а я ещё не могу принять решение, что мне взять палочки или книгу, чтобы принять решение. Ты можешь посоветовать?

9: С друзьями или родителями, а в больших компаниях, чтобы запустить новый сервис или изменить существующий, применяют аб тестирование группам людей, дают посмотреть разные варианты и на основе их предпочтений решают, как именно развивать продукт и в том числе, как формировать рекомендации, я так понимаю,

10: У Музыкантов нет проблем с соседями. Решено. Беру палочки. Что дальше? Итак, у нас есть результаты, но пока мы видим только картинку и цену, а нам нужны детали, описание, параметры, место, где живёт продавец. Ситуацию исправляет бэкэнд разработчик.

11: С помощью кода он создаёт backend, невидимую часть приложения, которая хранит данные, обрабатывает запросы и связывает все воедино. Можно сказать, что это скрытые дороги, по которым объявления достигают пользователи за доли секунды. Получается backend это невидимая часть.

12: Платформы. Именно так, но без неё ничего не будет работать. Было так круто. Я выбрал отличную ударную установку и понял то, что за 1 запросом стоит столько труда. Это и есть датасайнс действие, когда команда помогает