Уже 2 года развиваю систему товарных рекомендаций Магнита. За это время прошли путь от MVP в виде одной рекомендательной полки с прошлыми покупками до промышленной системы, которая управляет 50+ полками в нескольких приложениях На старте всё довольно очевидно. Нужно было сделать базу, которая лежала на поверхности. Была уверенность в том, что нужно делать и как. В какой-то момент неопределённости становится всё больше. И тут критически важно максимально утилизировать внешнюю информацию, чтобы делать правильные вещи (а не правильные не делать). Для себя составил список следующих источников материалов: Научные кейсы по RecSys На расписании кручу парсер на базе Perplexity, который собирает новые научные статьи + нашёл штук 5 телеграм-каналов по RecSys от топовых Data Scientist Бизнес-кейсы по RecSys Тут общение на конференциях + те же парсеры интернета по ключевым словам Продуктовый подход к развитию алгоритмических / ML-продуктов 🙈 Тут, честно говоря, оказалось сложнее всего. На RecSys-конференциях почти нет продактов. Большинство продуктовых каналов пишут базу про то, как провести A/B-тест или как завайбкодить будильник. Единственный достойный канал, который смог найти про менеджмент data-продуктов, — @ml4value от Вани Максимова. В общем, не было прибежища для продактов, которые развивают сложные алгоритмические / математические / ML-продукты. Если вы знаете о таких, то напишите, пожалуйста, в комментариях. Поэтому я решил его сделать и создал свой канал, где делюсь мыслями, подходами и рефлексией — @mlproductmanager Буду рад лично познакомиться / попить кофе и обменяться опытом со всеми, кто делает продукты персонализации и товарных рекомендаций для бизнеса.