sb-ai-lab/py-boost

🚀 Как идеи становятся 🤖 -продуктами: наука в индустрии Дмитрий Симаков, лидер команды ML 2:0, 🧬 Sber AI Lab в интервью для Science Mail раскрывает цикл исследований: «Всё начинается с практической потребности, уходит в поиск научного решения и возвращается обратно — уже в виде пилота и внедрения. Два разных мира превращаются в один непрерывный процесс». 🏆 Его команда получила бронзу в номинации «R&D-прорыв года» на RnD премии Сбера за решение - приоритезатор банковских продуктов . ⚙️ Суть решения - Py-Boost 💡 : 🔘 Multioutput GBDT на GPU (CuPy/Numba) - одна модель для всех продуктов вместо отдельных 🔘 SketchBoost ускоряет обучение для multitask (multilabel, multitask regression) 🔘 Анализирует сочетания продуктов (сочетаемость, совместное использование, joint значимость) 💡 Почему Py-Boost 💡 удобен для исследований? Классические библиотеки на C++/CUDA сложно модифицировать и разбирать. Py-Boost — это Python + GPU с читаемым кодом и поддержкой экспорта в ONNX/Treelite, так что один и тот же стек подходит и для экспериментов, и для продакшена. ➡️ В такой модели работы бизнес-задача почти сразу становится научной гипотезой, а успешное исследование — готовым продуктом. 🔥 - если вам близка такая связка ML-исследований и продакшена! ❤ @sb_ai_lab