Летом мы выложили в открытый доступ фреймворк Perseus, который объединяет данные из разных источников в одну последовательность и обучает трансформерные модели.
Если фреймворк показался вам сложным — смотрите подробный туториал, где по шагам рассказываем, как его использовать в ваших задачах.
Вы научитесь:
↗️ Подготавливать данные для дальнейших экспериментов.
↗️ Конфигурировать модель: настраивать архитектуру, учитывать (или нет) различные события и признаки.
↗️ Обучать и инференсить настроенную модель под задачи кандидатогенерации, ранжирования, классификации и регрессии.
В каждой из задач обязательно сравнимся с бейзлайнами.
Какие данные используем?
T‑ECD — это синтетический кросс-доменный датасет на основе реальных данных из сервисов в разделе «Город». На нем Perseus уже доказал свою эффективность в продакшене.
⚡️ Полный туториал читайте на Хабре.