Потестим в проді

Андреас Флодстром переїхав в Україну зі Швеції у 2012 і в рамках своєї дипломної роботи у шведському університеті почав IT-компанію Beetroot разом зі своїм партнером.

Сьогодні в Beetroot працює більш ніж 600 людей, і компанія обслуговує близько 220 активних клієнтів з 25 країн. Beetroot Academy – IT-школа яка навчає понад 3000 студентів щороку.

Андреас розповів про те як будувалась компанія: з перших клієнтів, простих сайтів на вордпресі та офісу з матрацами на підлозі, в якому вони і жили, до сотень клієнтів та офісів по всій країні. Розказав про культуру в компанії та те як працює плоска організація. Про основну технічну експертизу, наймання та ринок розробників сьогодні.

Сайти компанії:
www.beetroot.co
www.beetroot.se

Таймлайн:

00:00 Intro

01:11 Про компанію

02:17 Цифри компанії

03:22 Переїзд Андреаса в Україну, початок компанії

06:53 Перший офіс

11:22 Про жигулі та запорожець

13:04 Основна технічна експертиза Beetroot

15:27 Що таке dedicated teams

16:48 Які проєкт

18:38 Про ринок розробників

30:40 Як зацікавлюють розробників

35:53 Зарплати розробникам та оплата клієнтів

37:42 Дія сіті

43:42 Обов'язки в CEO Beetroot

46:30 Академії та офіси у регіональних містах

50:40 Хто працевлаштовує випускників академії

52:32 Що в дефіциті: замовники чи спеціалісти

54:03 Як Андреас вивчав мову

55:15 Як розвиваєшся

Let's enhance - это украинский стартап, который улучшает качество изображений с помощью искусственного интеллекта.

CTO Влад Пранскевичус рассказал как улучшение изображений работает изнутри. Как продукт вырос от одной модели до комплексного пайплайна. Как устроена разработка внутри компании, как ML инженеры взаимодействуют с разработкой, какие Devops/MLops практики внедрены, какой процесс обучения моделей, и по каким методологиям работают команды.

Поговорили о конкуренции с Photoshop, "гонке вооружений" в технологии, об отделении B2C от B2B направления и о том есть ли у разработчиков доля в компании.

Таймлайн:

00:00 - Intro 

00:23 - Чем занимается Let's Enhance?

01:41 - Почему решили сделать ребрендинг?

03:29 - Чем занимался до стартапа?

04:55 - Как давно начал заниматься ML?

06:02 - Ты хороший программист?

07:21 - Что самое сложное при переходе от карьеры программиста до создания своего стартапа?

11:05 - Сколько людей занималось разработкой в начале

11:49 - Синдром самозванца

13:08 - Что из себя представлял первый продукт

14:27 - Обучение алгоритма улучшения картинок

17:50 - На пальцах как работает улучшение изображений

18:34 - Какие метрики улучшения изображений

20:41 - Какая пропорция ML решений к эвристическим ?

22:32 - Нейронки на майнерских ресурсах

26:00 - Инфраструктура проекта

27:26 - Какие нагрузки выдерживаете

28:39 - DevOps/ MLOps

31:51 - Свой DataCenter или Cloud решения

32:51 - Цикл дообучения моделей

35:17 - ML команда

39:19 - Количество B2B, B2C клиентов

39:44 - Откуда AI-research команда берет знания?

40:15 - Патенты на ML решения

40:32 - State of the art улучшения изображений

42:08 - Будет ли энхансмент частью каждого графического редактора

43:41 - Конкуренция с Photoshop

44:49 - Конкуренты Let's Enhance 

45:05 - Предложения продать компанию

46:34 - Чем отличается алгоритм Photoshop от вашего?

47:53 - Рынок ML инженеров

48:44 - Украинский рынок IT

53:39 - Технологический стек

56:15 - Процесс работы бэкенда

59:25 - Отдельная инфраструктура под больших клиентов

01:00:32 - Python, Celery, C++

01:02:55 - Что хранится в БД

1:04:55 - Занимаются ли разработчики задачами девопс

01:06:17 - Почему разработчиков нужно больше, чем MLщиков

01:07:58 - Как ML взаимодействуют с разработчиками

01:10:03 - Тесты

01:12:20 - Как инженеры влияют на продукт

01:13:12 - Есть ли опционы у разработчиков

01:13:51 - Чем занимаешься как CTO?

01:14:59 - У кого техническая экспертиза в ML

01:15:50 - Пишешь сейчас код?

01:17:19 - Что читаешь, слушаешь

01:18:36 - ТОП-3 украинских стартапа

01:20:16 - Можно ли тестить в проде

Wantent - украинский стартап, который анализирует реакции людей по выражению лица с помощью AI и на основе этого оценивает эффективность видео-контента.

CTO компании Артем Мельниченко рассказал как это работает, по каким параметрам оценивается вовлеченность и "эффективность" контента, сколько алгоритмов анализируют выражение лица наблюдаемых и какой технологический стак.

Поговорили с Артемом о том какая команда работает над продуктом, как МЛ инженеры взаимодействуют с психологами (в рамках развития продукта), как обучаются модели и как можно повысить точность с помощью нейрофизиологических данных.

Сайт компании: https://www.wantent.io/

Таймлайн:

00:00 - Intro

00:41 - Чем занимается Wantent?

02:13 - Ядро проекта

03:22 - B2B

04:03 - Стенфордская история создания компании

07:58 - Первые инвестиции

08:25 - Как это работает?

10:48 - Какие запросы поступают от создателей контента

12:20 - Этика технологии

13:31 - Кто смотрит сериалы и получает за это деньги?

14:45 - Автоматизация процесса

20:13 - По каким параметрам происходит анализ?

23:44 - Как обучали алгоритм?

25:50 - Дообучение на собственных данных

26:23 - Обработка видео покадрово

27:47 - Патенты, интеллектуальная собственность

27:33 - Цикл дообучения моделей?

30:35 - Как оценивает повышение точности ?

32:01 - Как принимается решение после ответов моделей

33:33 - Конкуренты

35:15 - Улучшение точности с помощью нейрофизиологических данных

38:17 - Команда, внутренние взаимодействия

38:35 - MLщики и психологи

43:35 - Взаимодействие CTO с ML инженерами

44:12 - Технологический стак

52:56 - Партнерство с Nvidia

54:48 - Где обучаете модели?

55:30 - Взгляд на рынок разработчиков

57:01 - Можно ли тестить в проде?

Rocket - украинский сервис доставки еды, запустился в 2018 году. У приложения 3 млн скачиваний за 2020 год, сотни тысяч заказов в месяц, офис разработки находится в Киеве.

CTO Rocket Дима Москаленко рассказывает как устроена разработка в компании, как справляются с десятикратным ростом команды, и как готовятся к запуску приложения в Европе.

А также поговорили о том какие технологии используют, о нагрузках, узких местах, куда прикручивают ML решения, как работают с картами и платежами.

Таймлайн:

0:00 Intro

1:35 Пандемия - поворотный момент для компании ?

2:23 Как изменилась разработка в Rocket после ковида

3:42 Какие обязанности как у CTO

5:50 Как пришел в Rocket

6:35 Какие есть команды

8:25 Как синхронизируются команды

9:10 Над чем работают команды

10:13 Из чего состоит продукт

10:43 Команды разрослись за прошлый год ?

11:13 Цели, международная экспансия

12:36 Архитектура приложения

14:51 Почему Ruby на бэкенде ?

16:27 Сколько бэкенд инженеров ?

17:08 Какие нагрузки выдерживает сервер

18:05 Какая БД ?

18:21 Real-time взаимодействие в приложении

19:31 Что делали при падениях сервера

20:15 Оптимизация БД

21:05 Инфраструктура и Devops

22:51 Сколько серверов ?

23:07 Железо или aws, чеки

23:39 Мониторинг

25:11 Безопасность клиентских данных

26:22 Процесс разработки

28:09 AI в приложении

28:56 Data science команда

30:30 Fraud в приложении

31:14 Обработка отзывов клиентов

33:56 Технические вызовы при конкуренции с Glovo, Uber

36:34 Ребрендинг, выход в Европу

38:58 Кодовая база, БД при запуске на другие страны

39:44 Пробовал работать курьером в Rocket?

40:32 Работа с картами

41:19 Выбор исполнителя заказа

42:17 Оптимизация времени ожидания заказа

44:22 Почему решил перейти из разработки в менеджмент

46:24 Как разбираешься с новыми технологиями

47:39 Как разбираешься с кодовой базой проекта

49:17 Как устроен рынок найма для CTO

50:51 Тяжело ли сейчас нанимать инженеров в Rocket

53:38 До сих пор расширяете команду разработки ?

55:56 Можно ли заказать Glovo в офис Rocket

57:01 Как устроена работа с релизами

59:45 Покрытие тестами

1:00:48 Интеграционные тесты

1:02:03 Работа с платежами

1:02:55 Можно ли тестить в проде ?

Поговорили о том что такое Devops, какие роли существуют в девопс и чем отличаются, какие практики необходимы каждому проекту и почему Go самый популярный для инфраструктуры.

В гостях Юра Рочняк – работает SRE в немецком необанке N26, ведет свой телеграм канал о Devops @catops.  

А также обсудили что нужно знать разработчику о Devops, обязательно ли деплоить в cloud, разницу между оркестраторами, берлинское айти и зарплаты.  

Канал Юры о Devops: https://t.me/catops 

Таймлайн: 

0:00 Intro 

0:24 О госте 

0:53 Разница работы в operations в больших компаниях и стартапах 

5:43 Различие Devops, SRE, sysadmin 

17:16 Как и почему возник Devops 

21:17 Kubernetes vs Nomad 

26:01 Минимально необходимые Devops практики 

30:48 Cloud или VPS за 15$ ? 

34:43 Devops - проектная работа ? 

41:32 Что разработчик должен знать о Devops 

48:53 Почему Go прижился в Devops 

55:53 О телеграм канале Catops 

1:00:44 Чем берлинское IT отличается от киевского 

1:06:52 Зарплаты в айти Германии 

1:10:08 Легалайз

Как разрабатываются современные игры. Про архитектуру, движки, взаимодействие с игроком с помощью "искусственного интеллекта", сервера и тонкий клиент в многопользовательских играх.

Артем – Tech Lead в игровом подразделении компании BetterMe и преподаватель геймдева в КПИ, около 9 лет занимается разработкой игр.

И еще много всего интересного:

- Как пишут сервера для pvp игр

- Как отличается разработка под ПК и консоли

- Почему игры не сразу портируются на все платформы

- Почему гиперкэжуал игры популярны

- Cloud gaming

Канал Артема с лекциями: https://www.youtube.com/c/ArtemKorotenko

Паблик подкаста в телеграм: https://t.me/test_in_prod

Таймлайн:

00:00 Intro

00:17 Бэкграунд Артема

03:46 Как давно занимаешься геймдевом

04:38 Играешь ли сам в игры ?

06:01 История разработки игр

10:20 Как разрабатываются игры

13:01 Какие отделы разработки есть у игр

13:54 Для чего нужен движок ?

16:03 Как разрабатываются движки

18:57 Кто разрабатывает свои движки

20:17 Чем отличаются общедоступные движки от закрытых

22:31 Конкуренция между unity и unreal

23:21 Что после движка ?

24:16 Какая архитектура у компьютерных игр ?

27:24 Разделение слоев архитектуры в играх

29:27 Какой интерфейс предоставляет движок

30:29 Как игра разделяется на модули

34:59 Игры разрабатываются только на C++

38:24 Искусственный интеллект в играх

46:33 Как NPC принимает решение убить вас

49:30 Многопользовательские игры

51:47 Почему pvp игры имеют "тонкий" клиент

53:58 Какие протоколы используются для сетевого обмена

56:29 Нагрузки на стороне сервера

58:58 Получится ли на питоне ?

1:00:15 Чем отличается ПК от игровой консоли ?

1:01:49 Какая разница в ОС между ПК и консолью

1:02:31 Почему игры не сразу портируются на ПК

1:05:45 Что произошло с cyberpunk ?

1:07:44 Почему гиперкэжуал так популярны

1:10:52 Технические вызовы казуальных игр

1:17:47 Cloud gaming

1:20:00 Риск для индустрии от клауд-гейминга

1:23:35 VR игры и хайп

Дима Волошин, CTO и co-founder Preply (образовательная онлайн-платформа) был первым разработчиком и сооснователем компании, отказался от оффера в Google и построил отдел разработки почти в 100 человек с высокой инженерной культурой и налаженными процессами.

Дима рассказал об истории разработки проекта, какие ошибки были допущены, организационной структуре команд, построении культуры, о том почему все-таки оставили большой монолит, как разделили фронт и бэк, анализе данных и еще множество деталей о разработке в компании.

Ссылки из выпуска:

Инженерный блог Preply: [https://medium.com/preply-engineering](https://medium.com/preply-engineering)

Do you want to be right or successful? https://medium.com/preply-engineering/do-you-want-to-be-right-or-successful-52a2cd0a220b

Статья Димы о ml в Preply для борьбы с фродом 2014 года: https://habr.com/ru/company/preply/blog/216729/

Таймлайн:

00:23 Роль в начале компании и сейчас

00:54 Путь в программировании

03:30 Стартапы до Preply

04:36 Как подготовиться к своему стартапу и не потерять запал

08:01 Оффер в Google

09:10 Кто писал код в начале

11:10 Последствия неправильных технических решений

11:45 Ужасный код Цукерберга

15:37 Где находить баланс между "хорошим" кодом и написанным

17:22 Почему CTO больше не пишет код

20:03 Что такое платформа Preply, какие сервисы предоставляет

22:06 Организационная структура команд разработки

26:41 Code ownership, OKR команд

27:55 О платформенных командах

29:05 Django монолит и микросервисы, GraphQL

31:02 Разделение фронтенда и бэкенда

33:13 GraphQL federation как единая точка входа для frontend'а

34:50 Почему перешли от REST к GraphQL

36:48 Почему монолит - не плохо

38:17 Для чего используют serverless решения

39:16 Узкие места при нагрузках

41:11 Какие хранилища данных используются

42:47 Одна кодовая база под все страны, локализация

43:50 Обработка данных и AI в Preply

50:46 A/B тестирование

52:28 Команда Data Science

53:44 Путь фичи от идеи в продакшн

56:54 Onboarding разработчиков

58:27 Культура коммуникаций

Atlas Weekend - крупнейший музыкальный фестиваль в Украине, который собирает десятки тысяч людей.

Макс Фрай разработал систему для обслуживания инфраструктуры фестиваля: вход, билеты, оплата на фудкортах, контроль.

Поговорили с Максом об истории создания системы, ее возможностях, почему система монолитная, на чем написана, для чего фестивалю нейронные сети и как бороться с мошенниками на фестивалях.

_____________

Группа подкаста в telegram - https://t.me/test_in_prod

Как первыми на рынке начать использовать искусственный интеллект и убедить бизнес? Развернуть агрегатор объявлений на 33 страны? Построить кросс-функциональные команды внутри большой компании?

Об этом, а так же об архитектуре, фреймворках и коврах говорим с гостями из ЛУНа Вовой Кубицким (head of AI), Димой Сатановским (tech lead).