Какой самый большой проект делал по ML

Разрабатывал систему рекомендаций для e-commerce платформы с 10M+ пользователей. Использовал гибридный подход:

• Коллаборативная фильтрация (ALS) для cold start
• Контентные фичи (BERT embeddings для описаний товаров)
• Графовые сети для связей "пользователь-товар-категория"

Технический стек:

from pyspark.ml.recommendation import ALS
from sentence_transformers import SentenceTransformer

# Генерация эмбеддингов
bert = SentenceTransformer('paraphrase-MiniLM-L6-v2')
item_embeddings = bert.encode(product_descriptions)

Результат: +15% к конверсии, уменьшение bounce rate на 22%. Основные сложности - обработка спарсенных данных и A/B тестирование в production.