Со старта нашего проекта Polymatica EPM (бизнес‑платформа для автоматизации процессов стратегического планирования и бюджетирования) мы решили: код должен покрываться тестами. Проект построен на стеке FastAPI + Poetry + Pytest. Из‑за особенностей проекта тесты, в основном, функциональные. Все шло хорошо, команда росла, тесты писались, но запускались только на локальной машине перед коммитами. Наступил момент, когда нужно было внедрить автоматический прогон тестов на этапе Merge Request (MR).
На тот момент у нас был собственный GitLab и настроенный CI/CD, но ресурсы DevOps были ограничены. Поэтому задачу пришлось решать силами разработчиков. Меня зовут Дмитрий Богданов, я старший бэкенд‑разработчик, и в этой статье расскажу, как мы оптимизировали запуск тестов, с какими проблемами столкнулись и почему выбрали именно базовый образ для CI/CD.

Недавно я столкнулась с ситуацией: есть задача, нет подходящего инструмента, разработчики заняты, бюджет ограничен, а время поджимает. Мне нужно было выстроить процесс оценки уровня удовлетворенности пользователей. В бизнесе много похожих небольших задач, которым часто присваивают низкий приоритет, поэтому они долго остаются в очереди на разработку. Хотя их решение значительно упрощает работу отдельных сотрудников и даже целых отделов.

Поскольку мы разрабатываем собственную Low‑Code BPM платформу и рассказываем клиентам, что около 70% бизнес‑задач решается No‑Code инструментами, 20–25% — Low‑Code, и лишь 5–10% требуют написания кода, то я решила попробовать самостоятельно собрать «Оценку качества» на нашей же платформе, не прибегая к помощи разработчиков. Меня зовут Ирина Головина, я руководитель группы технической поддержки Citeck. Сегодня расскажу, как я это делала, что у меня получилось и не получилось. Материал будет полезен всем, кто интересуется возможностями No‑Code платформ или ищет способ автоматизировать свои процессы.

Будем честны, регрессионное тестирование — не самая увлекательная часть работы. От спринта к спринту его объем растет, а время на прохождение увеличивается. Но необходимость регресса очевидна — достаточно взглянуть постфактум на все «криты и неотложки», от которых мы уберегли пользователя в своем последнем релизе. Оптимизация (пока вынесем автоматизацию за скобки и вернемся к ней позже) кажется логичным решением, но перспектива пересмотра сотен или тысяч кейсов может отпугнуть.

Меня зовут Михайлов Михаил, я работаю руководителем отдела тестирования в команде Polymatica BI. Недавно мне пришлось привести в порядок регрессионное тестирование, что позволило сделать его компактным и эффективным. Оказалось, что несколько простых действий кратно сократят время, необходимое на приведение в порядок регрессионного прогона. В этой статье разберем пять ключевых шагов.

Автоматизация клиентской поддержки с помощью больших языковых моделей — перспективное направление, но без доработки они не всегда способны дать точные и релевантные ответы. Меня зовут Михаил Крюков, технический директор платформы Robovoice (SL Soft), и в этой статье я расскажу, как усиливать LLM с помощью RAG.

Используя реальный кейс, я расскажу о выборе LLM (сравнивали GigaChat MAX, GPT-4o, LLaMA 3.1 70B, YandexGPT 4 и Gemma 2 9b) и RAG (RagFlow, Dify и LangChain Custom + Vector database). Разберу ключевые сложности при интеграции — подготовку датасетов, настройку RAG, борьбу с «галлюцинациями» моделей, затрону вопросы экономики проекта и способов удешевления стоимости диалога. Статья будет полезна разработчикам и бизнесу, планирующим автоматизировать первую линию поддержки с помощью ИИ. Инфраструктура и железо в материале не освещены.

В 2016 году Минфин заявил, что потребность в бухгалтерах в ближайшие годы будет стремиться к нулю. Однако через два года прогноз скорректировали: оказалось, что без бухгалтеров невозможно обойтись. Вместе с тем автоматизация отдельных сфер их деятельности может быть оправданной и весьма эффективной.

Всем привет! Меня зовут Мирза Абдулмеджидов, я руководитель проектов ROBIN компании SL Soft. Сегодня расскажу про интеллектуальную автоматизацию и поделюсь своим опытом внедрения платформы ROBIN для трансформации бухгалтерских процессов на примере одного проекта, реализованного для крупного продуктового ритейлера.

Всем привет! Это завершающая статья в серии по эволюции архитектур нейронных сетей в компьютерном зрении. Она будет полезна тем, кто только погружается в сферу и пробует систематизировать свои знания, поэтому я осознанно не погружаю читателей в глубокие расчеты и вычисления. Посмотрим на R-CNN, Fast R-CNN, Faster R-CNN, Mask R-CNN, SSD, RetinaNet, EfficientDet, YOLO.

Всем привет. Сегодняшний материал — продолжение цикла статей про ключевые события в развитии архитектур нейросетей. В прошлый раз я рассказал о классификации изображений. Сегодня речь пойдет про сегментацию. Статья охватывает FCN, U‑Net, SegNet, DeepLab, PSPNet, Mask R‑CMM и HRNet.

Существует много разных источников информации по теории тестирования — книги, статьи, курсы и другие материалы. Практически в каждом из них описаны техники тест‑дизайна, сопровождающиеся простыми обособленными примерами их применения. Но часто, изучая эти материалы, я задавалась вопросом: «А что же дальше? Как объединяются техники и как выглядит общая картина тестирования?».

Меня зовут Ирина Прудникова, тестировщик Lego Low‑Code BPM платформы Citeck. В сегодняшней статье я хочу показать, как разные техники тест‑дизайна можно использовать в комплексе. В качестве примера я разберу реальную задачу из нашей работы — тестирование модуля Service Desk.

Приветствую вас, дорогие читатели! В своей прошлой статье на Хабр я рассказывал, как стать разработчиком в области машинного обучения и нейронных сетей, а также какие вопросы об эволюции архитектур нейронных сетей часто задают на собеседованиях. Чтобы помочь вам разобраться в этой теме, я подготовил материал о ключевых событиях в развитии архитектур нейронных сетей — новшествах и особенностях, которые появлялись на каждом этапе. Вместе мы проследим логику инженерной мысли и поймем, как эти идеи повлияли на современное состояние технологий.

Так как материал довольно объемный, разбиваю его на три части: «Классификация изображений», «Сегментация изображений» и «Детекция объектов». Надеюсь, что этот сборник окажется полезным и вдохновит вас на дальнейшие исследования в области глубокого обучения.

Меня зовут Леонид Бычков, я руководитель продуктов в команде ROBIN. А еще я тренер и популяризатор игры го — мой опыт в этом деле более 15 лет. В Самаре, моем родном городе, занимаю должность президента Спортивной федерации го Самарской области. Также я основал и развиваю городской клуб игры го «Стратегия», где проходят встречи участников, организуются обучающие курсы и даже турниры. Плюс провожу корпоративные тренинги.

Сегодня моя история будет о том, как стратегии го помогают мне принимать решения в развитии ИТ‑продуктов. Кроме того, я расскажу о смыслах и концепциях, которым обучаю руководителей на своих мастер‑классах и тренингах.

Привет, Хабр. Меня зовут Андрей Каримов, я разработчик в команде Polymatica, а мое хобби — обучение детей гейм‑дизайну. В этой статье делюсь своим опытом работы с ребятами в возрасте от 8 до 13 лет на платформе Roblox и описываю, какие подходы существуют. Особое внимание уделяю вопросам самостоятельных занятий: стартовые шаги, азы языка программирования Lua и пример простого скрипта.

После ухода иностранных вендоров на освободившиеся места ринулись игроки с собственными разработками. Но как выделиться среди конкурентов?

Меня зовут Алексей Кирпиков, заместитель управляющего директора SL Soft по продажам, и сегодня я хочу поделиться своим опытом о том, как общаться с заказчиками и выигрывать сделки, основываясь на информации, которую можно собрать из открытых источников, в том числе, в специализированных базах данных.

Всем привет. Сегодняшняя статья будет интересна тем, кто хочет стать ML‑разработчиком. Последние три года я собирал материалы на эту тему (естественно, проверяя все на себе). Это не просто сухая выжимка из книг, курсов и статей, а личный опыт, основанный на задачах, которые я решаю ежедневно.

Меня зовут Агеев Александр, сейчас я ML‑разработчик в команде SOICA. Из других интересных проектов в прошлом — робототехника (детекция и сегментация продуктов питания), исследования мозговой активности ЭЭГ, автоматизации сети хлебозаводов Москвы, разработка алгоритмов в приложении для подсчета ударов мяча и распознавания скелета человека, исследование и применение больших LLM‑моделей, расшифровка аудио и транскрибация текста, а также EyeTracking (подсчет числа открытия и закрытия глаз).

Представьте ситуацию: PM проанализировал рынок, разобрал плюсы-минусы текущих продуктов компании, написал стратегию их развития, защитил перед бизнесом. Топ-менеджеры покивали, помечтали, как в будущем году «уууухнем и перевыполним план продаж» и… Все осталось по-прежнему. Целевая выручка не достигнута, лидов все также мало, партнерская сеть не развивается, реализованные фичи не вызывают вау-эффекта. Давайте разберем, что же пошло не так.

Меня зовут Виктория Зорина, я создаю ИТ-продукты в B2B. Сегодня я расскажу, какие (не)очевидные вещи могут быть препятствием в построении и реализации вашей стратегии.

Привет, Хабр. Меня зовут Аделина Ямалтдинова, я разработчик технологического сервиса «Классификатор» — одной из частей платформы «Преферентум».

Как вы могли догадаться из названия, сервис нужен для классификации неструктурированной информации — документов, заявок, звонков и т. д. Он применяется для маршрутизации обращений на горячую линию, сортировки входящих документов в СЭД, тематической классификации, выявления негативных отзывов, определения типа и контроля комплектности документации и т. п. Таким образом, «Классификатор» упрощает переход компаний к интеллектуальной автоматизации различных бизнес‑процессов, обогащая используемые системы ИИ.

В статье я расскажу об устройстве нашего «Классификатора» и о том, как мы его улучшаем.

Боты бесят многих, но при разумном применении они приносят пользу не только бизнесу, но и клиенту. Например, запишут пациентов к врачу вместо администраторов или найдут нового сотрудника в магазин вместо HR. Хороший бот должен быть приветливым, понимать запросы пользователей на естественном языке, не тупить и быстро решать задачу клиента, поэтому у них «под капотом» сложная и гибкая система.

Привет, Хабр! Меня зовут зовут Анна Гаджимурадова, я менеджер продукта Robovoice. В 2019 году мы начали проектирование платформы по созданию, администрированию и аналитике диалоговых ботов. До этого мы тоже делали ботов, но кастомно, поэтому подстраивались под каждого клиента — это приносило свои плоды, но с изменением бизнес‑процессов клиентам требуются корректировки скриптов, что влечет дополнительные финансовые и временных расходы. В статье расскажу, с какими сложностями мы столкнулись при разработке платформы.

Привет, меня зовут Георгий Гончаров, я инженер‑консультант OCR‑платформы SOICA, предназначенной для распознавания и обработки текстовых и графических данных. Поскольку это собственная разработка, то мы постоянно внедряем новые фичи. Недавно появилась еще одна — мы назвали ее ML‑локатор. В статье расскажу, почему и как мы реализовали эту функциональность и каких результатов удалось достичь.

Казалось бы, дизайн-система — это инструмент, который помогает ускорить процесс разработки продуктов, облегчает масштабирование и обновление, обеспечивает единообразие дизайна и пользовательского опыта на всех платформах. Однако мы убедились на собственном опыте, что это не панацея, и если все связанные с дизайн-системой процессы не будут налажены, то для компании она станет ахиллесовой пятой.

Привет, Хабр! Меня зовут Виктория Марухняк, я дизайнер интерфейса продукта Polymatica Dashboards. Мы разрабатываем BI-платформу, и нам критически важно проектировать простой и удобный интерфейс, чтобы пользователи могли легко строить и читать аналитические отчеты. В этой статье поделюсь своим первым опытом рефакторинга и обновления дизайн-системы и тем, как это помогло нам наладить общение между дизайнерами и разработчиками. Без прикрас и розовых пони.

Привет, Хабр. Меня зовут Антон Холло, руководитель отдела проектов в команде ROBIN. В моем отделе 18 сотрудников (15 бизнес‑аналитиков и 3 специалиста технической поддержки), 16 из которых мы вырастили самостоятельно за последние 2,5 года. Еще 4 человека (будущие коллеги‑аналитики) сейчас в процессе обучения, кроме того, мы открыли 6 вакансий — кандидаты также пройдут подготовку.

В этом материале я расскажу, почему мы запустили собственный инкубатор специалистов, какие у него есть плюсы и подводные камни. Статья будет полезна как тем, кто задумался о запуске в своей компании аналогичного инкубатора или уже внедрил подобную практику, так и тем, кто присматривается к карьере бизнес‑аналитика, но не имеет опыта работы.

Проведение анализа дефектов, обнаруженных на продакшене, кажется сложной и трудоемкой задачей. Однако в команде Polymatica мы успешно интегрировали этот процесс в цикл тестирования, сделав его неотъемлемой частью обеспечения качества ПО. Локализация дефектов с прода имеет наивысший приоритет, и мы создали эффективный подход для их анализа и устранения. Данный процесс постоянный и непрерывный, что позволяет нам постоянно совершенствоваться.