Войти через соцсеть:
Войти через email:
По этим критериям поиска ничего не найдено
Доклад принят в программу конференции
А/Б тестирование весьма каверзная задача, особенно когда количество данных слишком мало, чтобы сделать выводы за адекватное количество времени. Хочу рассказать историю о том, как в одном сервисе переключились на новую, самую важную метрику, в связи с чем количества необходимого для А/Б трафика упало в 2 раза и отом, как мы решили эту проблему с помощью Линеаризации, перевзвешивания, машинного обучения и теоремы Баеса
Презентация
В докладе будет про то, как самому сделать видеохостинг на миллионы просмотров. Расскажу pipeline видеохостинга и как сделать каждый шаг быстрее и лучше чем у конкурентов.
Рассказ будет основан на реальных событиях роста видео платформы ОК с 720p и 30 млн просмотров в сутки, до 4К и 870 млн, и 2 Тбит/сек.
Сервис Видео в Одноклассниках – первая площадка в Рунете по объемам видео.
В докладе я расскажу:
* pipeline видеохостинга;
* как сделать самую быструю загрузку видео;
* как сделать самое быстрое транскодирование видео;
* архитектура системы доставки контента и CDN;
* тюнинг и проблемы TCP для раздачи 4K;
* как и зачем нужно отказаться от ffmpeg и нарезка видео на GPU;
* обсудим будущее видео хостингов.
В докладе я рассмотрю необычные структуры данных, разработанные для задач Яндекс.Метрики. Например — для отслеживания сессий и истории посетителей, а также для фильтрации роботов в реальном времени. Я покажу, из каких соображений следует исходить при решении data-intensive-задач, если не помогает ни одна существующая технология.
Тезисы доклада появятся позднее
При проектировании прикладных приложений, производительность редко принимается во внимание. В первую, очередь надо реализовать горы функционала, а с производительностью можно разбираться и позже.
Зачастую "позже" так и не наступает, но бывают исключения.
Что делать если проблемы с производительностью возникли в старом и заросшем функционалом JEE монолите?
Ответ прост - засучить рукава и начать разгонять то что есть. Но просто не значит легко, в докладе Алексей Рагозин расскажет историю о том как разгоняли подобный Java монолит.
Шел 2019 год. Вокруг куча интересных слов: Transfer Learning, Meta Learning, Federated Learning, Reinforcement Learning, плюс еще и мейнстрим Deep Learning с все новыми типами данных.
Параллельно с этим, развивается и ML Engineering, а вокруг него еще и свой ML Safety. Вроде бы, на вопрос "куда копать", проблем с ответом нет.
Однако, деды и отцы-основатели ML стали все чаще говорить про фундаментальные нерешенные проблемы, типа Causality. Стали переосмыслять и припоминать в суе страшный "AI", и даже периодически фантазировать про эфемерный "AGI". Это будет небольшой рассказ - попытка осмыслить происходящее в ML сегодня, и прикинуть - куда ML будет двигаться завтра (а может быть и послезавтра).
Мы так привыкли к сложным решениям разработки из кровавого enterprise, что порой, на «автопилоте», не задумываясь, переносим неоправданно тяжеловесные подходы, Architectural и Design Pattern-ы, Approaches, взращивая кодо-монстра в считанне месяцы \ годы. Наиболее популярным техникам кодо-монстро-производства и будет посвящен наш доклад. На выходе мы получим checklist из 10 стандартных задач и способов их решения от упрощенного, до оптимального и далее технически-кошмарного. Приходите – будет интересно и holywar-но :)
Проблема фрагментации экосистемы Андроид устройств существует почти столько же сколько сам Андроид. И почти столько же Google сражается с этой проблемой в нескончаемой битве за скорость апдейтов. Два года назад они провели массированное наступление на данном фронте под названием Project Treble. И вот совсем недавно новый Прожект с большой буквы - Mainline. Будет ли этого достаточно, чтобы решить проблему или борьба будет вечной? Давайте попробуем разобраться...
Погрузимся в архитектуру компонентов Кафки. Вместе пройдёмся по граблям, которые заботливо собраны в одну презентацию. Постараемся понять, откуда в Кафке взялись различные ограничения. Всё по-честному, никакого маркетинга.
Выбранные для доклада грабли помогут ответить на следующие вопросы:
- Что не так с настройками (по умолчанию)?
- К каким неожиданностям должны быть готовы клиенты?
- Зачем Кафке девопс?
- Много настроек — это хорошо или плохо?
- О чём забыли написать в документации?
Новый код писать легко и просто, чинить потом (нередко сразу) уже тяжело, а совершенно корректный код писать невозможно вообще.
Немного помогает в этой нашей деятельности соблюдение ряда нехитрых гигиенических техник, которые описаны в каждой методичке с одной стороны, но понимание которых отчего-то каждый божий год меняется, с другой, да и в коде в реальном мире отчего-то они наблюдаются очень не всегда, с третьей.
Вот, собираюсь снова рассказать всю ту же самую совершеннейшую банальщину, которую в разных докладах чуть по-разному рассказываю уже много лет, в понимании на текущий момент.
За многие годы разработки одного из самых популярных открытых PHP фреймворков удалось набить много шишек начиная от изобретения плохих велосипедов и заканчивая почти десятилетием принципиального отказа заниматься финансовой частью проекта.
В докладе особое внимание будет уделено тому, что вас ждёт, если вы решите сделать большой OpenSource-проект.
1. Что такое OpenSource и что в нём такого?
2. Общие лучшие практики. Без чего не полетит любой открытый проект.
3. Важность общего видения и направления. Как решается, что делать а что нет.
4. Работа с сообществом. Общение, организация. Негативный фидбек.
5. Как получить первых последователей и что делать для роста сообщества.
6. Психологические аспекты. Ответственность и выгорание в OpenSource.
7. Финансовый вопрос.
— Исчерпывающее тестирование невозможно
— Значит, надо правильно планировать усилия и рубить концы.
— И на это можно смотреть как с технологической (приоритеты и риски), так и с экономической (деньги) точек зрения.
— Детализация этих двух точек зрения, особенно второй
В докладе простыми словами расскажем, как применять популярные гибкие методологии (Agile, Scrum) в сложных проектах, связанных с машинным обучением, математикой, большими данными. Пройдем все этапы от проектирования, анализа, защиты бизнес-идеи и подбора команды, до оценок качества и конверсии сервиса «на бою». Разберем возможности быстрого запуска подобных проектов с использованием готовых облачных сервисов «Amazom Sage Maker», а также поделимся успешным опытом реализации ML-проектов внутри компании.
Доклад будет полезен менеджерам, заинтересованным в снижении издержек и рисков запуска проектов по машинному обучению, AI и большим данным в организациях. Также, доклад будет интересен всем, кто хочет привлечь в проект внешние ML-команды, стартапы, научные организации, в т.ч. через организацию конкурсов и хакатонов.
Может показаться, что в 2019 году уже неуместно говорить про SOLID — тема избита и далеко не нова. Но факт остается фактом: 8 из 10 человек, приходивших ко мне на собеседования, мало что знали дальше самой аббревиатуры и ее расшифровки. Еще один факт заключается в том, что учиться на плохих примерах гораздо интереснее, — они лучше запоминаются. В докладе на примере реальных задач мы рассмотрим принципы SOLID и как каждый из них нарушается в любимом нами Android Framework.
Меня зовут Александр, я тимлид в Lamoda. Cъел небольшую группу собак на подготовке новых сотрудников к большим свершениям, и в рамках этого доклада расскажу о вымышленном персонаже по имени Донат и о том, что случалось с ним на пути к славе в отделе некоей крупной IT компании. О том, какие ошибки часто встречаются при адаптации новых сотрудников и о том как можно плавно погружать людей в процессы, команды и разработку.
На примере Доната и первых дней/месяцев его работы рассмотрим кривую роста сложности его задач, поговорим о переработках, тимбилдингах, обмене знаниями, задачах на испытательный срок и о знакомстве с тонкостями бизнеса.
В VK за 5 лет создания и развития умной ленты новостей и рекомендаций мы прошли путь от самого базового набора графиков до сложной и продвинутой системы аналитики и проведения a/b экспериментов.
Поделюсь своим опытом выстраивания процессов работы с данными в команде, расскажу как мы запускаем и оцениваем эксперименты и какие плюсы и минусы есть в data-driven подходе к принятию продуктовых решений.
Я докажу, что "простейший" экран с пагинацией совсем не так прост. Вскрою множество проблем и покажу как их элегантно решить через Redux подход, но без фанатизма, чтобы не кидаться переписывать весь проект. Кроме того, познакомиться с этим подходом будет полезно, так как грядет декларативный UI, а там все будет создано для того, чтобы начать писать Redux подобные архитектуры.
1) Эксклюзивная презентация исследования агентского digital-рынка от RUWARD: типовые воронки привлечений клиентов в digital-агентства по разным услугам, распространенность сервисов и инструментов – и еще одна секретная штука;
2) 5 самых важных советов по PR и позиционированию регионального digital-агентства/продакшена;
3) 5 тактических приемов/ходовок для повышения эффективности конкретного пресейла в агентстве;
4) По заявкам слушателей: очень короткий рассказ о сертификации digital-агентств.
Дизайн — это интерпретация человека Де-линейный дизайн Дизайн индивидуальный Консерватизм современного дизайна Драматизация дизайна Эпоха NULL-дизайна Интерфейсы вещей Дизайн ИИ Будущее дизайнера
Тезисы доклада уточняются
Выступление будет интересно, как дизайнерам, так и предпринимателям. Вы узнаете почему схемы работы классического агентства не актуальна. На конкретных примерах и цифрах разберем рабочие механики по созданию и продвижению интернет-бизнеса.
В Интернетах принято ругать CSS, если не понимаешь, как с ним работать. Тем не менее, CSS в связке с HTML — Тьюринг-полный язык программирования, а если к ним добавить Houdini API и CSS Custom Properties — можно творить настоящую магию.
Чтобы обучить сверточную нейронную сеть требуется большое количество данных. Аугментация изображений - простой и быстрый способ увеличить обучающую выборку и получить более качественные модели. Существующие библиотеки для аугментаций нас не устроили: они были слишком медленными, поддерживали ограниченный набор преобразований, не умели работать с данными для разных типов задач, их документация была неполной. Мы хотели, чтобы наша библиотека одновременно предоставляла удобный интерфейс на Python и при этом работала достаточно быстро. Также приходилось решать проблемы, присущие любому Open Source проекту - как писать понятную документацию и примеры использования, как чинить баги и не допускать появления большого числа ошибок в новых релизах, как продвигать библиотеку и как следовать пожеланиям сообщества и дальше развивать проект.
Сборник историй из жизни разработчика, ставшего тимлидом и принявшего последствия этого решения.
Цель повествования — поделиться опытом о том какие cофт скиллы в себе стоит развивать будущему руководителю, зачем эти скилы надо развивать даже если вы пока не хотите становиться руководителем, а так же немного приоткрыть завесу тайны над тем чем же руководителю приходится заниматься.