Выучил рексис — нужен везде 💪

В прошлом посте разобрали, как устроены рекомендации под капотом: таблица с дырками, похожести, воронка. Сегодня о том, почему эти знания стоят дороже, чем кажется.

Если ты глубоко понимаешь, как устроены рекомендательные системы, ты нужен не только в лентах и каталогах. Ты нужен много где ещё. Смотри.

Рекомендации это не фича. Это сама компания 👀

Посмотри на YouTube, Instagram, VK Видео, Ozon, Wildberries. Их основной продукт это и есть рекомендательная система.

Убери из YouTube хорошие рекомендации, и что останется? Видеохостинг, в котором ничего не найти. Убери похожие товары с маркетплейса, и Ozon с Яндекс Маркетом начнут терять катастрофические деньги.

Рекомендации здесь не украшение продукта. Они и есть продукт. А там где деньги, там и высокие зарплаты

Поиск это тоже рексис 🔍

Поисковый движок идейно устроен так же: отобрать кандидатов из миллиардов документов и отранжировать под конкретного человека. Разница только в том, что запрос явный, а не вытащенный из твоей истории.

Поэтому команды Яндекс Поиска считаются одними из топовых во всём Яндексе. А Google вообще вырос из задачи ранжирования: PageRank это по сути рекомендация страниц. Компания на триллионы долларов, построенная вокруг одного ранжирующего движка.

Кстати, подбор таксиста под твой заказ — тоже рекомендательный движок. Кандидаты, скоринг, ранжирование. Всё то же самое.

И даже в NLP 🤖

В современном NLP полно поисковых фичей и приколов. Тот же RAG: прежде чем LLM ответит, retrieval-механизм достаёт из базы знаний нужные куски и ранжирует их. Знакомая схема? Отбор кандидатов плюс ранжирование. Ровно та воронка, которую мы разбирали в прошлый раз.

Так что человек, который понимает рексис, спокойно заходит и в поиск, и в NLP-команды.

Теперь про вакансии 📈

Если посчитать вакансии в лоб, их правда не так много. Но и конкуренция на них сильно ниже, чем в хайповом NLP или в классике, куда ломятся все.

Рост внутри при этом большой. Рекомендации это кассообразующий продукт: твоя модель напрямую двигает выручку компании, и твой рост виден в деньгах, а не в абстрактных метриках.

А если со временем поймёшь, что хочешь заниматься не рекомендациями, а другим направлением — рексис одна из лучших точек входа для перехода. Большая часть инструментария уже в руках, что делать — понятно. Останется доучить пару технологий и перекатываться.

Что забрать в голову 🌀

Сфера на первый взгляд узкая: кажется, что рекомендациями занимается полтора десятка компаний. По факту в каждой крупной компании под это огромные отделы, конкуренция ниже, чем в хайповых направлениях, а платят хорошо. Работает старое правило: направление, которое приносит деньги, хорошо оплачивается.

Как-то так. Я сам много лет прожил в рекомендациях, так что если тема близка и хочешь в неё погрузиться - приходи, пообщаемся и устроим тебя в рексис. Перекатываешься из соседнего ML-направления или бэкенда? Сделаем скидку. Действует до конца недели.

Учим тут: https://ml-mentor.ru/

Раскатываем ML кабины | MentorShip