Softline помогла "Спортмастеру" ускорить работу моделей ИИ

Softline и "Спортмастер" вышли на новый этап сотрудничества в области технологий искусственного интеллекта. Благодаря внедрению программно-аппаратных комплексов Nvidia DGX-2, предназначенных для решения задач в области ИИ, ритейлер рассчитывает улучшить процесс прогнозирования спроса и пополнения товарных запасов, повысить эффективность маркетинговых программ и управления персоналом торговой сети.

Компания "Спортмастер" активно разрабатывает модели искусственного интеллекта для прогнозирования спроса, оптимизации управления товарными операциями, увеличения конверсии продаж, повышения эффективности программ лояльности.

Для того чтобы быстро создавать, развертывать и обучать модели искусственного интеллекта, компании "Спортмастер" требовалось решение, способное обеспечить высокую производительность в задачах машинного обучения и глубокого обучения.

Эксперты Softline предложили использовать программно-аппаратный комплекс Nvidia DGX-2. Эта система, разработанная Nvidia, предназначена для обучения нейронных сетей, решения задач математической статистики и машинного обучения. Ее производительность можно сравнить с производительностью десятков CPU-серверов, но Nvidia DGX-2 эффективнее и экономичнее. Программно-аппаратный комплекс не имеет аналогов в России, а его продвижением на отечественный рынок занимаются несколько партнеров Nvidia, среди которых — Softline.

"Внедрив программно-аппаратный комплексы, "Спортмастер" решит актуальные бизнес-задачи. Во-первых, ускорение разработки прогнозных моделей позволит избежать дефицита товаров на прилавках и скопления неликвидной продукции на складах. Во-вторых, анализ данных с помощью методов машинного обучения поможет ритейлеру повысить эффективность маркетинговой деятельности. Сейчас активно разрабатываются программы лояльности, качество таргетированной рекламы выводится на новый уровень, готовятся маркетинговые мероприятия", — рассказал менеджер по продаже решений компании Softline Антон Юдин.

"Сложность бизнес-процессов постоянно повышается. Резко увеличивается объём данных и количество факторов, влияющих на прогнозный показатель и объект классификации. Сокращается время, необходимое человеку для принятия оптимальных решений. Как пример — ежедневное формирование заказа товара в торговую сеть из тысяч магазинов и десятков тысяч товарных позиций. Или, скажем, привлечение необходимого числа сотрудников для работы в магазине в часы пиковой нагрузки для каждого магазина сети. Или подготовка маркетинговых промо-кампаний с оптимальными параметрами сегментов (клиенты, товары, магазины). В условиях ограничения ресурсов и времени человек не в состоянии эффективно решать столь масштабные задачи оптимизации. Помощь в принятии решений ему способны оказать системы искусственного интеллекта, для эффективной работы которых требуются специализированные высокопроизводительные платформы, с ускорением вычислений на базе GPU", — рассказал начальник департамента хранилищ данных, бизнес-аналитики и исследований данных УИС компании "Спортмастер" Алексей Тюренков.

"Спортмастер" совместно со специалистами Softline подготовили требования к пилотному проекту, сформировали рабочую группу из экспертов по анализу данных "Спортмастер". Для максимального использования возможностей DGX пришлось переписать скрипты для подготовки данных и процесса обучения, провести тестирование выбранных боевых моделей машинного обучения.

По сравнению с 10-ти узловым кластером BigData, результаты оказались оптимистичными. Ключевую роль сыграла GPU-совместимость конкретных алгоритмов в конкретных фреймворках искусственного интеллекта. Там, где не было поддержки GPU (т.е. фактически на Nvidia DGX работал классический CPU), произошла ожидаемая просадка производительности, по сравнению с BigData. Там, где была поддержка GPU (особенно c полноценной реализацией режима multi-threaded GPU), произошел резкий прирост производительности. Например, на градиентном бустинге в Сatboost был зафиксирован 30-кратный прирост, а на XGBoost в H2O – 20-кратный.

С учетом результатов тестирования, а также активного развития проекта Rapids, поддерживаемого Nvidia (где всё больше алгоритмов переносится на GPU), было принято решение о покупке и внедрении серверного комплекса Nvidia DGX-2. Эксперты компании Softline сформировали спецификацию на оборудование и выполнили поставку двух комплексов Nvidia DGX-2 в дата-центр ритейлера. Дальнейшая миграция боевых моделей искусственного интеллекта на production-платформу Nvidia DGX-2 подтвердила успешные результаты пилотного тестирования. Более того, удалось получить дополнительный прирост производительности. Таким образом, по сравнению со старой архитектурой, появилось "окно возможностей" для наращивания функционала. Например, переход с еженедельной на ежедневную технологию полного обучения моделей, значительное увеличение количества факторов и возможности "эшелонирования" моделей, использование новых ресурсоемких алгоритмов для повышения качества прогноза и результатов классификации.

"В дальнейшем, планируем наращивать темпы сотрудничества с компаниями Nvidia и Softline, способствовать активному развитию софтверной части (open source проект Rapids)", — заключил Алексей Тюренков.