Яндекс Dev Day&Night 2025: как это было

Алексей  Арушанян


<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplvcz57dsqoxtgsuypz?autoplay=0&mute=0"
  title="Города будущего: фантазии, ожидания, реальность"
/>

Алексей рассказывает о трансформации градостроительства: от устаревших моделей с панельными домами и разделением жилых и рабочих зон к современным адаптивным концепциям. Затрагивает влияние сервисной экономики, цифровизации и экологических запросов на проектирование городов, приводит примеры устойчивых решений, самодостаточных районов и цифровых двойников.


От панельных районов до цифровых городов: как экология, цифровизация и гибкость формируют новую урбанистику.

backend

Города будущего: фантазии, ожидания, реальность

Костя Довнар

Как лишние мегабайты снижают конверсию. Практические методы оптимизации ресурсов и зависимостей во Flutter без ущерба функциональности.

product

mobile

Размер имеет значение. Советы по оптимизации Flutter-приложений

Антон Полухин

Главные новости C++26: долгожданная рефлексия, аннотации для кода, безопасные указатели и прорыв в параллельных вычислениях

Встреча ISO C++ в Софии: С++26 и рефлексия

Диля Хакимова

Опасные заблуждения об агрегации данных, t-тесте и остановке экспериментов

analytics

data

10 мифов об A/B-тестировании: как избежать распространённых заблуждений в статистическом анализе

Марк Нарусов

Рассказываем, как ускорили рекомендации в Лавке за счёт отказа от кандидатогенерации и оптимизации извлечения фичей.

Скорим всё: как мы упростили ML-стек рекомендаций в Лавке и отказались от кандидатогенерации

Василий Дмитриев

Подробный рассказ о том, как создать систему автоматической маршрутизации тикетов на базе YandexGPT, которая будет работать точнее, чем люди.

DutyGPT: как мы научили ИИ размечать тикеты точнее разработчиков

Вадим Мезенцев

Автоматическое профилирование Android-приложений: как находить узкие места в коде, DI-графах и Compose без ручных логов.

Профилирование без боли: как в Яндексе появился Demeter — open source инструмент для выявления просадок в Android-коде

Рома  Кульчицкий

Как современные технологии и отлаженные процессы помогают Яндекс Маркету оставаться онлайн даже под экстремальными нагрузками.

Инженерия надёжности в Маркете: принципы, процессы и реальные кейсы

Олег Гладышев

Саша Букин

Мы в Яндекс Еде разработали умный электровелосипед для курьеров, чтобы сделать их работу удобнее, безопаснее и эффективнее. Существующие велосипеды не подходили для интенсивных городских доставок: ломались, имели слабые батареи, не были адаптированы для курьеров. Мы решили создать свой, учтя реальные потребности пользователей и встроив велосипед в экосистему Яндекса. В этой статье расскажем, как мы проектировали и разрабатывали электровелосипед, с какими вызовами столкнулись и какие технологические решения применили.

<Scooter3D />

## Почему мы решили создать свой велосипед

Курьеры, сотрудничающие с Яндекс Едой, каждый день преодолевают десятки километров, часто в сложных погодных условиях. Мы изучили, на чём они ездят, и увидели, что существующие решения не подходят для интенсивной работы сразу по нескольким причинам:

- **Самокаты**
Основная проблема самоката в том, что на нем нужно стоять, что неудобно при длительной работе. Кроме того он не подходит для перевозки больших заказов: термосумку приходится носить на спине, а значит пиццу в ней перевозить уже не получится. Да и сами самокаты работают только в тёплый сезон, зимой их просто нет.

- **Обычные велосипеды**
Кручение педалей требуют больших физических усилий, а курьеры и так работают на выносливость. К тому же у механических велосипедов нет встроенной электроники, а значит, нельзя контролировать их состояние, удалённо управлять ими или интегрировать в систему заказов.

- **Мопеды**
Электроскутеры или бензиновые мопеды решали часть проблем, но у них есть другие ограничения: необходимость водительских прав, сложности с парковкой, более высокие риски ДТП. К тому же бензиновый транспорт неэкологичен, а электроскутерам нужна развитая сеть зарядных станций.

Протестировав разные подходы, мы поняли, что ни одно из существующих решений не закрыло всех проблем. Поэтому мы решили создать собственный умный транспорт, который будет надежным, удобным и безопасным, а еще встроенным в цифровую экосистему Яндекса.

## Что мы сделали

Для начала мы сформировали список ключевых требований к новому велосипеду и начали работу.

Курьеры используют велосипеды в любую погоду, в любой сезон года и на дорогах разного качества. Они проезжают десятки километров в день и проводят много времени в седле. Поэтому мы заложили в конструкцию несколько важных решений, призванных позаботиться о безопасности и комфорте курьера, а также о надежности и проходимости самого велосипеда и его частей.

![1.png](https://dev-go-yandex-admin-production.s3.yandex.net/1_a4b20a01b0.png)

На этом этапе у нас получился удобный и надежный электровелосипед, но он всё ещё оставался просто велосипедом. Он не умел взаимодействовать с курьером и с нашими сервисами. Мы же хотели сделать его по-настоящему умным: связать с облаком, дать курьеру цифровые инструменты управления, добавить телеметрию.

## Разработка умных функций

Современные электровелосипеды уже содержат немало встроенной электроники: блок управления, координирующий работу мотора и батареи; контроллер аккумулятора, отслеживающий уровень заряда, напряжение, температуру и циклы перезарядки; дисплей и сенсоры, и много чего еще. Однако у такой системы есть важный недостаток: вся электроника работает изолированно. Велосипед не умеет передавать данные в облако, получать обновления или команды извне и взаимодействовать с другими сервисами. Мы решили добавить IoT-модуль, который стал бы «мостом» между электроникой велосипеда и внешним миром.

### IoT-модуль: связь с облаком и сбор телеметрии

Главная задача IoT-модуля — собирать и передавать данные о состоянии велосипеда в облако, а также получать команды. Мы определили несколько ключевых требований к системе связи:

- Лёгкий и надёжный протокол — велосипед должен работать даже при плохом интернете.
- Поддержка двусторонней связи — помимо передачи данных в облако, велосипед должен получать команды (например, на удаленную блокировку).
- Энергоэффективность — IoT-модуль не должен быстро разряжать аккумулятор.
- Высокая масштабируемость — система должна выдерживать нагрузку от тысяч велосипедов.

Для этих целей мы выбрали MQTT — легковесный протокол обмена сообщениями, который широко используется в устройствах умного дома. Оказалось, что он идеально подходит и для транспорта потому что работает поверх TCP, хорошо справляется с нестабильной связью и позволяет устройствам отправлять сообщения в топики, а подписчикам — получать их в реальном времени.

### Как работает сбор и передача данных

Для того чтобы всегда быть в курсе состояния и местоположения велосипедов, мы построили архитектуру, которая связывает всех их с экосистемой Яндекса через облачные сервисы. Каждый из велосипедов раз в 10 секунд отправляет в облако сообщение размером 500 байт, в котором сообщает свою текущую геопозицию, уровень заряда батареи, скорость и направление движения и другие данные.

Для хранения и обработки данных мы используем Яндекс IoT Core — облачное решение для управления IoT-устройствами. Оно поддерживает MQTT и позволяет масштабировать систему без перегрузки серверов.

В свою очередь курьеру важно видеть статус велосипеда и иметь возможность управлять им. Для этого мы добавили все необходимые функции прямо в приложение Яндекс Про, чтобы не плодить лишние сущности. В этом приложении курьер может заблокировать или разблокировать велосипед, проверить его состояние и проложить маршрут до нужной точки.

Все эти команды передаются через MQTT-топики в IoT Core и доставляются на велосипед с минимальной задержкой.

![29.png](https://dev-go-yandex-admin-production.s3.yandex.net/29_a4bbd02422.png)

### Наращиваем обороты

Когда система работала на сотне тестовых велосипедов, никаких проблем не было. Но с ростом парка до тысяч единиц мы начали сталкиваться с новыми вызовами, главным из которых стало распределение нагрузки. Как уже упоминали выше, один велосипед отправляет примерно 500 байт информации один раз в 10 секунд. При парке 100 000 велосипедов мы будем иметь 10 000 сообщений в секунду и 38 Мбит/с потока. А MQTT не умеет автоматически распределять нагрузку между сервисами.

Чтобы решить эту задачу мы добавили архитектуру Kafka. Теперь MQTT-брокер в IoT Core передает данные в Yandex Data Streams, а уже YDS предоставляет Kafka интерфейс для чтения данных, что позволяет распределять нагрузку между сервисами. Такое решение позволило избежать перегрузки и масштабировать систему под любое количество велосипедов.

### Надежность и отказоустойчивость

Каждый велосипед в нашей системе оснащён IoT-модулем, поддерживающим подключение через Bluetooth и Wi-Fi, что дает нам возможность организовать резервные каналы связи в ситуациях, когда основной интернет-сигнал недоступен. Такие ситуации могут возникнуть, например, когда курьер оказывается в зоне с плохим покрытием мобильной сети.

Если курьер столкнется с проблемой доступа к интернету, он сможет разблокировать велосипед, подключившись к нему напрямую через Bluetooth. Это позволяет продолжить работу даже в условиях отсутствия мобильного интернета. Кроме того, если велосипед потеряет связь и не сможет передать свои GPS-координаты, он автоматически начинает собирать данные с ближайших Wi-Fi-точек, Bluetooth-маяков и вышек сотовой связи. Эти данные отправляются в сервис Яндекс Локатор, который использует их для определения местоположения велосипеда даже в отсутствие сигнала GPS.

## Что получилось

Мы начали этот проект, потому что на наш взгляд существующие на рынке доставки решения не подходили для курьеров. Обычные велосипеды были ненадежными, самокаты неудобными, а мопеды требовали прав и сложной инфраструктуры. Поэтому мы сделали свой электровелосипед — удобный, безопасный и полностью интегрированный в экосистему Яндекса.

В итоге получился по-настоящему умный транспорт, который меняет правила игры. Велосипед передает телеметрию в облако, автоматически регулирует скорость, синхронизируется с приложением и дает курьерам полный контроль через смартфон. Благодаря IoT-интеграции, предиктивному обслуживанию и масштабируемой архитектуре, этот транспорт не только помогает быстрее доставлять заказы, но и упрощает управление целым парком устройств.

На этом мы не останавливаемся. Уже в прошлом году мы увеличили парк велосипедов до 4000 единиц. А сейчас разрабатываем новые станции замены батарей, чтобы курьеры могли моментально получать заряженные аккумуляторы. Кроме того мы активно интегрируем новые партнерские сервисы, чтобы в регионах, где наши велосипеды пока недоступны, можно было использовать сторонний транспорт с той же удобной цифровой инфраструктурой.

Мы верим, что технологии должны работать не ради самих технологий, а ради людей. Наш электровелосипед — это не просто очередное средство передвижения. Это классный умный девайс, который делает жизнь курьеров проще, работу удобнее, а доставку — быстрее и надежнее. И это только начало.



Курьерский транспорт нового поколения: надёжная механика, облачная телеметрия и полная интеграция с экосистемой Яндекса.

Как в Яндекс Еде изобрели велосипед и сделали его умным

Ваня Володьков

Полина Бабайлова

<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplvqg57zyjlv3hxu3rc?autoplay=0&mute=0"
  title="История одного бизнес-желания // Ваня Володьков и Полина Бабайлова"
/>

Ваня и Полина рассказывают о разработке обычной продуктовой фичи в Яндекс Еде, взаимодействиях менеджмента и разработки, технических сложностях и проблемах в коммуникациях.

Ваня и Полина рассказывают о разработке обычной продуктовой фичи в Яндекс Еде и взаимодействиях менеджмента и разработки.

История одного бизнес-желания

Сергей Лебедев

Личный опыт перехода от мидла к лиду: как навыки коммуникации и планирования ускоряют рост в IT.

management

Soft skills которые изменили мою жизнь и могут изменить вашу

Сережа Ковтунов

<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplviiq2wvfwduac5uzy?autoplay=0&mute=0"
  title="Обратная сторона Яндекс Go — приложение для партнеров // Сережа Ковтунов "
/>

Сергей рассказывает, как переделали приложение для водителей Яндекс Про и как в этом помог О2О экспириенс. Объясняет, что это такое, зачем это делается и при чём тут проект «Go в поля». Делится, как работают исследования сигналов рынка и какой подход используется в Go.

Сергей рассказывает, как переделали приложение для водителей Яндекс Про и как в этом помог О2О экспириенс.

Обратная сторона Яндекс Go — приложение для партнеров

<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplvaxjjagitihzc5nyb?autoplay=0&mute=0"
  title="Борьба с лишним весом: оценка, инструменты и методы оптимизации размеров Flutter-приложений // Костя Довнар"
/>

Костя рассказывает о том, как лишний вес приложения влияет на его распространение, на счастье пользователей и разработчиков. На примере приложения Яндекс Смена разбирает способы уменьшения веса Flutter-приложения.



Костя рассказывает о том, как лишний вес приложения влияет на его распространение, на счастье пользователей и разработчиков.

Борьба с лишним весом: оценка, инструменты и методы оптимизации размеров Flutter-приложений

Рома Елизаров

<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplvvrjwzj4bfwsgyhsl?autoplay=0&mute=0"
  title="Платформа для разработчика как продукт // Рома Елизаров"
/>

Роман рассказывает про Техплатформу Городских сервисов Яндекса и объясняет, как набор разнообразных решений, сделанных для решения приземлённых проблем разработчиков, трансформируется в технологическую платформу для более чем 3000 специалистов, на которой работает 2500+ микросервисов.

Роман рассказывает про Техплатформу Городских сервисов Яндекса.

Платформа для разработчика как продукт

Никита Шаповалов

<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplvkavemuo6ozpgzj4b?autoplay=0&mute=0"
  title="Ускоряем приложение эффективно // Никита Шаповалов"
/>


Никита рассказывает, почему важно работать с производительностью для бизнеса и продуктовых команд. Особое внимание уделено методам планирования и использованию инструментов для анализа и улучшений. Рассматриваются эксперименты и кейсы, которые показывают влияние производительности на продукт и бизнес.

Никита рассказывает, почему важно работать с производительностью для бизнеса и продуктовых команд.

Ускоряем приложение эффективно

Ярослав Смирнов

<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplvzyks5qtm65ve7mba?autoplay=0&mute=0"
  title="Swift Concurrency в iOS SDK Яндекс Доставки // Ярослав Смирнов"
/>


Ярослав рассказывает, как в SDK Доставки добавляли поддержку Swift Concurrency, как решали типичные и не очень задачи и какие выводы сделали.

Ярослав рассказывает, как в SDK Доставки добавляли поддержку Swift Concurrency.

Swift Concurrency в iOS SDK Яндекс Доставки

Даня Яковлев

<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplvzpyia6hymuzbclvz?autoplay=0&mute=0"
  title="Поиск Маркета: как делать всё и сразу // Даня Яковлев"
/>

Даня рассказывает о том, как с годами архитектура поиска менялась, чтобы справляться с растущей нагрузкой и новыми ML технологиями, необходимыми для роста качества. Делится секретами, как найти баланс во всем известном треугольнике «качество — скорость — масштабируемость». Показывает, какие технологические вызовы стоят перед поиском 2025 года.

Даня делится секретами, как найти баланс во всем известном треугольнике «качество — скорость — масштабируемость».

Поиск Маркета: как делать всё и сразу

Никита Васильченко

<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplv2opsxfoa2kvljqef?autoplay=0&mute=0"
  title="Анатомия энергопотребления // Никита Васильченко"
/>

Никита рассказывает об исследовании энергопотребления при разработке мобильных приложений. Объясняет, какие компоненты устройств и операции потребляют больше всего энергии, на что следует обратить внимание в первую очередь, а также влияние мобильных сетей на расход батареи.

Никита рассказывает об исследовании энергопотребления при разработке мобильных приложений.

Анатомия энергопотребления

Сережа Синягин

<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplvyrz75o32lzwokxww?autoplay=0&mute=0"
  title="Где бы заказать? Ищем доступные рестораны в Яндекс Еде // Серёжа Синягин"
/>

Сергей рассказывает, как в Яндекс Еде с помощью R-Tree решается задача хранения и геопоиска заведений.

Сергей рассказывает, как в Яндекс Еде с помощью R-Tree решается задача хранения и геопоиска заведений.

Где бы заказать? Ищем доступные рестораны в Яндекс Еде

Дарья  Митюшкина

Как продуктовая команда превратила идею в рабочий инструмент с ощутимым бизнес-эффектом.

Мечты сбываются, если о них рассказать. История одной фичи, которая увеличила чаевые курьеров Лавки на 31%

Костя Ларгин

<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplvl6irakxnwzttc2az?autoplay=0&mute=0"
  title="Катим в прод не тестируя // Костя Ларгин"
/>

Костя рассказывает, как в большой команде и на большом проекте можно улучшить жизнь разработке и продукту, не потеряв в качестве.


Костя рассказывает, как в большой команде и на большом проекте можно улучшить жизнь разработке и продукту, не потеряв в качестве.

Катим в прод не тестируя

Лена Завьялова

<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplvyurfyly44s56hn4h?autoplay=0&mute=0"
  title="Товарная реклама внутри Маркета: как мы построили продукт со второй попытки вопреки рыночной практике и скепсису коллег // Лена Завьялова"
/>

Лена делится увлекательной историей о том, как создавали товарную рекламу в Маркете. Рассказывает о том, как искали рычаги влияния на продажи и думали о развитии моделей монетизации.

Лена делится увлекательной историей о том, как создавали товарную рекламу в Маркете.

Товарная реклама внутри Маркета: как мы построили продукт со второй попытки вопреки рыночной практике и скепсису коллег

Костя Снегов

<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplvx7r2xi64n5mewgfr?autoplay=0&mute=0"
  title="Привязать карту: что может быть проще? // Костя Снегов"
/>


Костя рассказывает, как добавляли работу с банковскими картами в приложении и с какими сложностями столкнулись. Объясняет, как внутри команды менялись процессы, стандарты безопасной разработки и что нужно, чтобы им соответствовать.

Костя рассказывает, как добавляли работу с банковскими картами в приложении и с какими сложностями столкнулись.

Привязать карту: что может быть проще?

Алена Лукина

<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplvzc24lejiqsth2act?autoplay=0&mute=0"
  title="Как продукт и технологии помогают нам учиться в Грузовом // Алёна Лукина"
/>

Алёна рассказывает про пользовательские сценарии при заказе грузоперевозок и важность планирования в части сценариев. Объясняет, как работают технологии назначений в Доставке и показывает, как исследовани, прорабатывали и готовили запуск маркетплейса плановых назначений.

Алёна рассказывает про пользовательские сценарии при заказе грузоперевозок и важность планирования в части сценариев. 

Как продукт и технологии помогают нам учиться в Грузовом

Полина Чашина

<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplvb2nfppo5t5etyloo?autoplay=0&mute=0"
  title="Новые сценарии в Яндекс Лавке: как сэкономить время пользователей и сделать их жизнь счастливее // Полина Чашина"
/>

На примере запуска в Лавке, Полина рассказывает, в чём ценность сценария с «заездом по пути» для пользователя Лавки и бизнес-группы в целом. Говорит о целеполагании, экосистемности и поиске точек роста в экосистеме. Делится lessons learned по итогам запуска и мыслями о том, какие скиллы надо прокачивать продукту для запуска больших кросс-платформенных проектов.

На примере запуска в Лавке, Полина рассказывает, в чём ценность сценария с «заездом по пути» для пользователя Лавки и бизнес-группы в целом.

Новые сценарии в Яндекс Лавке: как сэкономить время пользователей и сделать их жизнь счастливее

Андрей Матвеев

<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplvj2oa4ncngg5qwaec?autoplay=0&mute=0"
  title="Вы делаете нагрузочное неправильно //Андрей Матвеев"
/>

Андрей рассказывает, как они с командой научились реалистично проверять готовность Яндекс Go, Еды, Лавки и Доставки к повышенным нагрузкам. Даёт рецепты, как правильно сделать работающее нагрузочное тестирование.

Андрей рассказывает, как они с командой научились реалистично проверять готовность Яндекс Go, Еды, Лавки и Доставки к повышенным нагрузкам.

 Вы делаете нагрузочное неправильно

Леша Маслобоев

<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplvgje4vz2s25tbgpco?autoplay=0&mute=0"
  title="Как мы доверили качество наших приложений AI // Лёша Маслобоев"
/>

Алексей рассказывает про продукт QA AI, как используют LLM для тестирования приложений, как устроена архитектура проекта. Делится метриками качества и планами по развитию.

Алексей рассказывает про продукт QA AI, как используют LLM для тестирования приложений, как устроена архитектура проекта.

Как мы доверили качество наших приложений AI

Серёжа Бунатян

<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplvetwjtnbwbyhmpbva?autoplay=0&mute=0"
  title="Не Кафкой единой // Серёжа Бунатян"
/>

Сергей рассказывает, какие преимущества даёт их собственный инструмент, которые было бы трудно получить с другими системами, и как он стал важным элементом в инфраструктуре Яндекс Такси, Еды, Лавки, Доставки и Яндекс Банка.


Сергей рассказывает, как их собственный инструмент стал важным элементом в инфраструктуре Яндекс Такси, Еды, Лавки, Доставки и Яндекс Банка.

Не Кафкой единой

Лилия Царёва

Лиля Царёва рассказывает, как батчинг влияет на скорость доставки и почему это важно для пользователей.

Как мы растим эффективность в Доставке, сохраняя счастье пользователей

Вячеслав  Гончарук

Как избежать дорогих ошибок и оптимизировать процессы при создании робота? Вячеслав Гончарук, руководитель группы инженеров-конструкторов в Яндекс Роботикс, делится ценными советами.

DevOps

Как создать собственного робота: пошаговое руководство от инженеров-конструкторов Яндекс Роботикс

Никита  Шумский

Как ускорить разработку мобильных интерфейсов? Рассказываем про реальный опыт внедрения BDUI от Яндекс Еды

BDUI в Яндекс Еде: как мы научились менять интерфейс без обновлений приложения

Дмитрий Успенский

Практический опыт применения LLM для генерации описаний Pull Request и повышения качества кода.

LLM as a Judge: опыт оптимизации генератора описаний Pull Request

Саша Воронцов

Представьте, что у вас есть миллионы товаров, и у каждого из них должна быть своя карточка: максимально подробная, точная и понятная. Именно от этого во многом зависит, насколько легко покупатель найдёт нужный ему товар. Заполнять столько карточек вручную — слишком долго и дорого. Поэтому мы используем ML-инструменты, чтобы упростить этот процесс. Меня зовут Саша Воронцов, я руководитель службы ML в Маркете. Сейчас я расскажу, как мы внедрили в Маркет YandexGPT, чтобы облегчить жизнь продавцам.

## Формализация характеристик

![01 (1).png](https://dev-go-yandex-admin-production.s3.yandex.net/01_1_66cdfb66f5.png)

Одна из первых и самых важных задач — правильно заполнить характеристики товаров. В Маркете этот процесс называется формализацией, а в мире машинного обучения — NER (Named Entity Recognition, распознавание именованных сущностей).

Когда продавец загружает товар, он добавляет к нему описание. Но чаще всего оно далёко от идеала: кто-то перечисляет характеристики в хаотичном порядке, кто-то пишет их в виде сплошного текста без структуры, а иногда встречается и вовсе неформатированное полотно из слов.

![02 (1).png](https://dev-go-yandex-admin-production.s3.yandex.net/02_1_471c1f7512.png)

Но нам важно, чтобы всё было чётко и единообразно. В Маркете характеристики стандартизированы: у нас есть сотни тысяч уникальных атрибутов — от артикула и бренда до цвета, габаритов и технических параметров. Разобрать этот хаос и превратить его в структурированные данные — задача непростая, но крайне важная. Именно поэтому мы используем машинное обучение.

## Традиционный подход

Раньше для обработки характеристик товаров мы использовали собственный инструмент — Формализатор. Он появился вместе с Маркетом и за годы работы оброс настолько сложной логикой, что поддерживать его стало настоящим испытанием.

Как он работал? У каждой из тысяч товарных категорий был свой список допустимых характеристик. Эти параметры собирались в префиксное дерево, а затем алгоритм пытался сопоставить их с каждым словом в заголовке и описании товара.

Проблема была в том, что Формализатор буквально перебирал все возможные характеристики для каждой категории. Это требовало огромных вычислительных ресурсов и делало систему тяжеловесной. Поддержка тоже превратилась в головную боль: категории постоянно менялись, а любое обновление семантики означало долгую и трудоёмкую доработку.

В какой-то момент стало ясно: так дальше работать нельзя. Мы решили отказаться от Формализатора и заменить его на YandexGPT. Это не только упростило поддержку и избавило нас от громоздкой логики, но и сделало систему гибче и понятнее. К тому же, старый сервис зависел от людей, которые знали его устройство с самого начала, а большинство из них к тому времени уже покинули компанию. Теперь работа с характеристиками стала быстрее, точнее и гораздо удобнее.

## Новый подход

В Маркете есть несколько тысяч товарных категорий. Они бывают двух типов: навигационные — те, что пользователь видит в каталоге и внутренние — которые используются в базе данных. По сути это одно и то же, но исторически они существуют отдельно.

![03.png](https://dev-go-yandex-admin-production.s3.yandex.net/03_826e06dce9.png)

У каждой категории есть два списка параметров:

- Разрешённые — любые характеристики, которые могут быть у товара.
- Обязательные — без них товар не попадёт в продажу.

Правильное заполнение параметров напрямую влияет на видимость товара. Если данные указаны не полностью или с ошибками, товар становится труднее найти через фильтры. А значит, он теряет показы и потенциальных покупателей.

Чтобы упростить формализацию, мы подаём на вход YandexGPT два типа данных:

- Всё текстовое описание товара (тайтлы, характеристики, описание и т. д.).
- Список параметров, разрешённых для его категории.

Так мы заранее знаем, какие характеристики могут быть у товара, и учим модель извлекать только те, что реально присутствуют.

Но при работе с реальными данными всегда есть сложности:

1. Ошибки в описаниях. Продавцы часто загружают тексты с опечатками, противоречиями и даже копиями характеристик из других товаров.
2. Постоянные изменения категорий. Мы постепенно переходим к более узким и точным категориям, а из-за этого существенно меняются товарное дерево и список разрешённых и обязательных параметров.
3. Дорогая разметка. Специфика состоит в том, что асессоры, которые размечают контент Маркета, — это специально обученные эксперты с доступом к нашей базе знаний. Их обучение и работа стоят дорого.

## Обучение

Чтобы YandexGPT решал наши задачи максимально эффективно, мы используем три подхода. Каждый из них имеет свои плюсы и минусы, и выбор зависит от сложности задачи, ресурсов и нужной нам точности.

### 1. Чистый промптинг — просто задаём правильные вопросы
Самый быстрый и простой способ — не обучать модель вообще, а просто подбирать удачные формулировки запросов. Иногда это работает: если промпт составлен хорошо, нейросеть может выдавать вполне приличные результаты.

Но есть нюанс: предсказуемости мало. Чем мощнее модель, тем лучше она справляется даже с сырыми запросами, но в нашем случае данных слишком много, а параметры слишком сложные. Так что чистый промптинг — это скорее экспериментальный метод, чем рабочее решение.

### 2. P-tuning — обучение на промптах
Более продвинутый вариант — P-tune. Здесь мы не просто задаём вопросы, а обучаем модель на небольшом количестве данных (обычно несколько тысяч), не меняя её основные веса. По сути, мы просто настраиваем обработку входных промптов.

Этот метод хорош тем, что он быстрый и относительно недорогой. Его можно реализовать даже небольшой командой: достаточно подготовить несколько тысяч примеров, и модель начнёт выдавать нужные результаты. Например, так мы уже генерируем тексты для рекламы и инфографики.

### 3. Fine-tuning — полное переобучение модели
Если задача сложная и требует высокой точности, используется fine-tuning — полное обучение модели на большом датасете — от 10 тысяч примеров и больше. Здесь уже изменяются сами веса модели, а процесс требует серьёзных вычислительных ресурсов.

Главный минус — дороговизна. Чем больше данных, тем выше затраты. Например, если разметка одной задачи стоит 200+ рублей, а обучающий датасет насчитывает десятки тысяч примеров, бюджет выходит внушительным.

### Так что же лучше?

На практике мы используем комбинацию всех трёх методов, подбирая баланс между точностью, затратами и скоростью внедрения. Где-то хватает простого промптинга, где-то нужен P-tuning, а для сложных задач, требующих максимальной точности, подключаем fine-tuning

![2025-04-08.png](https://dev-go-yandex-admin-production.s3.yandex.net/2025_04_08_57342bc6cf.png)

## Выводы и планы на будущее

Формализация — одна из ключевых задач при дообучении модели. Мы меняем все веса, прогоняем тысячи итераций, и каждый раз сталкиваемся с новой сложностью: у нас огромное количество категорий и ещё больше параметров. Чтобы модель научилась корректно извлекать информацию, она должна увидеть примеры из каждой категории, причём во всех возможных вариациях. Это делает процесс обучения непростым, но результат того стоит.

Точность модели уже превышает 98%, а по количеству найденных параметров она не уступает старому «Формализатору». Сейчас мы работаем над дополнительными итерациями обучения, чтобы учесть изменения в инфомодели и параметрах — чем гибче модель, тем лучше она справляется с новыми данными.

Раньше поддержка сервиса требовала много ресурсов. Разработчикам приходилось постоянно обновлять категорийную семантику, а производительность системы должна была соответствовать строгим SLA.

Теперь нагрузка на разработку заметно снизилась, а зависимость от устаревшего кода ушла в прошлое. Правда, вычислительные ресурсы мы не сократили, а перераспределили: вместо CPU и памяти в рантайме теперь используем GPU для YaGPT. Следующая цель — оптимизировать поток данных под новую модель, чтобы сделать её работу ещё эффективнее.

Также важное направление — это выявление ошибок в карточках товаров. Мы уже нашли массу случаев, когда параметры в заголовке и описании противоречили друг другу. Теперь учим модель не просто замечать такие несоответствия, но и подсказывать, как их исправить. Так мы сможем сделать сервис ещё лучше и удобнее для пользователей.





Товары в Маркете теперь обрабатываются через YandexGPT. Рассказываем, как это упростило жизнь продавцам и улучшило качество данных.

Миллиард карточек товаров: как мы научили YandexGPT наводить порядок в Маркете

design

frontend

Документальный фильм «Путь Еды» — это взгляд изнутри на то, как Яндекс Еда меняет жизнь людей в городе и помогает во всех сценариях, связанных с едой

Вася  Куликов

Рассказываем, как, используя C++ и userver, написать свой pastebin-сервис с поддержкой Postgres и статики.

Пишем свой pastebin, используя только userver

Как тестировщику провести собеседование без хаоса? Готовая структура, важные вопросы и советы, которые сделают процесс простым и эффективным.

Невыносимая лёгкость проведения технических собеседований QA специалистов 

Андрей Максимов

Привет! Я Андрей Максимов, руководитель службы разработки в Яндекс Еде. Если у вас бывает ощущение, что вы всю неделю «занимались ерундой», хотя на самом деле выполнили много важных задач, — эта статья для вас. Я расскажу, как планировать время так, чтобы это чувство вас ~~никогда больше не посещало~~ посещало как можно реже.

## Что происходит
Состояние, при котором кажется, что вы не сделали ничего важного за день или неделю, я называю расфокусом. Человек тратит всё время на решение срочных задач и не занимается более масштабными делами, которые приводят к большим изменениям.

## Что делать
Определите, что для вас «видимый результат» и уделяйте бо́льшую часть времени задачам, которые помогают его достичь. Попутные мелкие дела либо выполняйте в менее продуктивные часы, либо делегируйте.

Разработчик Basecamp, компания 37signals, [поделилась](https://37signals.com/how-we-communicate) вопросами, на которые регулярно отвечают её сотрудники: 
- Над чем вы работали сегодня?
- Над чем будете работать на этой неделе?

Эти вопросы помогают расставлять приоритеты и отслеживать результат. Попробуйте отвечать на них каждый день и каждую неделю соответственно. А ещё можно добавить вопрос, чего вы хотите добиться за месяц или квартал.

Я предлагаю идти от более масштабных целей к ежедневным.

### План на месяц и квартал
Важнее всего иметь цель на среднесрочный период: наметить, куда двигаться, чтобы потом оценить, пришли ли вы в нужную точку.

![Максимов-Тайм-менеджмент-01.png](https://dev-go-yandex-admin-production.s3.yandex.net/Maksimov_Tajm_menedzhment_01_b4e0b604de.png)

Список целей на месяц не должен быть длинным — достаточно двух-трёх самых важных. 

Например:

![Максимов-Тайм-менеджмент-02.png](https://dev-go-yandex-admin-production.s3.yandex.net/Maksimov_Tajm_menedzhment_02_a78b32ab5f.png)

Эти цели слишком масштабные для одной-двух недель, но идеально подходят для плана на месяц. То же самое, но ещё более верхнеуровнево, можно расписать на квартал.

### План на неделю
В начале каждой недели я продумываю, чего хочу достичь к концу. Я составляю список от наиболее важных дел к наименее важным, но порядок может быть любым. 
Попробуйте разные методы приоритизации и выберите, что подойдёт вам: [матрица Эйзенхауэра](https://trends.rbc.ru/trends/education/60a519599a7947430a73ff6b), [MoSCoW](https://gist.github.com/rdnvndr/794dab4d1cbe82f4c4588ef1e3e81e03), [Getting Things Done](https://skillbox.ru/media/management/gtd_chto_eto_i_kak_rabotaet) и др. 

Главное, чтобы список выделял задачи, которые приближают вас к достижению цели. Например, если цель — согласовать архитектуру сервиса, то список может выглядеть так:

![Максимов-Тайм-менеджмент-03.png](https://dev-go-yandex-admin-production.s3.yandex.net/Maksimov_Tajm_menedzhment_03_f9d605660c.png)

Первые три пункта — самые важные дела, последние два — то, что нужно сделать по остаточному принципу.

Обратите внимание, что в списке также указаны сроки: ограничивайте время на каждую задачу. В середине XX века британский писатель Сирил Норткот Паркинсон сказал: «Работа заполняет всё отведённое для неё время». То есть сколько времени вы выделите на дело, столько и потратите.

### План на день
Как говорил Генри Форд, ни одна задача не покажется слишком трудной, если разбить её на мелкие части. Так что план на день — самый простой, но не менее значимый этап. 

Продумайте чек-лист, который несложно выполнить в течение дня. Основная задача — выделить то, что приближает вас к глобальной цели, но оставить время на мелкие дела, такие как ответы в чатах, участие в командных встречах или код-ревью.

## Где всё это планировать
Автор методики управления временем _Getting Things Done_ Дэвид Аллен говорит, что наш мозг предназначен для создания идей, а не для их хранения. 

Мы хорошо анализируем информацию, а для её хранения люди с древнейших времён придумывали различные способы — от глиняных табличек и берестяных грамот до кварцевого стекла проекта Microsoft [Project Silica](https://www.microsoft.com/en-us/research/project/project-silica). Так что для «хранения» планов тоже появилось множество инструментов: бумажные ежедневники, цифровые блокноты, ИИ-помощники и пр.

Я использую редактор заметок [Craft](https://www.craft.do). В нём можно и создавать обычные списки, и ставить задачи, и вести ежедневные заметки.

![Максимов-Тайм-менеджмент-04.png](https://dev-go-yandex-admin-production.s3.yandex.net/Maksimov_Tajm_menedzhment_04_284c5afc64.png)

![Максимов-Тайм-менеджмент-05.png](https://dev-go-yandex-admin-production.s3.yandex.net/Maksimov_Tajm_menedzhment_05_2da7476faa.png)

Другие приложения для планирования — [Agenda](https://agenda.com), [NotePlan](https://noteplan.co), [Todoist](https://todoist.com), [Trello](https://trello.com), [Microsoft To Do](https://www.microsoft.com/en-us/microsoft-365/microsoft-to-do-list-app).

Напоследок хочу пожелать вам быть честными с самими собой. Это важно, когда вы анализируете, что удалось выполнить, а что пошло не так. Такую работу можно проводить в конце недели: она поможет понять, где нужно скорректировать план, что получается легко, а чему надо уделить больше времени. 

Удачи! Надеюсь, эти советы помогут вам наконец-то добраться до той важной задачки и почувствовать полное удовлетворение от рабочего дня.

Тайм-менеджмент для разработчиков: как расставлять приоритеты, планировать задачи и достигать целей без ощущения бесполезно потраченного времени.

Тайм-менеджмент для разработчиков: как делать важное и не делать неважное

Серёжа Хорошеньких

Разбираемся в алгоритмах Яндекс Доставки, которые помогают быстро и эффективно назначать курьеров на заказы

Доставка день в день: погружение в базовые алгоритмы поиска и назначения курьеров в Яндекс Доставке

Игорь Березняк

 Разбираемся в устройстве бэкенда Такси в Яндексе: принципы работы, проблемы и решения для стабильной обработки заказов.

Processing as a Service в бэкенде: как этот принцип помогает заказам выживать

Саша Тимофеев-Каракозов

Исследуем, как Яндекс использует нейросети и роботов для автоматизации складских операций, улучшая скорость и точность.

3D Pose Estimation объектов фиксированной геометрии для складских роботов 

Узнайте о нововведениях в C++26, включая контейнер std::hive и улучшения в constexpr, которые обсуждались на встрече в Хагенберге.

C++26 — встреча ISO в Хагенберге

Саша Козлов

Рассказываем, как Яндекс Маркет улучшил мобильную разработку, внедрив архитектуру MVVM и ускорив выполнение задач.

Секреты мобильной разработки в логистике: разгоняем MVVM до максимума

Карим Насыбуллин

Привет, я Карим Насыбуллин, Android-разработчик в Яндекс Go. Около года занимаюсь развитием сервиса BUY&SELL. Недавно моей команде пришлось решить проблему использования довольно сложного BDUI-списка айтемов с пагинацией. В этой статье расскажу, как Concat Adapter помог нам с этой задачей.

### Контекст

BUY&SELL — p2p-маркетплейс для торговли товарами между пользователями Яндекс Go. Продукт создавался в сжатые сроки и в условиях, близких к хакатону. Поэтому со временем потребовал развития — кроме статичных секций в него нужно было добавить более сложные. Например, кнопки с состояниями и пагинационный список. Первым шагом мы внедрили Backend Driven User Interface (далее BDUI) решение для некоторых экранов, однако логика сильно усложнилась и перед командой стояла задача найти способ упростить её.

В нашем решении BDUI представляет собой контейнер со списком различных секций, которые приходят с бекенда. Каждый контейнер с его логикой можно вставить в любой другой контейнер и прокинуть в него список секций, которые нужно отрисовать.
Например, часть экрана деталей товара собирается на бекенде и выглядит так:

![01.png](https://dev-go-yandex-admin-production.s3.yandex.net/01_32772b64ee.png)

Кроме статических элементов (например, картинок, сепараторов и текстов), внутри BDUI мы поддерживаем более сложные секции — кнопки с состояниями и табы.

Экран, который приходит с бэкэнда может выглядеть так:
```json
items: [
	{
		type: text,
	},
	{
		type: button,
	},
	...
	sectionN:
]
```

В секции хранится определённая информация для отрисовки страницы, а сама она может выглядеть так:

```json
{
   type: "text",
   text: "some text",
   style: "style for text like font, size and etc",
}
```
Но есть одно исключение — секция табов. Среди секций может прийти, например, такой объект:

```json
{
   type: tabs,
   type: tabs,
   tabs: [
        {
	    title: string,
	    items: [
		{
  type: offer,
},
		{
  type: offer,
},
		...
	    ]
	},
	{
	    title: TabTitle2,
	    items: [
		{
  type: text,
},
		{
  type: slot,
},
...
	    ]
	}
   ]
}
```
![08.png](https://dev-go-yandex-admin-production.s3.yandex.net/08_4783fdf59f.png)

Отрисовка происходит в [RecyclerView](https://developer.android.com/reference/androidx/recyclerview/widget/RecyclerView) через BDUI-адаптер, который поддерживает несколько секций: 

- text — текст с настраиваемыми стилями и размерами с бэкенда, также поддерживающий иконки
- button — кнопка с состояниями, умеет перерисовывать себя при нажатии
- divider — разделитель с размером
- image — картинка
- tabs — табы с контентом

### Логика страниц
Раньше на BDUI-страницах мы использовали один адаптер и управляли логиков в зависимости от вида экрана:
- для экрана без табов все просто — достаточно отрисовать список секций и управлять их поведением, например:
![02.png](https://dev-go-yandex-admin-production.s3.yandex.net/02_d453bf2bba.png)
- для экрана с табами отрисовывали все секции и запоминали позицию, для которой нужно управлять логикой переключения таба. Затем переключались между страницами и обновляли список на экране:

![03.png](https://dev-go-yandex-admin-production.s3.yandex.net/03_0b971c1cb9.png)

Основной недостаток решения с одним адаптером — сложность в контроле списка при пагинации: нужно точно знать позицию, на которую добавятся элементы при загрузке следующей страницы. Если добавить к этому логику табов, писать код в презентере и поддерживать логику становится очень сложно. 

Мы исследовали различные решения для Recycler View, которые помогли бы нам избежать сложной логики и обратили внимание на технологию Concat Adapter. 

### Concat Adapter
[Concat Adapter](https://developer.android.com/reference/androidx/recyclerview/widget/ConcatAdapter) — это специальный адаптер в Android, который используется для объединения нескольких адаптеров в линейный поток элементов.  Концепция позволяет легко комбинировать несколько различных источников данных в едином RecyclerView, управляя каждым из них отдельными адаптерами.

Мы решили разделить по разным адаптерам секции BDUI и пагинацию для товаров. Выбрали два экрана, которые охватывают большинство возможных вариаций списка секций, а главное — все экраны, важные для продукта.

#### Экран без табов
В секции Offer Items Section (указывает на начало пагинации в этом месте) разделяем все элементы по три адаптерам по такой логике:

- Header adapter — все секции до элемента Offer Items Section
- Middle adapter — секции из списка с пагинацией Offer Items Section
- Footer adapter — все секции после элемента Offer Items Section

Теперь при получении новых элементов в пагинационном списке легко отрисовать элементы — нужно просто добавить их в Middle adapter.
![04.png](https://dev-go-yandex-admin-production.s3.yandex.net/04_5cbe04832f.png)
Представим, что нам пришла следующая конфигурация:

```json
[
   1 - {
	   type: header
 },
   2 - {
	   type: section_separator
 	 },
   3 - {
	   type: button
 	 },
   4 - {
	   type: offer_items - секция указывающая на пагинационный список
       }
]
```
Первые три секции ушли в Header Adapter, а секции, пришедшие из списка с пагинацией, добавились в Middle Adapter.

#### Экран с табами
В секции Tabs Section (указывает на табы) разделяем все элементы по пяти адаптерам по следующей логике:

- **Header adapter**— всё, что идёт до секции Tabs Section, и сам Tabs Section.
Далее смотрим на текущий активный таб и в зависимости от его элементов добавляем:
  - Tab Header adapter — все секции до элемента Offer Items Section в этом табе
  - MIDDLE adapter — секции из списка с пагинацией Offer Items Section в этом табе
  - Tab Footer adapter — все секции после элемента Offer Items Section в этом табе
- Footer adapter — всё, что идет после элемента, указывающего на Tabs Section

![05.png](https://dev-go-yandex-admin-production.s3.yandex.net/05_fcd2a91e14.png)

Представим, что нам пришла следующая конфигурация:
```json
[
   1 - {
	   type: header
 },
   2 - {
	   type: button
 	 },
   3 - {
	   type: section_separator
 	 },
   4 - {
	   type: button
 	 },
   5 - {
	   type: tabs,
	   tabs: [
		{
		   title: string,
		   items: [
			5.1 - {
			   type: offer_items - пагинационный список
			}
		   ]
		},
		{
		   title: string,
		   items: [
			5.2 - {
			   type: button
			},
			5.3 - {
			   type: text
			}
		   ]
		}
	   ]
 	 }
]
```
Первые пять секций уходят в Header Adapter, а Tab Header Adapter и Tab Footer Adapter остаются пустыми. Offer Items Section добавился в Middle Adapter с пагинацией, а секции Button Section и Text Section пока не добавлены ни в один адаптер, поскольку не находятся в активном табе.

При переходе на новый таб перерисовываем контент табов, но при этом элементы Header adapter и Footer adapter не трогаем. Итог выглядит так: 

<VideoFrame  src="https://runtime.strm.yandex.ru/player/video/vplvdyc3csvmkueyefqi?autoplay=0&mute=0"
/>

Чтобы вынести логику адаптеров, мы добавили ConcatAdapterHandler. Он предоставляет ConcatAdapter, который мы уже подключаем к RecyclerView.
![06.png](https://dev-go-yandex-admin-production.s3.yandex.net/06_035270c9f3.png)
Также добавили несколько функций, которые заполняют адаптеры контентом:
![07.png](https://dev-go-yandex-admin-production.s3.yandex.net/07_85178d7424.png)
Таким образом, благодаря Concat Adapter у нас получилось реализовать большинство экранов, которые может конфигуровать на бекенде, а также оставить довольно простую логику добавления секций, что позволяет легко в будущем писать код для поддержки новых BDUI секций.


Узнайте, как Concat Adapter упростил разработку сложных списков с пагинацией в Яндекс Go. Карим Насыбуллин делится опытом использования этого инструмента для управления данными в RecyclerView и работы с динамическими элементами интерфейса.

Concat Adapter для списка айтемов в BDUI

Леша Королев

<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplvgiytkf6pk3wt3fxz?autoplay=0&mute=0"
  title="Царь-дашборд: как построить дашборд всей платформы Такси"
/>

Леша Королев, техлид команды observability в Яндекс Go, рассказал, как построить главный дашборд для платформы на 1000+ микросервисов: каким метрикам отдать приоритет, какие есть секреты читаемости и как сделать и развивать надежный дашборд.

Выступление Леши Королева, техлида команды observability в Яндекс Go, на Яндекс Infra Meetup #4

Царь-дашборд: как построить дашборд всей платформы Такси

Леша Золотухин

<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplvwzpuupbkal377m6k?autoplay=0&mute=0"
  title="Диагностические дашборды в инфраструктуре на 2000+ микросервисов"
/>

Инфраструктура Городских сервисов Яндекса обеспечивает работу Такси, Еды, Лавки и Доставки. Леша Золотухин, разработчик в Техплатформе Городских сервисов Яндекса, рассказал про структуру диагностического дашборда микросервиса в ней: что является наиболее полезным для диагностики, какие решения помогают расследовать инциденты, а какие нет.


Выступление Леши Золотухина, разработчика в Техплатформе Городских сервисах Яндекса, на Яндекс Infra Meetup #4

Диагностические дашборды в инфраструктуре на 2000+ микросервисов

Толя Беляев

<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplvqdweuopgskxubt4k?autoplay=0&mute=0"
  title="Варианты сбора метрик приложения микросервисной архитектуры: плюсы и минусы разных подходов"
/>

Толя Беляев, руководитель службы диагностики и аналитики сервисов Техплатформы Городских сервисов Яндекса, рассказал про три варианта получения метрик в микросервисной архитектуре: сбор в приложении, расчет по логам на лету и предварительное сохранение в БД с расчетом постфактум. Он объяснил, что лучше выбрать, какие преимущества и недостатки у этих подходов. Доклад полезен всем, кто задумывается о том, как строить сбор метрик в гетерогенном окружении.

Выступление Толи Беляева, руководителя службы диагностики и аналитики сервисов Техплатформы Городских сервисах Яндекса, на Яндекс Infra Meetup #4

Варианты сбора метрик приложения микросервисной архитектуры: плюсы и минусы разных подходов

Олег Кретинин

Рассказываем, как Яндекс Еда оптимизировала базу данных: подходы и решения для снижения нагрузки и уменьшения размера.

Секреты стройности монолита: подходы по снятию нагрузки с БД

Саша Маслов

Как адаптировать Linux Device Drivers для современных версий ядра Linux. Пошаговые инструкции и примеры кода.

Как перенести Linux Device Drivers на современные ядра

Никита Деревянко

От C++ к Go: как Яндекс Маркет оптимизировал доставку и повысил производительность сервиса.

Так ли плох Go в глазах C++ разработчика: пишем микросервис и учимся на ошибках

Миша Иглицкий

R в помощь разработчикам: показываем на конкретных примерах, как R упрощает работу с данными и аналитикой.

Как R облегчает мою жизнь разработчика


<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplvqi3hdie4bfrlfikt?autoplay=0&mute=0"
  title="На чем держится стабильная работа сервисов Яндекса? / I like techno"
/>

Всем привет!

Это новый выпуск подкаста I like techno о технологиях от городских сервисов Яндекса: Яндекс Go, Маркета, Еды, Лавки, Доставки и Техплатформы Екома и Райдтеха.

Сегодня мы поговорим про надежность. Что это такое? Как строится взаимодействие с бизнесом? Как и чем мы обеспечиваем надежность? Можно ли вообще избавиться от инцидентов и из-за чего они происходят? Что делать, если у тебя уже надежный продукт? Как ИИ может поддерживать надежность? Досмотрите до конца и узнайте!

Приятного просмотра!


Сегодня мы поговорим про надежность. Что это такое? Как строится взаимодействие с бизнесом? Как и чем мы обеспечиваем надежность? Можно ли вообще избавиться от инцидентов и из-за чего они происходят? Что делать, если у тебя уже надежный продукт? Как ИИ может поддерживать надежность? Досмотрите до конца и узнайте!

На чем держится стабильная работа сервисов Яндекса?


<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplvd5r4fji4qiy25e3e?autoplay=0&mute=1"
  title="Как устроена мобильная разработка в Яндексе?"
/>

Всем привет!

Это новый выпуск подкаста I like techno о технологиях от городских сервисов Яндекса: Яндекс Go, Маркета, Еды, Лавки, Доставки и Техплатформы Екома и Райдтеха.

В этом ролике мы погрузимся в мобильную разработку. Какими технологиями в командах пользуются ребята? На чем пишутся приложения? Почему разработчики отказываются от нативной разработки? Какие есть киллер-фичи? С какими сложностями можно столкнуться при разработке мобильного приложения? Какие есть минусы у Flutter, BDUI и WEB? Какие существуют мифы про мобильную разработку? Досмотрите до конца и узнайте!


Это новый выпуск подкаста I like techno о технологиях от городских сервисов Яндекса: Яндекс Go, Маркета, Еды, Лавки, Доставки и Техплатформы Екома и Райдтеха. В этом ролике мы погрузимся в мобильную разработку.

Как устроена мобильная разработка в Яндексе?

Гадель Закиров

Назар Старанцов


<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplv3oy5mk4xt4xasndq?autoplay=0&mute=0"
  title="Started from the Bottom: как ускорять старт приложения и загрузку главной страницы"
/>

Расскажем о том, как много вещей происходит на старте приложения. Поделимся опытом, как мы ускоряли отображение первого экрана в приложении Яндекс Еды - каталога. Объясним, как оптимизировали бэкэнд каталога, чтобы сократить время ответа запроса главного экрана

Расскажем о том, как много вещей происходит на старте приложения. Поделимся опытом, как мы ускоряли отображение первого экрана в приложении Яндекс Еды - каталога. Объясним, как оптимизировали бэкэнд каталога, чтобы сократить время ответа запроса главного экрана

Started from the Bottom: как ускорять старт приложения и загрузку главной страницы


<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplviy4grdxwdti4ss5h?autoplay=0&mute=0"
  title="Саша Швец, Андрей Романовский - Будущее Екома Яндекса: офлайн сценарии, внедрение ИИ и рекомендаций "
/>

Сегодня мы поговорим про разработку в Еком, технологии будущего в нестандартном месте — фургоне Foodtech tour Екома Яндекса по пути на митап в Казань!

За какими технологиями и тенденциями нужно следить? Какими будут Еком-сервисы будущего? Какой запуск за последний год был самым сложным? Почему сервисы Яндекс Еда и Лавка выходят в офлайн? С какими трудностями сталкиваются разработчики в Екоме? Что помогает справляться с неудачами? Досмотрите до конца и узнайте!

Сегодня мы поговорим про разработку в Еком, технологии будущего в нестандартном месте — фургоне Foodtech tour Екома Яндекса по пути на митап в Казань!

Будущее Екома Яндекса: офлайн сценарии, внедрение ИИ и рекомендаций


<VideoFrame
  src="https://runtime.strm.yandex.ru/player/video/vplv2y2ph2fj7quvgcce?autoplay=0&mute=0"
  title="Стас Макеев, Макар Красноперов, Даня Ткаченко, Артур Ильичев - Кто такой ML-разработчик и чем он занимается?"
/>

Сегодня мы продолжаем говорить про ML-разработку. Что это такое? Кто такой ML-разработчик? Как Маркету и Лавке помогает ИИ и как от него защищаются? Как поддерживать актуальность своих знаний? Какие технологии в Яндексе помогают в работе? Как и под что таргетируются модели? Могут ли ИИ заменить разработчиков? Как грамотно оптимизировать продукт, сохранить ML рационализацию? Досмотрите до конца и узнайте!

Сегодня мы продолжаем говорить про ML-разработку. Что это такое? Кто такой ML-разработчик? Как Маркету и Лавке помогает ИИ и как от него защищаются? Как поддерживать актуальность своих знаний? Какие технологии в Яндексе помогают в работе? Как и под что таргетируются модели? Могут ли ИИ заменить разработчиков? Как грамотно оптимизировать продукт, сохранить ML рационализацию? Досмотрите до конца и узнайте!

Кто такой ML-разработчик и чем он занимается?

Когда мы пишем какой-то код для userver и для таких сложных проектов, как Boost, периодически мы сталкиваемся с нестандартными проблемами. И эти нестандартные проблемы требуют нестандартных решений. Вот о таких решениях мы сегодня и поговорим.

Блог

dev day&night

Будьте в курсе всех событий

Все публикации

Города будущего: фантазии, ожидания, реальность

Размер имеет значение. Советы по оптимизации Flutter-приложений

Встреча ISO C++ в Софии: С++26 и рефлексия

10 мифов об A/B-тестировании: как избежать распространённых заблуждений в статистическом анализе

Скорим всё: как мы упростили ML-стек рекомендаций в Лавке и отказались от кандидатогенерации

DutyGPT: как мы научили ИИ размечать тикеты точнее разработчиков

Профилирование без боли: как в Яндексе появился Demeter — open source инструмент для выявления просадок в Android-коде

Инженерия надёжности в Маркете: принципы, процессы и реальные кейсы

Как в Яндекс Еде изобрели велосипед и сделали его умным