Руководитель группы разработки бэкенда на С++ и Python для международных партнёрских продуктов ТаксиРуководитель бэкенд-разработки платформы для партнёровУровня Месси не достичь, играя в низшем дивизионе. Яндекс Go — это Лига чемпионов в мире IT. Наша команда разрабатывает и сопровождает платформу для быстрого и удобного создания систем управления бизнесом. К примеру, система для таксопарков объединяет работу с водителями и транспортными средствами, графики и отчёты для партнёров, инструменты для автоматизации процессов, публичный API для внешних интеграций и функциональность для поддержки бизнеса. Уровня Месси не достичь, играя в низшем дивизионе. Яндекс Go — это Лига чемпионов в мире IT. Наша команда разрабатывает и сопровождает платформу для быстрого и удобного создания систем управления бизнесом. К примеру, система для таксопарков объединяет работу с водителями и транспортными средствами, графики и отчёты для партнёров, инструменты для автоматизации процессов, публичный API для внешних интеграций и функциональность для поддержки бизнеса. DevOps-инженер мобильных приложенийРуководитель группы разработки и эксплуатации мобильной инфраструктурыМы ищем крутого специалиста, готового сражаться с кодгеном в новых языках и платформах. А если идея написать собственную систему сборки для Flutter вас не пугает — мы уже на одной волне!Мы ищем крутого специалиста, готового сражаться с кодгеном в новых языках и платформах. А если идея написать собственную систему сборки для Flutter вас не пугает — мы уже на одной волне!Инженер по тестированию в Яндекс GoРуководитель тестирования Яндекс GoИщем инженера по тестированию, который обеспечит бесперебойную работу приложения. Если вы инициативны, готовы к сложным и нетривиальным задачам и хотите проявить себя, ждем вас в команде. Ищем инженера по тестированию, который обеспечит бесперебойную работу приложения. Если вы инициативны, готовы к сложным и нетривиальным задачам и хотите проявить себя, ждем вас в команде.
Стажировки
Стажировка — это хороший шанс и для работодателя, и для начинающего специалиста. Мы с радостью передаём знания, даём возможность поработать с продуктом в команде экспертов, а стажёры получают уникальный опыт: разрабатывают фичи и видят, как они работают на практике.
Прийти на стажировку можно уже с первого курса. Так вы сможете попробовать свои силы в профессии и понять, насколько верно вы выбрали направление, хотите ли вы продолжить учиться или остаться работать в команде. Мы верим в потенциал молодых ребят, всегда открыты и готовы поддержать. Выбирайте направление и приходите в команду!
«Я попал на стажировку через Школу мобильной разработки. Интересно, что многие преподаватели школы стали моими коллегами, с которыми мы вместе делаем большое приложение. Стажировка в Яндекс Pro — это сложные, но очень интересные задачи, дружелюбные коллеги и возможность внести свой вклад в реальный проект»
Младший разработчик Flutter
Проекты
Яндекс Go — это суперапп, предоставляющий сервисы, связанные с передвижением. И его разработка решает очень много задач. Например, мы экспериментируем с новыми сценариями: комбо-маршрутами, точками посадки в аэропортах, тарифом Шаттл. У нас высоконагруженная масштабируемая система с сотнями микросервисов и тысячами RPS. Разрабатываем на C++17 и Python3. А мобильные приложения — на нативных технологиях. Так Android-приложение — это кодовая база из 200+ обособленных модулей, развивающаяся с использованием Kotlin, Java, Coroutines, Dagger2, своей дизайн-системы и CI/CD решений. Работаем более чем в 20 странах.
IT-компания Яндекс Такси развивает бизнес в нескольких направлениях — онлайн-заказ такси, каршеринг и аренда самокатов. Компания управляет супераппом под брендом Яндекс Go (сервис Яндекс Такси до августа 2020 года в России), а также сервисами Яндекc Драйв и Ultima. Собственная разработка инфраструктуры позволяет выкатывать обновления кода за считанные часы, сохранять доступность сервисов не ниже 99,99%. Мы не тратим время на повторяющиеся однотипные задачи, а делегируем эту работу алгоритмам.
Платформа для выполнения заказов с нашими сервисами. И водители, и курьеры, и сборщики заказов работают с приложением Яндекс Про. Как в России, так и за её пределами. Это полноценный рабочий инструмент, «кабинет» исполнителя, в котором он проводит свой рабочий день. И не просто выполняет заказы, а ещё отслеживает свой заработок, проходит проверки качества, может подготовиться к выполнению заказов в тарифе повыше и многое другое. А это значит, что важно всё. U I должен быть удобным и предельно понятным — как удобное рабочее место для водителя. Важна и энергоэффективность — ведь, например, курьеры не могут всегда держать телефон на зарядке. Приложение должно быть максимально стабильным, ведь проблемы с ним или с самим сервисом могут влиять на непосредственный заработок исполнителей.
Сервис быстрой доставки для людей и для бизнеса. Продукт меняет рынок логистики с помощью технологий и данных: эффективно назначает курьеров на заказы, прогнозирует спрос и оптимизирует маршруты в реальном времени. Диспатч курьеров — то есть выбор исполнителя на заказ — это сложный механизм со своими особыми алгоритмами. И по-своему уникальный технологический вызов. Уже сейчас наши клиенты делают больше 5 миллионов заказов в месяц. В задачи сервиса также входит создание общей логистической платформы для Доставки, Еды, Лавки и Маркета, удобных продуктов и инструментов для курьеров, B2B-клиентов и всех наших пользователей.
Это фудтех. Все, что про технологии и про поесть — к нам. У нас есть доставка из ресторанов и магазинов, самовывоз, безналичные чаевые, а будет ещё больше. Работаем на три фронта (и бэка): пользовательский продукт для миллионов людей в нескольких странах мира, партнёрский продукт для десятков тысяч ресторанов и магазинов, логистический продукт для десятков тысяч курьеров. Микросервисная архитектура позволяет нам масштабировать сервис, бизнес и команду. А мощный технологический стек для С++ и Python дает возможность эффективно решать задачи продукта и улучшать инфраструктуру.
Сервис быстрой доставки продуктов. Мы меняем формат магазина у дома — теперь ходить никуда не нужно. В технологиях Лавки есть клиентское приложение, сайт, а ещё платформы, которые помогают доставке случиться. Например, складская система для дарксторов — UI администратора склада и приложение для кладовщика. Мы — молодой проект. Активно строим новое, быстро растём, и у нас мало легаси.
Живой, только что родившийся в Яндексе стартап — а значит много влияния на продуктовые решения. Мы молодые и амбициозные — решения принимаем быстро, не боимся ошибаться и с каждым днём бежим быстрее. Сегодня катаемся и катаем в Москве, Туле, Санкт-Петербурге и Краснодаре, а также в Тель-Авиве, под брендом Wind. Растём по экспоненте, хотим выходить в другие города и страны. Верим, что самокаты — не только веселый способ провести время, но и решение многих транспортных проблем мегаполисов. Думаем, как проектировать такую архитектуру, чтобы стремительно расти без проблем для продукта. Или как управлять самокатом при слабой сети, эффективно перезаряжать уставших и переправлять заряженных туда, где их ждут. А ещё плотно работаем с иностранной командой, летаем в командировки и с удовольствием тестируем свой продукт.
Маркет позволяет покупателям заказывать товары прямо из дома и получать заказы по всей стране, а партнёрам — развивать свой бизнес, повышая продажи и привлекая новых клиентов. Для этого мы строим архитектуру так, чтобы можно было быстро делать новые фичи и не ломать важные сценарии, учимся выдерживать многократный рост нагрузки и не перерасходовать ресурсы, следим, чтобы сайт Маркета работал как надо. У нас есть целый арсенал технологий: микросервисы и микрофронты, тыквы и gracefull degradation, отложенная обработка запросов и автоматические системы нагрузочного тестирования. Мы изменяем архитектуру всех сервисов Маркета и помогаем продуктовым командам быстро и безопасно развиваться.
Cистема на базе нейросетей и элементов машинного обучения, которая автоматизирует работу клиентских сервисов — поддержки, найма, продаж. Система уже интегрирована не только в 10 сервисах Яндекса, но и примерно в 20 других, внешних компаниях. А чтобы всё работало, кроме нейросети и ML система включает экспертные центры аналитики, автоматизации, контроля качества и тестирования. Графические интерфейсы, диалоговые системы, виджеты и on-premise решения, аналитика, AI-боты, ML, принципы NLP, фреймворки глубокого обучения, системы распределённого вычисления — это лишь малая часть того, с чем мы здесь имеем дело.
Где используем: Такси, Еда, Лавка, Драйв, Доставка и другие сервисы Яндекса.
Умная камера, которая с помощью ML анализирует состояние и поведение водителя. Например, его внимательность и манеру вождения. Она реагирует на закрытие глаз, мимику и движения головы. Ещё алгоритмы также умеют определять, пристегнут ли ремень, не отвлёкся ли водитель на телефон и не курит ли. Если что-то идёт не так, камера предупредит водителя, а ещё отправит логи, фото и видео на сервер. Посмотреть эти материалы при необходимости можно через специальный партнёрский веб-интерфейс. В камере стоит вычислительный модуль на базе Ambarella CV25 и сенсор Sony IMX224 с управляемой ИК-подсветкой. Устройство работает сразу на двух операционных системах: Linux и RTOS.
Где используем: Такси.
Разрабатываем алгоритмы, которые делают эффективным выбор водителя для заказа. Например, мы ускорили Венгерский алгоритм, а сейчас — учимся подбирать заказы по пути и строить оптимальный маршрут их объезда, используя дорожный граф. В результате такси приезжает быстрее, а у водителей сокращается время холостого пробега. Создаём сервисы, обрабатывающие тысячи RPS, и используем множество технологий, например Clickhouse, Redis, PostgreSQL, V8, Logbroker.
Где используем: Такси, Еда, Лавка, Драйв.
Комплексная автоматизация разработки и сопровождения высоконагруженных сервисов, построенных на микросервисной архитектуре. Свежее, гибкое, расширяемое и масштабируемое PaaS-решение, на базе которого строятся конечные продукты Екома и Райдтеха Яндекса.
Лучшее от разработчиков, создавших такие популярные продукты как Яндекс Такси и Яндекс Карты для разработчиков, и сейчас создающих новые перспективные сервисы Яндекса.
На наших решениях построены Такси, Еда, Лавка и Доставка.
При помощи больших данных и технологий машинного обучения мы наносим непоправимый профит в сервисах Яндекс Go. Мы подсказываем удобные точки посадки и высадки в Такси, рекомендуем релевантные рестораны, блюда, продукты в Еде и Лавке. А ещё прогнозируем спрос на товары для их автоматической закупки в Лавке, автоматизируем фотоконтроли качества автомобилей Такси и Драйва, увеличиваем безопасность поездок, определяя усталость водителя, повышаем эффективность алгоритмов назначения машин и ценообразования и многое другое.
Если вы хотите применять ML-технологии к реальным бизнес-задачам, чтобы сделать миллионам людей лучше, мы вас ждём!
Где используем: Такси, Еда, Лавка, Доставка.
Создаем модели и алгоритмы финансовой и физической безопасности пользователей наших приложений, защищаем сервис от попыток абьюза. Наша работа направлена на безопасность поездок, надёжность платежей и поддержание здоровой экосистемы в сервисе.
Где используем: Такси, Еда, Лавка, Драйв, Доставка, Самокаты.
О нас
Руководитель бэкенд-разработки Яндекс Еды
«У нас очень сильная продуктовая ориентированность. Принято всегда задавать вопросы друг другу: а правда ли это лучший способ добиться цели, которая перед нами стоит. И эти вопросы помогают сделать продукт ещё лучше»
Руководитель разработки Сервисов Яндекс Лавки
«Мы в команде не диктуем технологии. Всё на инициативе людей. Если инициатор может доказать команде, почему это решение лучше, мы внедрим изменения»
Публикации
В связи с желанием апгрейдить свое рабочее место, появилась потребность в мониторе, на котором будут отображаться информативные виджеты, например: погода, календарь, показатели датчиков в доме -, и, так как готовые решения меня не устраивают, я решил, что сделаю свой аналог домашнего «дашбоарда».
Примерный план был такой: приобрести Raspberry PI 3 и экран, подключить его к интернету, написать приложение, повесить на стенку и пользоваться с удовольствием.
В процессе проектирования, я сразу же увидел проблему в процессе разработки – как разрабатывать на домашнем компьютере и автоматически доставлять и запускать написанное приложение на Raspberry Pi, чтобы это не было долгим и мучительным ручным процессом.
Для решения проблемы, я пообщался в чатах, почитал в интернете несколько советов и выбрал для себя оптимальный способ развёртывания десктопного кроссплатформенного приложения.
Статья будет посвящена полному циклу разработки кроссплатформенного десктопного приложения, преимущественно для использования на одноплатном компьютере Raspberry PI 3, а также, речь пойдет о его автоматическом развертывании, с описанием проблем и их решений, которые возникли в процессе разработки. В статье упор сделан на решение проблемы с доставкой, сборкой и запуском приложения на Raspberry Pi.
Выбор технологий для разработки и настройка Raspberry Pi
Для решения поставленных задач, нам потребуется ряд технологий, а именно:
– Кроссплатформенный фреймворк для работы логики и GUI приложения;
– ПО для автоматического развертывания приложения;
Diplodoc — открытый набор инструментов для создания документации
Время на прочтение
Всем привет, меня зовут Женя Колесников, я из команды Yandex Infrastructure. Сегодня я расскажу, как мы пришли к написанию документации в концепции Docs as Code, придумали для этого набор инструментов, назвали его красивым именем Diplodoc и выложили в опенсорс — теперь вы тоже можете им воспользоваться.
Если вкратце, Docs as Code — это подход к написанию технической документации, который рассматривает её не как набор текстов, а как код. Исходя из этой концепции, к документации могут применяться все те же принципы, инструменты и процессы, что и к самому коду. Расскажу, как это происходит на примере Diplodoc — и чем он может облегчить вам жизнь.
Нейронные сети для планирования движения беспилотных автомобилей
Планировщик движения беспилотного автомобиля — это алгоритм-помощник, который общается с другими участниками движения посредством манёвров. То есть он действует так, чтобы другим было понятно, куда поедет беспилотник, и сам по действиям других пытается определить, кто куда будет двигаться и почему.
В диалоговых системах совсем недавно произошла революция из-за появления ChatGPT. В беспилотных автомобилях революции, к сожалению, пока не произошло, но если это случится, то как раз в той области, про которую будет мой рассказ.
Под катом — детальный разбор логики движения беспилотника, примеры свёрточных и трансформерных архитектур моделей для предсказания движения и много формул для расчёта вероятных траекторий других машин и пешеходов. А ещё я расскажу, в чём преимущества машинного обучения перед эвристиками и чем может помочь Reinforcement Learning.
Библиотека Scout — быстрый и безопасный DI на Kotlin
Привет! Меня зовут Александр Миронычев. Я занимаюсь инфраструктурой приложения Яндекс Маркет под Android. Около двух лет назад при работе над модульностью у меня появилось желание написать собственную библиотеку для внедрения зависимостей, которая позволила бы ускорить сборку приложения и упростить процесс модуляризации. Так появился Scout. Сегодня его код мы выложили в открытый доступ.
Эта статья — рассказ о том, как пройти путь от безумной идеи до конкурентоспособного опенсорс-фреймворка. Статья будет полезна тем, кто ищет замену DI-фреймворку в своем проекте, а также тем, кто мечтает написать свою библиотеку, но никак не может начать.
Яндекс Карты открывают крупнейший русскоязычный датасет отзывов на организации
Сегодня мы хотим поделиться новостью для всех, кто занимается анализом данных в области лингвистики и машинного обучения. Яндекс выкладывает в открытый доступ крупнейший русскоязычный датасет отзывов об организациях, опубликованных на Яндекс Картах. Это 500 тысяч отзывов со всей России с января по июль 2023 года.
В этой статье я расскажу, чем полезны отзывы с точки зрения исследований, в чём особенность этого датасета, а также покажу примеры задач, которые можно решать с его помощью.
Хороший ретрай, плохой ретрай, или История одного падения
Порой простое и очевидное решение может потянуть за собой хвост проблем в будущем. Например, добавление ретраев.
Меня зовут Денис Исаев, и я работаю в Яндекс Go. Сегодня я поделюсь опытом решения проблем с отказоустойчивостью из-за ретраев. Основано на реальных инцидентах в системе из 800 микросервисов.
Этот пост — продолжение вымышленных историй о разработчике Васе, который несколько лет назад разбирался с идемпотентностью в распределённых системах. Теперь перед ним новые задачи — получится ли справиться с ними в этот раз? Давайте узнаем.
BI-инструмент от Яндекса DataLens — теперь в опенсорсе
Сегодня мы опубликовали на GitHub под открытой лицензией Apache 2.0 исходный код Yandex DataLens — сервиса для анализа и визуализации данных. Теперь использовать опенсорс-версию DataLens может любой желающий и в любой инфраструктуре.
Меня зовут Павел Дубинин, вместе с Гаджи Гаджиевым мы в Yandex Cloud занимаемся развитием DataLens. Сегодня расскажем, какие задачи он помогает решать разным пользователям, какие возможности открываются с выходом в опенсорс и что можно развернуть у себя прямо сейчас.
Поэтому мы вышли из беты и сделали релиз!
Перф-тесты VS аномалии. Вечная битва за производительность приложений на iOS
Чем больше задач выполняет приложение, тем тщательнее нужно следить за его производительностью. Под катом на примере Яндекс Браузера и приложения Яндекс с Алисой подробно расскажу о том, как мы отслеживаем аномалии метрик производительности на стороне клиента с помощью перф‑тестов: основные принципы универсальны, и вы легко сможете использовать их для других типов приложений.
А ещё вас ждёт чек‑лист, на что обратить внимание и к каким инструментам присмотреться.
Создаём субтитры для любого видео в интернете с помощью нейросети в браузере
Довольно часто пользователи смотрят видео с субтитрами, и тому есть разные причины. Например, кто-то хочет посмотреть видео там, где нужно соблюдать тишину или, наоборот, где слишком шумно. Или пользователь включает субтитры, когда ему непонятно, что говорит спикер. Для слабослышащих людей субтитры — это один из немногих способов ознакомиться с содержанием видеороликов.
Но чаще всего включить субтитры в видеоплеере сайта доступны, только когда владелец веб-ресурса предусмотрел такую возможность. Яндекс Браузер решил эту проблему: он научился самостоятельно генерировать субтитры для видео на русском языке. Новая функция работает на любых сайтах: видеохостинги, социальные сети, страницы телеканалов. Также субтитры работают для роликов, которые доступны только после авторизации или загружены в облачные хранилища. Это стало возможным благодаря нейросети, встроенной в десктопную версию Браузера.
В этой статье я расскажу, как мы построили модель для генерации субтитров и на что нам пришлось пойти, чтобы она стала потреблять в 5 раз меньше оперативной памяти. А ещё поговорим про квантизацию свёрток и трансформеров и почему fp16 не так прост, как кажется.
SDK AppMetrica — теперь в опенсорсе
AppMetrica — это инструмент для аналитики мобильных приложений. С помощью него можно формировать отчёты по источникам трафика, ключевым показателям мобильного приложения, аудитории и сценариям использования, а также собирать статистику по сбоям, проводить A/B-тесты и удалённо управлять конфигурацией приложения.
Сегодня мы опубликовали исходный код SDK AppMetrica на GitHub. Любой желающий может провести аудит SDK, предложить улучшение, отправив пулл-реквест и переиспользовать полезные фрагменты кода.
YandexGPT 2 — большое обновление языковой модели Яндекса
Сегодня на конференции Practical ML Conf была представлена новая версия нашей большой языковой модели YandexGPT 2. Она уже работает в навыке Алисы «Давай придумаем», где помогает структурировать информацию, генерировать идеи, писать тексты и многое другое. Новая модель отвечает лучше старой в 67% случаев, а в некоторых сценариях побеждает с ещё бо́льшим перевесом. Этого результата мы добились благодаря улучшениям на каждом этапе обучения модели, но ключевое изменение — новый pretrain.
Коротко расскажу о том, что изменилось в процессе обучения модели, в каких сценариях это принесло наибольший эффект и чем мы планируем заниматься дальше.
Как мы планировали повысить версию PHP за месяц, а потратили на это год
Как и множество больших сервисов, Яндекс Еда основана на микросервисной архитектуре. В общей сложности у нас чуть больше 200 микросервисов. Но есть один сервис, который совсем не микро – легаси-монолит.
Он написан на PHP 7.2 разработчиками разного уровня и в разное время. Мы подумали, что так больше нельзя, и решили навести порядок. В ходе разбирательств выяснилось, что версия языка, на котором всё написано, устарела и уже не поддерживается, что ведёт к рискам безопасности. Делать нечего — мы приняли решение обновиться до 8-й версии.
В этой статье я расскажу, чего стоило нам проапгрейдить монолит, сколько тестов мы сломали и как в этом проекте поучаствовали почти все PHP-разработчики Яндекс Еды. Это интересный и уникальный опыт, которым я хотел бы с вами поделиться. В конце дам несколько советов тем, кто тоже захочет ввязаться в подобную авантюру.
Может ли робот создавать треки?
Чем бы вы ни занимались, звуковое сопровождение играет довольно важную роль. Для учёбы или вдумчивой работы люди часто выбирают одноимённые плейлисты, состоящие по большей части из спокойной музыки, эмбиента или классики. Для бега тоже есть своя музыка, которая обычно куда динамичнее — многим нравится подбирать её в зависимости от скорости и интенсивности бега.
Но большинство треков, как правило, содержат слова, которые могут отвлекать от таких занятий, где хочется подумать или сконцентрироваться. И поэтому приходится тратить много времени на поиски подходящей подборки, но и там может попасться отвлекающее. Поэтому здорово, когда есть возможность подстроить звуковое окружение под себя.
В этом посте я расскажу о том, как задумывалась и создавалась Нейромузыка: как мы обучили модель писать музыкальные лупы, сочетать их между собой и подстраивать музыкальный поток под каждого пользователя.
Итоги летней встречи ISO
На недавней встрече комитет C++ активно взялся за C++26. Уже есть первые новинки, которые нас будут ждать в готовящемся стандарте C++:
Рассмотрим новинки на примерах
Как мы узнаём, какая музыка играет в кино
Бывает такое: смотришь кино, слышишь OST или просто какую-то хорошую песню, которую решили вставить в фильм, и думаешь — а неплохо бы её добавить к себе в плейлист. Способов сделать это было несколько. Можно было пойти и поискать или сам OST к фильму, или неофициальные саундтреки к нему. Можно было посмотреть, что по названию фильма выдаётся в поиске через музыкальные стриминговые сервисы, вдруг какая-то площадка уже позаботилась о вас и собрала тематический плейлист. Отдельные граждане прямо во время фильма включали на смартфоне Shazam и распознавали трек. В общем, кто во что горазд.
Мы решили сделать для Кинопоиска функцию, которая будет (если вам это нужно) прямо во время фильма показывать, какой трек играет прямо сейчас.
Меня зовут Алексей Царёв, я занимаюсь развитием технологий в развлекательных сервисах Яндекс. И моя задача в том, чтобы из какой-то отдельно взятой технологии создавать рабочие продукты для конечного пользователя. Именно об этом, на примере распознавания музыки в фильмах, и будет этот пост.
Железный Асессор, ML-оценка манеры вождения и безопасный диспатч
До появления Такси, машину часто вызывали «от борта»: находили или останавливали такси и договаривались о цене и маршруте. Кто и как повезёт пассажира — тот ещё вопрос. Теперь с появлением агрегаторов требования к перевозкам сильно выросли.
В этом посте я расскажу, как мы внедряли технологии, которые повышают безопасность пассажиров и водителей. За годы существования сервиса мы научили алгоритмы проверять документы, считывать опасное вождение, а также подбирать водителей в соответствии со сложностью заказа.
Встречаем ТВ Станции — новые устройства, которые объединяют технологии телевизоров и умных колонок
Сегодня мы представили наши новые устройства — ТВ Станцию и ТВ Станцию Про. Может показаться, что это просто ещё несколько телевизоров с Алисой. Но всё немного интереснее: мы придумали устройства, которые объединяют в себе достоинства как современных телевизоров, так и наших умных колонок. Т В Станции — больше, чем телевизоры.
Этот пост будет условно разделён на три части. В первой расскажем, каким мы видим будущее умных телевизоров на примере особенностей ТВ Станций и нашего опыта в разработке Farfield-технологий. Во второй сфокусируемся на акустике и изображении наших устройств. Ну а в третьей вас ждёт традиционная табличка с характеристиками для тех, кто любит короткие и сухие факты.
Как маленькая нейроязыковая модель в Клавиатуре победила серверные подсказки
Основная задача любой мобильной клавиатуры — помогать пользователям в общении, а именно — вводить текст быстро и без ошибок. Этого можно достичь при помощи разных компонентов: подсказок, автокорректа, тап-модели, голосового ввода, ввода свайпом. Все эти компоненты сильно отличаются друг от друга: скажем, тап-модель помогает предугадывать нажатие следующей буквы, а ввод свайпом расшифровывает нарисованные пользователем кривые.
Казалось бы, что между ними нет ничего общего, но это не так. Абсолютно все эти компоненты объединяет одно — языковая модель. Чем выше её качество, тем выше скорость ввода, а значит, и пользователь будет чуточку счастливее.
В этом посте я расскажу, как мы создавали нейроязыковую модель для Яндекс Клавиатуры, ушли от облачных подсказок и научили клавиатуру адаптироваться к приложениям.
Как мы научили Алису реагировать на быстрые команды
Голосовые ассистенты активируются «по имени» — это всем привычно. Но как быть, если нужно несколько раз повторять команду из одного слова? Например, чтобы настроить музыку, говорить каждый раз «Алиса, громче» и «Алиса, дальше» утомляет. Кроме того, в некоторых сценариях важна скорость выполнения действия: например, когда нужно включить свет в комнате.
Для таких случаев мы научили Алису распознавать быстрые команды — то есть те, для которых её не нужно звать по имени. Достаточно просто сказать «громче», «дальше» или «включи свет». И в этой статье я расскажу, что из себя представляет новая функция, как мы её разрабатывали, с какими сложностями столкнулись. А ещё немного поговорим про распознавание и свёрточные модели.
Как эволюционировала система поиска в сервисе
Лавка — сервис быстрой доставки продуктов. Один из важнейших сценариев использования сервиса для покупателя — это поиск. Примерно 30% товаров добавляются в корзину именно из его результатов. А ещё, если в пользовательской сессии был успешный запрос в поиск, вероятность совершения заказа вырастает на 10–15%. То есть, если клиенту нужен конкретный продукт и он его быстро находит через поиск, вероятность совершения заказа становится выше.
Корректная и качественная организация поиска — нетривиальная задача, поэтому иногда приходится придумывать нестандартные решения, чтобы всё работало как нужно. В этой статье я расскажу историю развития поиска в Лавке от самого начала до текущего момента. Нам пришлось объединить всю силу и мощь целых трёх движков, чтобы пользователи получали точный и актуальный результат. Параллельно погрузимся в различные технические детали, проблемы и прочие нюансы.
Сообщество Yandex Family опубликовало исследование стартапов, среди основателей которых есть выходцы из «Яндекса». Выяснилось, что с 2009 по 2023 год выходцы из компании основали 330 стартапов.
85% стартапов работают на глобальном рынке. 15,2% проектов созданы в сферах ИИ, Open Source и Data Systems, 12,5% — EdTech, 10,3% — eCommerce.
Более 72% проектов пока находятся на ранних стадиях развития.
84 стартапа из списка привлекли $1 млрд инвестиций от более чем 280 инвесторов. Больше всего средств привлекли в областях ИИ, Open Source и Data Systems (24,1%), EdTech (16,9%), eCommerce (13,3%).
Самые крупные инвестиции были сделаны в сервис аналитической СУБД ClickHouse ($300 млн), который основал бывший сотрудник «Яндекса» Алексей Миловидов. При этом сервис электронной коммерции Accel Club привлёк $170 млн, а школа онлайн-обучения Skyeng — $55 млн.
Пик запусков стартапов пришелся на период с 2019 по 2022 год. Только в 2021-2022 годах было было запущено 110 новых проектов.
Сообщество Yandex Family было создано в 2022 году, оно включает бывших и нынешних сотрудников «Яндекса». Участники сообщества оказывают друг другу помощь в поиске партнёров для проектов.