Интеграция Spark ML Pipeline в высоконагруженный low-latency сервис рекомендаций

Спикер расскажет, как можно внедрить Spark ML Pipeline, обученный на больших данных на кластере, в онлайн-сервис рекомендаций, который имеет достаточно жесткие требования по времени ответа.

Доклад будет интересен дата-сайентистам, ML-инженерам и разработчикам, которые занимаются выводом ML-моделей в ПРОМ. Основная рассматриваемая технология — Spark. Также немного рассмотрим SynapseML. В качестве языков используются Scala, Java.