Тезисы
Проблема — еженедельное переобучение ML-моделей классификации меняет ответы на запросы пользователей ВА.
Чем грозит — привычный набор действий пользователя ВА будет давать непредсказуемые результаты.
Решение — построить автоматизированную аналитическую систему оценки качества новой модели для принятия решения о ее выводе в прод.
Аудитория
Product-manager, analyst, data-scientist, ml-engineer.
Уровень сложности
Beginner.
Выпускник РЭУ им. Г.В.Плеханова.
Более трёх лет занимается аналитикой данных в Сбере, последние два года в роли руководителя направления аналитики данных в команде SmartNLP Sber.Devices. Команда SmartNLP разрабатывает «мозг» виртуального ассистента Салют.
Вместе с командой строит автоматизированную аналитику для контроля качества виртуального ассистента и улучшает пользовательский опыт.