Не попадитесь на накрученные каналы! Узнайте, не накручивает ли канал просмотры или
подписчиков
Проверить канал на накрутку
Телеграм канал «Код Желтый»
Код Желтый
2.0K
2.3K
433
92
15.2K
Рассказываем про технологии и инженерные практики. Делимся подкастами, анонсами ИТ-мероприятий и исследованиями.
ВК: vk.com/kod_zheltyi
Команда и вакансии в Т: telemetr.me/t_crew
ИТ-профессии в Т: l.tbank.ru/it_folders
Перечень РКН: l.tbank.ru/knd_tg
ВК: vk.com/kod_zheltyi
Команда и вакансии в Т: telemetr.me/t_crew
ИТ-профессии в Т: l.tbank.ru/it_folders
Перечень РКН: l.tbank.ru/knd_tg
Подписчики
Всего
33 145
Сегодня
-3
Просмотров на пост
Всего
3 084
ER
Общий
9.3%
Суточный
6.2%
Динамика публикаций
Telemetr - сервис глубокой аналитики
телеграм-каналов
телеграм-каналов
Получите подробную информацию о каждом канале
Отберите самые эффективные каналы для
рекламных размещений, по приросту подписчиков,
ER, количеству просмотров на пост и другим метрикам
рекламных размещений, по приросту подписчиков,
ER, количеству просмотров на пост и другим метрикам
Анализируйте рекламные посты
и креативы
и креативы
Узнайте какие посты лучше сработали,
а какие хуже, даже если их давно удалили
а какие хуже, даже если их давно удалили
Оценивайте эффективность тематики и контента
Узнайте, какую тематику лучше не рекламировать
на канале, а какая зайдет на ура
на канале, а какая зайдет на ура
Показано 7 из 2 007 постов
Смотреть все посты
Пост от 29.09.2026 10:35
503
1
3
☕️ Автоматизируем оценку качества данных: от 11 ручных действий до агента
Год назад одна проверка качества данных требовала 11 последовательных действий. Это были не просто клики, а шаги, о которых надо было знать заранее: без инструкции под рукой их не пройти. Между ними — переходы между системами, а еще язык SodaCL, который используется только в этом процессе и забывается через день. Для каждой новой проверки путь начинался заново, а таблиц в домене не десяток и не сотня.
Мы поставили цель: любой пользователь должен без инструкции заводить проверки, время на одну проверку — не больше 10 минут. Начали с попытки уместить все в один инструмент, отказались от low-code, прошли через развилки архитектуры и в итоге пришли к AI-агенту. Сейчас генерация проверки занимает около пяти минут, а агент создает от 330 до 2 350 проверок в неделю.
🙂 Наш технический менеджер Аня Мавлютова рассказала, как устроен процесс, какие развилки мы прошли и почему выбрали агентскую архитектуру. А больше подробностей читайте на Хабре.
#dataquality #ai #agents #dataplatform #automation
Год назад одна проверка качества данных требовала 11 последовательных действий. Это были не просто клики, а шаги, о которых надо было знать заранее: без инструкции под рукой их не пройти. Между ними — переходы между системами, а еще язык SodaCL, который используется только в этом процессе и забывается через день. Для каждой новой проверки путь начинался заново, а таблиц в домене не десяток и не сотня.
Мы поставили цель: любой пользователь должен без инструкции заводить проверки, время на одну проверку — не больше 10 минут. Начали с попытки уместить все в один инструмент, отказались от low-code, прошли через развилки архитектуры и в итоге пришли к AI-агенту. Сейчас генерация проверки занимает около пяти минут, а агент создает от 330 до 2 350 проверок в неделю.
🙂 Наш технический менеджер Аня Мавлютова рассказала, как устроен процесс, какие развилки мы прошли и почему выбрали агентскую архитектуру. А больше подробностей читайте на Хабре.
#dataquality #ai #agents #dataplatform #automation
👍
3
🔥
3
Пост от 28.09.2026 11:54
1 006
1
8
❤
8
👍
3
👎
1
Пост от 25.09.2026 13:32
2 022
2
20
⚡️ Сократили время вычислений на графе из 800+ млн вершин с 24 часов до 30 минут
У нас есть граф друзей на 800+ млн вершин и 80+ млрд связей. Он строится на переводах, общих продуктах и другом взаимодействии клиентов. Граф ежедневно растет, содержит суперузлы с миллионами связей и смешанные данные из разных источников.
Считать на таком графе аналитические метрики — задача нетривиальная: классические подходы не дают нужной производительности. Но собирать дорогую специализированную инфраструктуру мы не стали. Вместо этого научились дешево проверять гипотезы о ценности графовой аналитики, опираясь на уже существующие ресурсы.
В карточках рассказываем, какие вызовы возникли и какие решения мы нашли.
#graph #bigdata #dataplatform #performance
У нас есть граф друзей на 800+ млн вершин и 80+ млрд связей. Он строится на переводах, общих продуктах и другом взаимодействии клиентов. Граф ежедневно растет, содержит суперузлы с миллионами связей и смешанные данные из разных источников.
Считать на таком графе аналитические метрики — задача нетривиальная: классические подходы не дают нужной производительности. Но собирать дорогую специализированную инфраструктуру мы не стали. Вместо этого научились дешево проверять гипотезы о ценности графовой аналитики, опираясь на уже существующие ресурсы.
В карточках рассказываем, какие вызовы возникли и какие решения мы нашли.
#graph #bigdata #dataplatform #performance
❤🔥
12
❤
8
👎
5
Пост от 24.09.2026 18:14
1 173
1
4
⚡️ Собрались как-то на балконе трое из разных областей науки, технологий и моды и… записали подкаст!
ТехноБалкон — наш новый подкаст о технологиях и науке, где мы разбираемся, на что способно будущее. Ведущий Алексей Шпильман вместе с гостями говорит о научных и технологических темах: от ИИ и его применения в разных сферах жизни до медицины, квантовой физики и биологии. А соведущая Алена Повышева задает те самые вопросы, которые обычно возникают у большинства слушателей: «А это вообще как работает?» и «Можно попроще?».
В первом выпуске говорим о лазерах, которые давно вокруг нас: ими корректируют зрение, удаляют камни в почках, режут металл, делают чипы и даже общаются с животными. Вместе с инженером-лазерщиком и преподавателем НИЯУ МИФИ Александром Щекиным разбираемся, как все это работает.
Заглядывайте на наш балкон, где сложные идеи становятся понятными каждому:
↗️ Ютуб
↗️ Рутуб
↗️ ВКонтакте
↗️ Аудиоплатформы
ТехноБалкон — наш новый подкаст о технологиях и науке, где мы разбираемся, на что способно будущее. Ведущий Алексей Шпильман вместе с гостями говорит о научных и технологических темах: от ИИ и его применения в разных сферах жизни до медицины, квантовой физики и биологии. А соведущая Алена Повышева задает те самые вопросы, которые обычно возникают у большинства слушателей: «А это вообще как работает?» и «Можно попроще?».
В первом выпуске говорим о лазерах, которые давно вокруг нас: ими корректируют зрение, удаляют камни в почках, режут металл, делают чипы и даже общаются с животными. Вместе с инженером-лазерщиком и преподавателем НИЯУ МИФИ Александром Щекиным разбираемся, как все это работает.
Заглядывайте на наш балкон, где сложные идеи становятся понятными каждому:
↗️ Ютуб
↗️ Рутуб
↗️ ВКонтакте
↗️ Аудиоплатформы
👍
6
🔥
6
❤🔥
4
Пост от 22.09.2026 18:31
1 919
1
24
*️⃣ Как выпустить фичу без бэкенда и не сорвать дедлайн?
Представьте: вы получили задачу разработать новый финансовый инструмент. Дедлайн через три месяца, команды фронта и мобилки готовы начинать, но бэкенд будет готов только через полтора месяца.
Мы были в такой же ситуации и успели выпустить фичу в срок благодаря инструментам перехвата и мокирования трафика.
В карточках рассказываем, что помогает в таких случаях и как устроен механизм перехвата HTTP-трафика через MITM-атаку. А подробный разбор читайте на Хабре.
#qa #android #ios #web
Представьте: вы получили задачу разработать новый финансовый инструмент. Дедлайн через три месяца, команды фронта и мобилки готовы начинать, но бэкенд будет готов только через полтора месяца.
Мы были в такой же ситуации и успели выпустить фичу в срок благодаря инструментам перехвата и мокирования трафика.
В карточках рассказываем, что помогает в таких случаях и как устроен механизм перехвата HTTP-трафика через MITM-атаку. А подробный разбор читайте на Хабре.
#qa #android #ios #web
❤
12
👍
9
❤🔥
6
Пост от 18.09.2026 12:53
3 454
4
65
🔥 Как мы научили VLM проходить тест-кейсы вместо человека
В нашем мобильном приложении десятки тысяч тест-кейсов. Регресс проводится дважды в месяц, и каждый цикл съедает значительную часть ресурсов QA-команд.
Мы построили AI-QA-агента, который проходит тест-кейсы так же, как это делает человек: запускает приложение на симуляторе, шаг за шагом выполняет сценарий, анализирует экраны с помощью VLM и автоматически сравнивает ожидаемый результат с фактическим.
В карточках рассказываем про устройство архитектуры, почему не подошли готовые решения и какие выводы мы сделали. А больше подробностей читайте на Хабре.
#qa #ai #vlm #mobile #automation
В нашем мобильном приложении десятки тысяч тест-кейсов. Регресс проводится дважды в месяц, и каждый цикл съедает значительную часть ресурсов QA-команд.
Мы построили AI-QA-агента, который проходит тест-кейсы так же, как это делает человек: запускает приложение на симуляторе, шаг за шагом выполняет сценарий, анализирует экраны с помощью VLM и автоматически сравнивает ожидаемый результат с фактическим.
В карточках рассказываем про устройство архитектуры, почему не подошли готовые решения и какие выводы мы сделали. А больше подробностей читайте на Хабре.
#qa #ai #vlm #mobile #automation
❤
13
👍
8
🔥
4
Пост от 16.09.2026 11:46
3 800
1
13
✨ Обучаем рекомендательную модель с помощью Perseus
Летом мы выложили в открытый доступ фреймворк Perseus, который объединяет данные из разных источников в одну последовательность и обучает трансформерные модели.
Если фреймворк показался вам сложным — смотрите подробный туториал, где по шагам рассказываем, как его использовать в ваших задачах.
Вы научитесь:
↗️ Подготавливать данные для дальнейших экспериментов.
↗️ Конфигурировать модель: настраивать архитектуру, учитывать (или нет) различные события и признаки.
↗️ Обучать и инференсить настроенную модель под задачи кандидатогенерации, ранжирования, классификации и регрессии.
В каждой из задач обязательно сравнимся с бейзлайнами.
Какие данные используем?
T‑ECD — это синтетический кросс-доменный датасет на основе реальных данных из сервисов в разделе «Город». На нем Perseus уже доказал свою эффективность в продакшене.
⚡️ Полный туториал читайте на Хабре.
Летом мы выложили в открытый доступ фреймворк Perseus, который объединяет данные из разных источников в одну последовательность и обучает трансформерные модели.
Если фреймворк показался вам сложным — смотрите подробный туториал, где по шагам рассказываем, как его использовать в ваших задачах.
Вы научитесь:
↗️ Подготавливать данные для дальнейших экспериментов.
↗️ Конфигурировать модель: настраивать архитектуру, учитывать (или нет) различные события и признаки.
↗️ Обучать и инференсить настроенную модель под задачи кандидатогенерации, ранжирования, классификации и регрессии.
В каждой из задач обязательно сравнимся с бейзлайнами.
Какие данные используем?
T‑ECD — это синтетический кросс-доменный датасет на основе реальных данных из сервисов в разделе «Город». На нем Perseus уже доказал свою эффективность в продакшене.
⚡️ Полный туториал читайте на Хабре.
👍
9
❤🔥
6
❤
5