Open source для тех, кто хочет заменить бустинги нейросетями - без переписывания всего пайплайна

Команда Т-Банка выложила код Scikit-rank — библиотеки для нейросетевого ранжирования с scikit-learn-совместимым интерфейсом и привычными методами fit и predict.

Библиотека сама берет на себя всю логику с препроцессингом, кодированием признаков, обучением и построением инференса.

Из ништяков: библиотека работает с данными в форматах numpy, pandas и polars, а модели могут обучаться как на CPU, так и на GPU.

Внутри уже доступны несколько архитектур нейросетей — DCN v2, FinalNet, FinalMLP, Destine и TabM. Для обучения можно выбрать подходящую функцию потерь, например, BPR, LambdaRank, ListMLE или CORAL.

Буквально вчера работу о Scikit-rank представили на ACM RecSys 2026 – международной конференции по рекомендательным системам, которая проходит в США.

https://habr.com/ru/companies/tbank/articles/1088224/

@cgevent