Как построить систему рекомендаций в TravelTech за 5 недель: Kafka и MongoDB вместо Feature Store
MLOps-инженер из Tutu рассказывает, как с нуля за пять недель была построена система рекомендаций с использованием Kafka, MongoDB и ClickHouse, сознательно отказавшись от Feature Store ради скорости. Система предлагает отели после покупки билета на транспорт, используя данные о заказах в реальном времени из Kafka и ночные пакетные признаки из ClickHouse, все хранится в MongoDB для быстрого вывода.
Кристина, MLOps-инженер в компании Tutu, рассказывает, как её команда запустила рекомендательную систему (RecSys v1) всего за пять недель, чтобы успеть к дедлайну высокого сезона. Вместо того чтобы строить полноценное хранилище признаков (Feature Store), что заняло бы месяцы, они использовали MongoDB в качестве временного онлайн-хранилища, записывая заказы в реальном времени из Kafka и ночные
Показать ещё ↓
Источник: Habr — хаб ML —
оригинал