Компания Яндекс — Технологии — Технология Крипта
Благодаря Крипте каждый из миллионов людей, которые заходят на сайты сервисов Яндекса и его партнёров, видит на их страницах предложения, которые могут быть актуальны именно для него. Другими словами, эта технология даёт рекламодателям возможность показывать свои объявления только тем, на кого они рассчитаны, например людям определенного возраста, дохода и привычек, которые живут в конкретном районе города. Выяснить, принадлежит ли пользователь к такому сегменту, Крипта может по его поведению в интернете.
Система специально устроена так, что Крипта не получает личной информации о людях и тем более не передаёт её рекламодателям. Каждый пользователь для неё — это набор идентификаторов. Крипта может с высокой вероятностью предположить, что пользователю с таким-то идентификатором может быть интересно такое-то предложение, — но кто этот человек, как его зовут и тому подобное, она не знает.
Построение профиля пользователяКрипта работает на основе различных методов машинного обучения. Чтобы установить признаки, по которым человека можно отнести к какой-либо группе, она исследует сетевое поведение её типичных представителей: какие слова они используют в запросах, сколько запросов задают за сессию, какие сайты посещают, в какое время суток выходят в интернет и т. д. — всего около 300 факторов.
Затем Крипта рассчитывает значимость каждого фактора для конкретного сегмента пользователей. В итоге получается формула, с помощью которой вычисляется вероятность принадлежности пользователя к данной группе. Эти данные пересчитываются каждый день, чтобы успевать реагировать на изменения в интересах людей. Например, если переход в другую возрастную группу требует времени, то стать автолюбителем можно очень быстро. Сама формула тоже время от времени проверяется и, если нужно, корректируется.
«Склейка» профиля из идентификаторов браузеров и устройств
Как уже было сказано выше, пользователь для Крипты — это не человек с именем и фамилией, а набор идентификаторов. Но почему набор? Дело в том, что каждое устройство и браузер, которым человек пользуется для выхода в сеть, имеет свой уникальный идентификатор — файл cookie, который сайты используют, чтобы узнавать пользователя и, например, не спрашивать каждый раз пароль для входа. Свои идентификаторы есть и у приложений — если приложение (например, Карты или Навигатор) отправляет данные на сервера Яндекса, информацию из его идентификатора Крипта тоже учитывает.
Крипта умеет определять, что все эти идентификаторы принадлежат одному пользователю. В результате их «склейки» можно получить более полный портрет человека и распределять рекламные сообщения между его устройствами и приложениями. Например, человеку, который со своего домашнего компьютера часто ищет что-то про средиземноморскую кухню, можно в Навигаторе показать рекламу греческого ресторана, когда он будет проезжать неподалёку.
Для «склейки» применяются два метода — вероятностный и факторный.
Первый позволяет предположить, что два устройства принадлежат одному человеку, если поведение их пользователей очень похоже.
Второй работает с более явными свидетельствами — например, фактором для «склейки» идентификаторов устройств может быть использование одного и того же логина на каком-нибудь сервисе.
Правда, даже такой фактор нельзя трактовать однозначно, ведь одним логином часто пользуются несколько человек, члены семьи или коллеги. Поэтому на последнем этапе «склейки» производится обратный процесс, «расклейка» — устранение лишних и ненадёжных связей.
Данные Крипты о социально-демографических характеристиках аудитории учитываются при отборе контекстных объявлений, которые показываются на сайтах Рекламной сети Яндекса. В медийной рекламе Крипта применяется для показа баннеров людям определенного пола и возраста или, например, только тем, кто почти не смотрит телевизор.
Крипта применяется и в других инструментах для рекламодателей. С её помощью бизнес может показывать свои предложения пользователям, которые похожи на людей, уже ставших его клиентами, и выделять другие сложные сегменты пользователей — для кампаний в Директе, а также в каналах персональной коммуникации. Кроме того, Крипта умеет определять актуальные координаты — их можно использовать для таргетирования кампаний на конкретные районы или, например, для показа рекламы магазина людям, которые оказались рядом с ним.Компания Яндекс — Технологии — Матрикснет
В 2009 году Яндекс внедрил новый метод машинного обучения — Матрикснет. Важная особенность этого метода — в том, что он устойчив к переобучению. Это позволяет учитывать очень много факторов ранжирования — и при этом не увеличивать количество оценок асессоров и не опасаться, что машина найдет несуществующие закономерности. Матрикснет — это метод машинного обучения, с помощью которого строится формула ранжирования Яндекса.С помощью Матрикснета можно построить очень длинную и сложную формулу ранжирования, которая учитывает множество различных факторов и их комбинаций. Другие методы машинного обучения позволяют либо строить более простые формулы с меньшим количеством факторов, либо нуждаются в большей обучающей выборке. Матрикснет строит формулу с десятками тысяч коэффициентов. Это позволяет сделать существенно более точный поиск.
Ещё одна важная особенность Матрикснета — в том, что формулу ранжирования можно настраивать отдельно для достаточно узких классов запросов. Например, улучшить качество поиска только по запросам про музыку. При этом ранжирование по остальным классам запросов не ухудшится. Для примера можно представить себе формулу ранжирования в виде сложного механизма с большим количеством ручек. На механизмах, построенных по другим технологиям, каждая ручка влияет на все запросы. Матрикснет даёт возможность настроить каждую ручку отдельно для своего класса запросов.
Кроме того, Матрикснет автоматически выбирает разную чувствительность для разных диапазонов значений факторов ранжирования. Это в чём-то похоже на работу на аэродроме — когда среди постоянного шума взлетающих самолётов нужно слышать и голоса людей. Если заткнуть уши, то самолёты будут слышны, а голоса — нет. Сотрудники аэропорта работают в специальных наушниках, слабо чувствительных к громкому шуму — так можно услышать и самолёты, и голоса людей.
Поскольку поисковая система работает с очень большими объёмами информации, по каждому запросу ей нужно проверить признаки миллионов страниц, определить их релевантность и соответственно упорядочить — так, чтобы сверху оказались более подходящие страницы. Чтобы проверить свойства всех страниц по очереди, нужно либо очень много серверов, которые могут быстро обработать информацию обо всех страницах, либо очень много времени — а поиск должен работать быстро, иначе пользователи не дождутся результатов. Матрикснет позволяет проверить очень много факторов за короткое время и без существенного увеличения вычислительных мощностей.
Поиск ведётся одновременно на тысячах серверов. Каждый сервер ищет по своей части индекса и формирует список самых лучших результатов. В него гарантированно попадают все самые релевантные запросу страницы.
Дальше из этих списков составляется один общий, и страницы, попавшие туда, упорядочиваются по формуле ранжирования — той самой длинной и сложной формуле, построенной с помощью Матрикснета, с учётом всех факторов и их комбинаций. Таким образом, наверху поисковой выдачи оказываются все самые релевантные сайты — и пользователь почти мгновенно получает ответ на свой вопрос.
Новые технологии Яндекса для роста конверсий — Блог Яндекса для вебмастеров
Яндекс постоянно развивает новые технологии, чтобы помогать вашему бизнесу расти. Мы выявили основные причины низких конверсий для интернет-магазинов и создали набор бесплатных технологий, которые могут увеличить этот показатель. Используйте их, чтобы получить выгоду до 35% GMV*.
Миссия Яндекса — помогать людям решать задачи и достигать своих целей. Поэтому нам важно, чтобы пользователи не только находили товары на поиске, но и легко покупали их.
Наши исследования показали, что чаще всего пользователи не добираются до покупки, потому что не хотят:
— Переходить на сайт из результатов поиска. Часто это связано с тем, что сайт выглядит непривлекательно.
— Ждать загрузки, если сайт открывается слишком долго.
— Регистрироваться на сайте. Многие пользователи не помнят пароль от почты или соцсети и не хотят тратить время, чтобы восстанавливать его или создавать новый аккаунт.
— Заполнять формы, которые отнимают время.
Чтобы решить эти проблемы, мы создали набор бесплатных технологий, которые помогают увеличить конверсию сайта и упрощают путь пользователя к покупке. Сейчас новые технологии доступны для интернет-магазинов в поиске, Яндекс. Браузере и приложении Яндекса. Используйте их вместе или по отдельности — как хотите.
Улучшенные сниппеты для интернет-магазинов
Мы создали более информативные и привлекательные сниппеты: благодаря им пользователи могут ближе познакомиться с магазином прямо в поисковой выдаче. Сниппет показывает рейтинг магазина, а также рейтинг товара, его фотографию и цену.
Сниппеты для интернет-магазинов позволяют покупателю еще на этапе поиска понять, есть ли на сайте нужные ему товары. В итоге это приводит к более успешным сессиям на стороне сайта.
Подключить сниппеты для интернет-магазинов просто: они работают для всех страниц, данные о которых были загружены в Яндекс.Маркет или Турбо-страницы для интернет-магазинов. Если вы не используете эти сервисы — передайте данные для формирования сниппетов напрямую. Для этого нужно загрузить товарный фид в формате YML через специальный интерфейс. Чтобы вам было проще сформировать YML-фид для создания сниппетов, мы собрали в одном месте необходимые для этого плагины для CMS.
Ускорение загрузки сайта
Новый механизм кеширования, разработанный Яндексом, ускоряет работу медленных сайтов. Кеш в приложении и браузере Яндекса сокращает время загрузки страниц. Лучше всего механизм работает на сайтах, реализованных на технологии Single-page application (SPA) и Progressive web app (PWA).
Нативная авторизация
Теперь в браузере и приложении Яндекса пользователь может авторизоваться на сайте за один клик. Если пользователь авторизовался в каком-либо сервисе Яндекса, например, в Почте, а затем открыл интернет-магазин — система предложит войти на сайт с тем же логином. Не потребуется регистрироваться, восстанавливать старый пароль или придумывать новый.
Нативная авторизация еще на шаг приближает человека к покупке.
Автозаполнение форм
Если пользователь однажды указал свои данные в сервисах Яндекса (имя, фамилию, телефон, email или адрес), эта информация автоматически подставится в форму на вашем сайте с согласия пользователя. Ему нужно только подтвердить данные или отредактировать их при необходимости.
Автозаполнение существенно сокращает количество шагов покупателя при оформлении заказа — а значит поможет увеличить конверсии без дополнительных усилий. Среди пользователей, имеющих логин в Яндексе, конверсии могут увеличиться до 20%*.
Попробуйте также Турбо-страницы для интернет-магазинов
Турбо-страницы для интернет-магазинов помогают повысить число заказов за счет быстрой загрузки и оптимальной верстки под мобильные устройства. Создать Турбо-версию сайта с привлекательной главной страницей, списками товаров, корзиной и оплатой можно всего за пару кликов. А недавно Турбо-страницы обзавелись товарными рекомендациями, которые автоматически перестраиваются под интересы каждого пользователя.
Улучшенные сниппеты, автозаполнение форм, нативная авторизация и ускоренная загрузка страниц сайта уже доступны для Турбо-магазинов прямо из коробки: без дополнительного подключения.
Как использовать новые технологии
Чтобы добиться максимального эффекта, используйте все четыре технологии в связке. Либо подключайте только те, которые подходят именно вам. Например, при низком CTR сниппетов стоит попробовать улучшенные сниппеты для интернет-магазинов.
Некоторые из наших партнеров уже попробовали новые инструменты в режиме бета-тестирования и получили такой результат:
• ЛитРес: подключили ускорение сайта и нативную авторизацию. В результате количество заказов в приложении и браузере Яндекса увеличилось на 15%.
• 220 Вольт: подключили ускорение сайта и автозаполнение форм. В результате количество покупок в приложении и браузере Яндекса увеличилось на 20%.
Иван Кулик, директор интернет-магазина 220 Вольт:
«Благодаря участию в бета-тестировании Яндекса, доля нашего мобильного трафика значительно превысила этим летом долю десктопной версии.
По нашей оценке, самый большой прирост дала опция автозаполнения форм. Благодаря этой технологии, рост конверсии при оформлении покупки составил 16%, а количество брошенных корзин сократилось на 4%.
Также мы ускорили загрузку страниц на сайте с помощью механизма кэширования ресурсов. Это особенно актуально для мобильного трафика в регионах. Чтобы протестировать платформу, мы реализовали интеграцию через готовые клиентские библиотеки JavaScript и стандартные API, это позволило очень быстро внедрить все ключевые компоненты платформы».
Все новые технологии для увеличения конверсий доступны в Турбо «из коробки», а также применимы и для обычных сайтов. И все это — бесплатно. Используйте их, чтобы упростить путь пользователя к покупке!
*Данные получены в результате бета-тестирования с партнерами
P. S. Подписывайтесь на наши каналы
Блог Яндекса для Вебмастеров
Канал Яндекса о продвижении сайтов на YouTube
Канал для владельцев сайтов в Яндекс.Дзен
Как мы тестируем рекламные технологии Яндекса, и как этому научиться
Меня зовут Константин Власов, и я руковожу в Яндексе службой управления качеством баннерной системы. Как вы можете догадываться, тестирование быстроменяющейся системы таких масштабов, как наши рекламные технологии, со всеми базами данных, репликацией компонент, протоколами взаимодействия между подсистемами, а также при довольно частых релизах, — непростое дело. При этом тестировать все нужно очень тщательно, ведь любая ошибка потенциально может принести серьезный ущерб бизнесу компании. И речь тут идет не только о репутационных издержках, но и о потере реальных денег.Сегодня я хочу рассказать об этом чуть подробнее, а тех, кому станет интересно, позову научиться тестировать такие комплексные системы и попробовать все это на практике.
Начнем, конечно же, с рассказа о том, что мы тестируем. В Яндексе есть два рекламных направления: контекстная и медийная реклама.
Контекстная реклама – это текстовые объявления, которые вы наверняка видели в поисковой выдаче и на сайтах, входящих в рекламную сеть Яндекса, медийная — это флеш, гиф, видео реклама.
Казалось бы, ничего сложного: показал рекламу, списал деньги с рекламодателей и все. Но рынок рекламных технологий устроен так, что показывать пользователям случайную рекламу — невыгодно. Рекламодатели хотят показывать рекламу именно тем пользователям, которым она действительно может оказаться полезной и интересной. Эффективность рекламного объявления напрямую зависит от его релевантности.
Повышение релевантности — очень непростая задача, требующая наличия большого количества информации как о поведении самого пользователя, так и о многих других критериях. Поэтому наша баннерная система включает в себя кластеры машинного обучения, сложные алгоритмы ранжирования, огромные базы данных и сверхбыстрые веб-сервера, необходимые для моментальной передачи данных.
Для персонализации медийной рекламы мы используем технологию Крипта. Это метод машинного обучения, который анализирует поведение каждого пользователя в сети Яндекса, что позволяет узнать социально-демографические характеристики пользователей: возраст, пол, образование, уровень дохода, интересы — несколько сотен параметров, на основании которых мы можем показывать рекламу, предположительно полезную конкретному пользователю. Для контекстной рекламы основную роль играет поисковый запрос, который пользователь только что ввел, а также история запросов. Также учитывается местоположение пользователя и время запроса.
Каким образом происходит подбор объявлений для показа в каждом конкретном случае – тема отдельного рассказа. Некоторое представление об этом процессе можно составить из лекции нашего коллеги Михаила Левина. Стоит лишь отметить, что в лекции приводится несколько упрощенная модель расчета вероятности показа того или иного объявления. На самом деле, помимо CTR (click-through rate) – отношения кликов к показам – в ранжировании участвует множество алгоритмов, учитывающих огромное количество факторов и коэффициентов, в генерации которых нам помогает технология машинного обучения Матрикснет.
Важно понимать, что весь процесс генерации рекламных блоков должен происходить очень быстро — буквально несколько миллисекунд. Естественно, вся статистика просчитывается заранее. Однако все эти данные нужно быстро извлекать и пересылать между компонентами нашей системы. Для этого мы используем высокопроизводительный веб-сервер Phantom. И все это работает под нагрузкой, которую можно примерно сопоставить с нагрузкой на основной поиск Яндекса.
Тестирование
Тестируемая система – это набор веб-сервисов и множество скриптов, различные базы данных и интерфейсы, поэтому из-за многообразия компонентов мы делаем упор на автоматизацию тестирования. Фреймоворки для автоматизации тестирования мы создаем и поддерживаем сами. Основные языки разработки в нашей команде – Python, Perl.
В тестировании быстроменяющейся системы таких масштабов, как наши рекламные технологии, со всеми базами данных, репликацией компонент, протоколами взаимодействия между подсистемами, а также при довольно частых релизах, никак не обойтись без сложной инфраструктуры и Continuous Integration (CI). Сейчас у нас реализован полный CI цикл с использованием Jenkins и OpenStack-облака.
Нами также были разработаны несколько плагинов для Jenkins, а также использован универсальный инструмент для составления кастомных тестовых репортов Allure, любезно предоставленный нашими коллегами.
Команда
У нас нет классического разделения на тест-дизайнеров, разрабатывающих тест-кейсы, и автоматизаторов. В нашей работе много технической разработки, поэтому расти можно не только в части тестирования, но и в плане технологий. Все делается с одной единственной целью – предоставить пользователю качественный продукт. Работа достаточно стрессовая, поэтому мы стараемся создавать на рабочем месте приятную и веселую обстановку. У каждого есть свои предпочтения: спорт, музыка, видеоигры, настолки и т.д.
Мы активно растем и развиваемся, и нашей команде нужны новые кадры, поэтому родилась идея создать Школу тестирования баннерной системы – двухмесячные курсы, которые смогут дать необходимые знания и навыки для работы в нашей команде.
Обучение включает в себя не только теоретическую часть, но и практику, заключающуюся в решении задач, похожих на боевые. Читать лекции и вести практические занятия будут специалисты из нашей команды. Студентам, продемонстрировавшим успехи в процессе обучения, будет предложено пройти стажировку в Яндексе. Но даже если вы не ставите перед собой цели устраиваться на работу в Яндекс, наша школа – это отличный шанс научиться тестированию непосредственно у людей, которые развивают эту область. Наш курс можно разделить на несколько тем:
- процесс разработки и тестирования ПО;
- работа с системами контроля версий;
- работа с базами данных;
- анализ требований и проектирование тестов;
- написание тестовой документации;
- разработка автоматизированных тестов и целесообразность автоматизации;
- командная работа и эффективное взаимодействие.
Программа курса
- Автоматизация тестирования: где, когда, зачем?
Тимур Лукин, Яндекс - Автоматизация тестирования с xUnit
Александр Ярулин, Яндекс - CI/CD: избавляемся от понятий «релиз» и «деплоймент»
- Жизненный цикл продукта
Алексей Лапаев, Яндекс - Эффективная команда и пространство задач
Павел Новоселов, Яндекс - Agile vs. waterfall: какой из методов разработки использовать?
Инна Слизовская, Яндекс - Какие бывают типы софта?
Константин Власов и Денис Чернилевский, Яндекс - Архитектура и проектирование ПО
Тимур Лукин, Яндекс - Типы и подходы тестирования
Дмитрий Исаев, Яндекс - Тест-менеджмент: статистика, документация и планы
Инна Слизовская, Яндекс
Василий Михайлов, Яндекс- Как правильно выбрать язык программирования?
Иван Калинин, Яндекс - SQL: MSSQL, MySQL + ORM
Фёдор Строк, Яндекс - Современный веб как сложная система
Марат Мавлютов, Яндекс - Протоколы межкомпонентного взаимодействия
Алексей Лапаев, Яндекс - Система контроля версий
Кирилл Лабетов, Яндекс
Более подробная информация доступна на странице нашей школы, там же можно оформить заявку на зачисление. Набор продлится до 19:00 21 февраля.
«Почта России» внедрила голосового помощника на базе технологии «Яндекса»
Для обработки запросов клиентов горячей линии «Почта России» запустила собственного голосового ассистента на базе технологии Yandex SpeechKit, входящей в экосистему сервисов облачной платформы «Яндекса».
Внедрение голосового помощника позволило увеличить производительность работы горячей линии по вопросам оказания услуг почтовой связи 8-800-1000000, сняв часть нагрузки с операторов контактного центра. На данный момент 30% обращений обрабатываются в автоматическом режиме. Голосовой помощник быстро находит необходимую информацию в базах данных, время диалога сократилось в 2 раза: в среднем с 3 минут при общении с оператором до 1,5 минут – с голосовым помощником. Особенно эффективно он позволяет справиться с пиковыми нагрузками, например, в период повышенного спроса в предновогодний сезон или во время самоизоляции.
Голосовой ассистент уже обслуживает запросы клиентов по 9 тематикам. Он успешно помогает в поиске интересующего почтового отделения на всей территории России, отвечает на вопросы о режиме работы отделений, о статусах посылок и писем. Также с его помощью можно узнать, как быстро отправить посылку или как получить свое отправление на дом. При этом голосовой ассистент активно обучается новым навыкам.
«Диалог нашего голосового ассистента приближен к человеческому общению, мы проводим еженедельное обновление версии его искусственного интеллекта. С Yandex SpeechKit «Почта России» вышла на новый уровень по качеству обслуживания в контакт-центре, став быстрее и удобнее для наших клиентов», — отмечает заместитель генерального директора АО «Почта России» по операционному управлению и розничной торговле Михаил Волков.
Проект по роботизации контактного центра реализовала компания «Авиационные Технологии Связи» на базе технологии Yandex SpeechKit облачной платформы Yandex.Cloud. Благодаря применению специально подготовленных языковых моделей и применения средств NLU (сокр. от Natural Language Understanding, восприятие естественного языка) голосовой ассистент способен вести диалог с клиентом, приближенный к человеческому общению, при этом, распознавая речь клиента на уровне 92-95%. Для понимания русскоязычной интерпретации цифр и латинских букв трек-номеров был разработан специальный модуль, способный быстро проверить множественные гипотезы услышанного с применением нескольких моделей распознавания.
Новые технологии Яндекса для рекламы и увеличения конверсий на сайтах
В Яндекс.Навигаторе появился аудиобаннер
В сервисе Яндекс.Навигатор появился новый рекламный формат — аудиорбаннер. Аудиоролик длительностью от 5 до 30 секунд можно добавить к баннеру по маршруту. Рекламное объявление появляется внизу экрана Навигатора, когда скорость автомобиля равна нулю.
Формат призван стать ещё одной точкой нативного соприкосновения с клиентом и будет полезен тем, кто хочет охватить аудиторию водителей автомобилей.
Новые видеоформаты для перформанс-задач
В Яндекс Директе появилось два новых формата — видео в текстово-графических объявлениях (ТГО) и вертикальные ролики.
Видео в ТГО позволяет сочетать видео и текстовый формат — теперь рекламодатели смогут информативнее и ярче представить своё предложение.
Вертикальные ролики в видеообъявлениях Яндекс.Директа позволят эффективнее взаимодействовать с аудиторией мобильных устройств. Такой формат показывается в Рекламной сети Яндекса на мобильных сайтах и в приложениях.
Для объявления можно использовать своих видео или воспользоваться видеоконструктором, создав цепляющий и вовлекающий рекламный ролик.
Обновлённый баннер на Главной странице Яндекса
Баннер на Главной странице Яндекса стал заметнее при показе на десктопах. Результаты тестирования показывают, что за счёт этого кликабельность (CTR) баннера выросла на 30%.
Ниже пунктиром на изображении обозначены границы прежней версии баннера:
Настройка формата скоро будет упрощена: достаточно будет добавить один баннер размером 1456×180 для десктопной Главной страницы, о чем Яндекс заранее сообщит.
Протестировать обновлённый баннер на Главной можно уже сейчас, а в январе и феврале 2021 года это можно будет сделать со скидкой на размещение. Подробнее об условиях здесь.
Новые технологии Яндекса для увеличения конверсий на сайтах
Помимо рекламных объявлений, Яндекс ввел новые технологии для увеличения конверсий на сайтах. В первую очередь, нововведения будут полезны интернет-магазинам.
Улучшенные сниппеты для интернет-магазинов
Информативный и привлекательный сниппет напрямую влияет на конверсии интернет-магазинов. Это то, что пользователь видит на этапе поиска и принятия решения о посещении сайта.
Сниппеты для интернет-магазинов показывают рейтинг магазина, рейтинг товара, его фотографию и цену. Чтобы подключить такие сниппеты, необходимо загрузить ключевые страницы в Яндекс.Маркет или на Турбо-страницы, либо передать данные для формирования сниппетов напрямую через специальный интерфейс.
Ускорение загрузки сайта
Новый механизм кэширования от Яндекса позволит ускорить работу медленного сайта. Кеш в приложении и браузере Яндекса сокращает время загрузки страниц. Лучше всего механизм работает на сайтах с использованием технологии Single-page application (SPA) и Progressive web app (PWA).
Нативная авторизация
Новая технология, которая ещё на шаг приближает человека к покупке. Если у пользователя есть аккаунт на Яндексе, он может авторизоваться на сайте в один клик, чтобы оставить комментарий или сделать заказ. Нативная авторизация работает в приложении Яндекс и Яндекс.Браузере.
Автозаполнение форм
Ещё одно нововведение, которое существенно сокращает количество шагов покупателя при оформлении заказа. Если пользователь однажды указал свои данные в сервисах Яндекса — имя, фамилию, телефон, почту или адрес, эта информация автоматически подставится в форму на сайте с согласия пользователя.
Поделиться:
Почта России внедрила голосового помощника на базе технологии Яндекса
Для обработки запросов клиентов горячей линии Почта России запустила собственного голосового ассистента на базе технологии Yandex SpeechKit, входящей в экосистему сервисов облачной платформы Яндекса.
Внедрение голосового помощника позволило увеличить производительность работы горячей линии по вопросам оказания услуг почтовой связи 8-800-1000000, сняв часть нагрузки с операторов контактного центра. На данный момент 30% обращений обрабатываются в автоматическом режиме. Голосовой помощник быстро находит необходимую информацию в базах данных, время диалога сократилось в 2 раза: в среднем с 3 минут при общении с оператором до 1,5 минут – с голосовым помощником. Особенно эффективно он позволяет справиться с пиковыми нагрузками, например, в период повышенного спроса в предновогодний сезон или во время самоизоляции.
Голосовой ассистент уже обслуживает запросы клиентов по 9 тематикам. Он успешно помогает в поиске интересующего почтового отделения на всей территории России, отвечает на вопросы о режиме работы отделений, о статусах посылок и писем. Также с его помощью можно узнать, как быстро отправить посылку или как получить свое отправление на дом. При этом голосовой ассистент активно обучается новым навыкам.
«Диалог нашего голосового ассистента приближен к человеческому общению, мы проводим еженедельное обновление версии его искусственного интеллекта. С Yandex SpeechKit Почта России вышла на новый уровень по качеству обслуживания в контакт-центре, став быстрее и удобнее для наших клиентов», – отмечает заместитель генерального директора АО «Почта России» по операционному управлению и розничной торговле Михаил Волков.
Проект по роботизации контактного центра реализовала компания «Авиационные Технологии Связи» на базе технологии Yandex SpeechKit облачной платформы Yandex.Cloud. Благодаря применению специально подготовленных языковых моделей и применения средств NLU (сокр. от Natural Language Understanding, восприятие естественного языка) голосовой ассистент способен вести диалог с клиентом, приближенный к человеческому общению, при этом, распознавая речь клиента на уровне 92-95%. Для понимания русскоязычной интерпретации цифр и латинских букв трек-номеров был разработан специальный модуль, способный быстро проверить множественные гипотезы услышанного с применением нескольких моделей распознавания.
Яндекс против Сбербанка: битва российских технологических и финансовых гигантов начинается
Борьба Яндекса и Сбербанка за контроль над финансовой и технологической отраслями России объявляется крупнейшим корпоративным противостоянием десятилетия.
«Сбербанк против Яндекса: битва суперплатформ началась», — заявила на прошлой неделе российская деловая газета «Ведомости». «Новая газета» пошла еще дальше, назвав ее «войной экосистем».
Столкновение, которое назревало в тени на протяжении многих лет, оказалось в центре внимания на прошлой неделе, когда Яндекс объявил о заключении сделки по покупке нового банка онлайн-претендентов Тинькофф.Менее чем через 48 часов Сбербанк представил то, что он назвал «крупнейшей трансформацией в своей истории», представив набор технологических продуктов и исключив слово «банк» из своего корпоративного бренда.
Эти разработки означают, что эти двое теперь либо напрямую конкурируют друг с другом, либо через свои дочерние компании и совместные предприятия в столь разных областях, как банковское дело и финтех, совместное использование поездок, автомобили без водителя, искусственный интеллект, доставка еды, виртуальные помощники, потоковая передача мультимедиа и облачные технологии. услуги передачи данных.
Битва за будущее
Обе фирмы планируют опираться на свои устоявшиеся центры прибыли для стимулирования инвестиций в другие свои проекты. Но причины двух последних событий — «Яндекс» соглашается купить «Тинькофф» и «Сбербанк», начинающий агрессивную политику в области технологий, — разные, говорят аналитики.
Для Яндекса поглощение Тинькофф — это агрессивная экспансия, приносящая потенциально прибыльный источник новой прибыли и помогающая сократить транзакционные издержки для других розничных операций, особенно электронной коммерции, которая в России все еще находится на ранней стадии развития.
«Яндекс займет довольно агрессивную позицию, чтобы воспользоваться этой возможностью», — говорится в аналитической записке ВТБ Капитал, добавив, что, по его расчетам, на долю Яндекса приходилось всего 1% рынка электронной коммерции в 2019 году через свою платформу Яндекс Маркет. ВТБ прогнозирует, что к 2024 году выручка Яндекс Маркета быстро вырастет почти до 200 миллиардов рублей (2,6 миллиарда долларов) — больше, чем все доходы компании в прошлом году.
В этом смысле продвижение Яндекса в сферу финансовых технологий соответствует мировым тенденциям в технологической индустрии, говорится в недавнем отчете Альфа-банка.
НовостиАкции Яндекса достигли рекордного уровня: аналитики приветствуют сделку Тинькофф
на 5,5 млрд долларов Прочитайте больше«Крупнейшие мировые игроки …. постоянно расширяют спектр своих банковских и финансовых цифровых услуг. Учитывая, что к 2023 году объем транзакций Яндекса может достичь 1,6 триллиона рублей (21 миллиард долларов), у него есть острая необходимость в создании собственной финансовой платформы », — отмечают аналитики Альфа-банка.
Между тем поворот Сбербанка к тому, чтобы стать технологическим игроком, — это защитный ход.
«Стратегия экосистемыСбербанка — это в значительной степени инструмент удержания клиентов», — сказал аналитик ВТБ Капитал Михаил Шлемов, назвав низкие комиссии за новую услугу подписки «Сбер Прайм» очевидной попыткой удержать клиентов, которых он в противном случае может потерять.
С этим согласны и другие участники рынка. После презентации Сбербанком своих новых технологических продуктов и услуг телекоммуникационный бизнесмен и бывший генеральный директор «Евросети» Александр Малис сказал Forbes: «Маловероятно, что это приведет к появлению новых клиентов для Сбербанка.Но они могут помочь сформировать более тесную связь с существующими, заставляя их использовать новые функции в экосистеме «Сбер» ».
Mail.Ru угол
Некоторые задаются вопросом, что означает открытие новых продуктов Сбербанком для его партнерства с другим крупным конкурентом Яндекса, Mail.Ru. Банк контролирует примерно пятую часть голосующих акций Mail.Ru, и у них есть совместное предприятие по запуску некоторых из наиболее хорошо разработанных нефинансовых продуктов, в которых участвовал Сбербанк: доставка такси, доставка еды и экспресс-доставка продуктов.
Вскоре после презентации Сбербанка на прошлой неделе основатель Тинькофф Банка миллиардер Олег Тиньков написал в Instagram: «Если бы у нас были такие финансовые возможности, мы бы, безусловно, сделали бы то же самое и даже быстрее. На их месте мы бы давно купили Mail.Ru ».
И Mail.Ru, и Сбербанк выступили против этой идеи, но аналитики убеждены, что теперь они будут углублять свое сотрудничество в борьбе с угрозой, исходящей от объединенного Яндекс-Тинькофф.
«По мере роста конкуренции в экосистеме Яндекс-Тинькофф идет за дойной коровой розничного бизнеса Сбера…. более тесное сотрудничество между Сбером и Mail.Ru более вероятно », — сказал Шлемов из ВТБ Капитал.
Кто победит?
Рынки с большим энтузиазмом отнеслись к сотрудничеству Яндекс и Тинькофф, чем к яркой технической презентации Сбербанка.
Яндекс немедленно получит одну из самых быстрорастущих и инновационных банковских компаний в России и огромный источник денежного потока. Прибыль Тинькофф в 2019 году превысила 500 миллионов долларов по сравнению с 180 миллионами долларов в Яндексе.
Аналитики указывают на близкое совпадение с точки зрения «предпринимательской ДНК» этих двух компаний, ориентации на клиентов и глубокого опыта в области технологий и инноваций, которые повышают перспективы успешной интеграции.
Специализация Сбербанка в области технологий менее очевидна, хотя в последние годы он активно набирает сотрудников — переманивая ключевых специалистов из «Яндекса», включая бывшего руководителя отдела экспериментальных продуктов, для управления подразделением «Умные устройства» Сбербанка. Отражая иерархическую структуру государственного банка, некоторые аналитики говорят, что толчок к технологиям идет сверху, и задаются вопросом, насколько далеко он идет вниз.
«Деятельность Сбербанка в цифровом сегменте сильно зависит от существующей управленческой команды», — писал Альфа-банк.«Мы не исключаем, что ситуация может измениться после 2023 года, если Герман Греф не будет переизбран на новый срок генеральным директором».
Их главное преимущество в надвигающейся битве — размер — как с точки зрения досягаемости, так и с точки зрения ресурсов. Балансы двух империй несопоставимы. Даже вместе Яндекс и Тинькофф сумели зафиксировать за весь 2019 год только столько прибыли, сколько Сбербанк за средний трехнедельный период — 13,7 миллиарда долларов в год по сравнению с 760 миллионами долларов.
Клиентская сеть Сбербанка — более 96 миллионов розничных клиентов на конец 2019 года — также означает, что он может получить огромную долю рынка в таких областях, как стриминг, электронная коммерция и виртуальные домашние помощники, даже если только небольшая часть его текущих клиентов воспользуется услугами предложение.Согласно его данным, средний клиент уже пользуется более чем четырьмя различными продуктами или услугами Сбербанка.
Не стоит недооценивать и амбиции Грефа. Представители Сбербанка заявили, что хотят увеличить долю нефинансовых продуктов с менее 2% до 30% в его доходах. В 2019 году это было бы эквивалентно 7,5 миллиардам долларов — почти в три раза больше всей выручки Яндекса.
Однако преимущества, которые дает государственная монополия, также могут быть самым большим недостатком Сбербанка.Российское правительство обязывает Сбербанк распределять не менее половины своей прибыли в виде дивидендов, уничтожая потенциальный источник капитала. Соответственно, на прошлой неделе банк объявил о самых высоких выплатах корпоративных дивидендов в России.
Есть также вопросы о том, сколько энергии и управленческих ресурсов отвлекается на эти новые экспериментальные направления бизнеса — и что это означает для основных банковских операций. Поддержание 14 000 филиальной сети по всей стране по-прежнему является дорогостоящей — и для многих молодых клиентов устаревшей — моделью, которая дала возможность бросить вызов банкам, таким как Тинькофф.
НовостиПандемия коронавируса перебалансирует корпоративный ландшафт России
Прочитайте большеХотя конфликт окрестили «войной», аналитики также отмечают, что в России давно назрела цифровизация, и обе стороны легко могут выйти победителями. Электронная коммерция, например, составляет всего 5% розничных расходов в России и является сильно фрагментированной отраслью.
Лидер рынка Wildberries контролирует около 12%, в то время как Ozon с долей рынка 5% готовится к многомиллиардному первичному публичному размещению (IPO) в конце этого года. Amazon, напротив, контролирует более 40% рынка США.
И Яндекс, и Сбербанк являются монополиями или лидерами рынка в большинстве секторов, в которых они работают, и многие аналитики предполагают, что они просто переросли свою территорию.
Интернет-рекламная сеть Яндекса — преимущественно поисковые продукты — принесла в прошлом году 70% выручки, при этом доход от такси увеличился еще на 21%.
«Яндексу нужно выйти за рамки интернет-рекламы. Он уже контролирует почти половину онлайн-рынка, и трудно ожидать дальнейшего значительного роста », — сказал аналитик« Финама »Леонид Делицын.
Сбербанк сталкивается с аналогичной проблемой насыщения рынка, считает аналитик Freedom Finance Георгий Ващенко.
«Конкуренция на классическом банковском рынке тяжелая, рентабельность резко упала, а рост доходов практически остановился», — сказал он.
«Развитие экосистем — главный стратегический приоритет.”
kirillsulim / xy2xy: Список технологий, аналогичных внутренним технологиям Яндекса
GitHub — kirillsulim / xy2xy: Список технологий, аналогичных внутренним технологиям ЯндексаСписок технологий, аналогичных внутренним технологиям Яндекса
Файлы
Постоянная ссылка Не удалось загрузить последнюю информацию о фиксации.Тип
Имя
Последнее сообщение фиксации
Время фиксации
Список технологий, аналогичных внутренним технологиям Яндекса.
Этот репозиторий вдохновлен xg2xg.
Для кого этот файл?
Этот файл может подойти опытным разработчикам, которые:
- Начинает работать в Яндекс. В этом случае этот документ поможет вам перевести архитектуру, основанную, например, на Kafka и Airflow, на Logbroker и Nirvana.
- Покинуть Яндекс. В этом случае этот документ поможет вам перевести архитектуру, основанную, например, на Logbroker и Nirvana, на Kafka и Airflow.
- Просто хочу увидеть список «больших орудий».
Основные технологии
| Технологии | Яндекс внутренний | Аналоги |
|---|---|---|
| Система контроля версий | дуга | git (открытый исходный код) svn (открытый исходный код) perforce (коммерческий) |
| Строительный инструмент | я сделаю | CMake (открытый исходный код) Bazel (открытый исходный код) |
Поиск
| Технологии | Яндекс внутренний | Аналоги |
|---|---|---|
| Получение изображений на основе содержимого | Сибирь |
Обработка естественного языка
Базы данных и обработка данных
Внешний вид
Тестирование
DevOps
Машинное обучение
Менеджмент
Contibuting
Не стесняйтесь добавлять любые технологии.Если вы добавляете внутреннюю технологию Яндекса, вы должны предоставить ссылку, подтверждающую, что эта технология не находится под NDA. Обычно это ссылка на официальный блог Яндекса на habr.com, ссылка на официальный каталог технологий Яндекса или ссылка на официальный репозиторий Яндекса на GitHub.
Почему HTML в .md?
Большие таблицы уценки — беспорядок. Большие таблицы HTML немного менее беспорядочные, поэтому я выбрал HTML.
Около
Список технологий, аналогичных внутренним технологиям Яндекса
Темы
Ресурсы
Вы не можете выполнить это действие в настоящее время.Вы вошли в систему с другой вкладкой или окном. Перезагрузите, чтобы обновить сеанс. Вы вышли из системы на другой вкладке или в другом окне. Перезагрузите, чтобы обновить сеанс.Графические технологии Яндекс.Такси: идеальный поиск без маршрутизации API-запросов | от Яндекс.Такси: Под капотом
Артем Бондаренко и Сергей Воронцов, Яндекс.Такси Торговая площадка Эффективность
Когда вы заказываете поездку, ваша служба каршеринга попытается найти водителя, который сможет добраться до вас быстрее всех, чтобы вы тратят меньше времени на ожидание, и они тратят меньше времени на бесплатную поездку.Как правило, служба совместного использования автомобилей использует API маршрутизации, предоставляемый Google Maps и т. Д., Чтобы проверить ожидаемое время прибытия, сравнить их и выбрать лучший автомобиль для вас. Но этот простой поиск является очень дорогостоящим и неэффективным при масштабировании. В Яндекс.Такси нашли изящное решение этой проблемы. Наш новый алгоритм на основе графов каждый раз находит самый быстрый автомобиль, устраняя при этом дорогостоящие вызовы API.
Пятнадцать лет назад, когда мы еще жили в мире без агрегаторов такси, время посадки могло достигать получаса и более.Диспетчеры вручную выбирали ближайший автомобиль из относительно небольшого пула. С появлением агрегаторов количество доступных автомобилей резко возросло, а поиск ближайших водителей был автоматизирован. Но сегодня эффективность этого процесса оставляет желать лучшего.
Когда дело касается крупных игроков рынка, этот процесс необходимо оптимизировать вместе с необходимыми вычислительными ресурсами. Это как раз та задача, которую мы любим решать в Яндекс.Такси. В этом посте мы расскажем, как мы разработали алгоритм, который элегантно решает эту проблему.
Начнем со «старого» прямого подхода.
В реальном мире автомобили передвигаются по дорогам. Но в электронном мире агрегаторы знают только свои координаты на плоскости. Они не имеют ни малейшего представления о том, на какой улице движется транспортное средство и по какому пути следует подобрать водителя. Легко понять, почему знание дорожной сети и трафика имеет решающее значение для определения того, какой автомобиль доберется до места быстрее всего. Здесь на помощь приходят сервисы маршрутизации.
Приложения для совместного использования позволяют рассчитать время прибытия в пункт отправления для каждой доступной машины.Традиционно они используют службу маршрутизации, чтобы отображать маршруты для каждого транспортного средства на основе текущего трафика.
Но вот в чем проблема: запросы на маршрутизацию стоят денег. Невозможно каждый раз спрашивать у маршрутной службы о каждой машине в городе, не обанкротившись. Предположим, есть город с 100 000 запросов в день и 1 000 автомобилей, доступных в любой момент времени. Оценка времени прибытия каждой машины в город может стоить десятки или даже сотни тысяч долларов в день, что непомерно дорого.
Для нашего метода мы использовали сервисы маршрутизации нашей материнской компании, предоставляемые Яндекс-картами. Наличие собственной службы маршрутизации — огромное преимущество, но каждый дополнительный запрос маршрутизации по-прежнему не был бесплатным, поскольку увеличивал нагрузку на наш сервер.
Значит, по-прежнему нужно было как-то ограничивать количество проверяемых автомобилей. Но поскольку все, что вы знаете об автомобилях, — это их координаты, вы можете выбрать только ближайшие автомобили по геометрическому расстоянию (то есть по кругу). Действительно, проверять водителей на другом конце города бессмысленно.
К сожалению, бывают случаи, когда кружок вокруг места посадки, который обычно работает нормально, не включает ближайшую машину. Представьте себе всадника, ожидающего на одной стороне реки, а несколько водителей ждут на другой стороне без каких-либо близлежащих мостов. Этот случай может показаться редким, но по мере того, как ваше приложение масштабируется и начинает обслуживать миллионы людей, вы обнаруживаете, что теряете оптимальные совпадения в значительном количестве случаев. Это означает, что по мере того как вы ограничиваете запросы услуг маршрутизации меньшим кругом вокруг пункта посадки, вы увеличиваете риск того, что не найдете автомобиль, который может быстро забрать водителя.
Это приводит к следующему компромиссу:
● Сэкономьте на количестве путей, запрашиваемых службой маршрутизации, но рискуете не найти самый быстрый автомобиль
● Или всегда находите водителя с самым быстрым временем посадки, но платите через зубы в оплате услуг маршрутизации.
Новый алгоритм, который мы разработали, исключает компромисс между эффективностью и ценой: он гарантирует, что самый быстрый автомобиль будет найден каждый раз, и делает ненужными запросы к дорогостоящим службам маршрутизации.Это может показаться волшебством, но за этим стоит тяжелая работа. Нам пришлось разобрать весь процесс сопоставления и собрать новый с новыми структурами данных и новыми алгоритмами, оптимизированными для каждой задачи.
Мы начали с изучения сервисов технической маршрутизации, которые используются для обработки запросов от приложений для совместного использования. Обычно он основан на данных городской дорожной сети и трафика, включая расположение улиц, их взаимосвязи, направления движения на этих улицах и скорость движения.Служба маршрутизации находит самый быстрый маршрут из одной точки в другую и прогнозирует время, которое потребуется автомобилю, чтобы проехать по нему. Затем приложение для совместного использования сравнивает ожидаемое время прибытия всех доступных водителей в определенной близости, чтобы выбрать самого быстрого. Поэтому приложения для совместного использования поездок полагаются на внешние службы маршрутизации, чтобы знать, как быстро водители могут добраться до места отправления.
Легко видеть, что если бы у нас были все эти знания на нашей стороне, мы могли бы каждый раз правильно находить самую быструю машину.Вот почему мы решили интегрировать структуру дорожных сетей в наши системы. Мы построили структуру данных графа с ребрами, представляющими улицы, узлами, представляющими перекрестки, и всеми характеристиками, необходимыми для расчета оптимального маршрута и времени прибытия, включая ограничения движения и скорость движения на каждом краю. Теперь Яндекс.Такси видит автомобили не как массу точек на поверхности, а как места на структуре данных графа.
Имея такую структуру, мы используем один из наших алгоритмов «обхода графа» для поиска на графе и определения драйвера, который первым достигнет точки подбора.Более того, алгоритм может найти любое указанное количество автомобилей в порядке ожидаемого времени прибытия.
Обратите внимание, что без данных о трафике в реальном времени было бы невозможно правильно предсказать время прибытия автомобилей. Недостаточно знать дорожную систему, потому что текущие условия движения сильно влияют на то, сколько времени потребуется, чтобы добраться из пункта А в пункт Б.
Как упоминалось выше , Яндекс.Такси имеет огромное преимущество перед другими компаниями, занимающимися вызовом такси, когда речь идет о картографии и навигации в реальном времени.У нас есть доступ к картам и совершенно точным, регулярно обновляемым данным о дорожной инфраструктуре с помощью геосервисов нашей материнской компании Яндекс. Кроме того, мы полагаемся на геосервисы Яндекса для получения данных о дорожной обстановке в режиме реального времени, что очень важно для точной оценки времени прибытия. Яндекс.Такси использует эти тесные отношения для создания лучших в своем классе технологий и услуг.
Две части — график и данные о дорожном движении в реальном времени — взаимодействуют в гармонии, создавая совершенно новый способ подбора гонщиков и водителей.Мы устранили необходимость запрашивать время прибытия для каждой машины поблизости от службы маршрутизации. Используя дорожную инфраструктуру и данные о дорожном движении в режиме реального времени, мы создали алгоритм, который выполняет поиск по дорожной диаграмме и находит автомобили строго по времени посадки. Другими словами, мы решили проблему «ближайшего автомобиля» максимально точно, без необходимости многократных запросов маршрутизации. И вишенка на вершине: наш подход также определяет произвольное количество ближайших автомобилей с максимальной эффективностью.
Созданная нами новая технология решает компромисс между качеством поиска и стоимостью запросов маршрутизации раз и навсегда:
1. Миллионы запросов API маршрутизации в день в алгоритмах поиска были полностью исключены.
2. Снижены средние сроки подачи, в том числе до 15% в регионах со сложной дорожной структурой: вблизи многоуровневых развязок, железных дорог и рек.
3. Мы заложили основу для создания целого ряда плоских алгоритмов, которые будут заново изобретены на графах.Скачкообразное ценообразование — один из таких алгоритмов — он может более эффективно работать в графической инфраструктуре. Например, он может распознавать различный баланс спроса и предложения на противоположных сторонах дороги. Иногда это происходит из-за асимметрии доступных автомобилей, вызванной пробками и ограничениями на разворот.
Российский Яндекс создал, возможно, самую агрессивную антивирусную технологию
Вернувшись в агонию холодной войны, американцы проснулись утром 4 октября 1957 года и узнали, что Советский Союз успешно запустил в космос первый искусственный спутник — Спутник-1.Это было развитие, которое обострило космическую гонку и разрушило предположения, которые Соединенные Штаты возглавляли в технологическом духе.
Может ли нечто подобное повториться с беспилотными автомобилями?
С большой помпой вокруг проекта беспилотного автомобиля Waymo в Аризоне, ориентации Ford на Майами как на стартовую площадку для коммерческих беспилотных сервисов, а также десятки других компаний, проводящих здесь некоторые формы тестирования, Соединенные Штаты были одновременно родиной и лидером в технология автономного вождения.
Но стоит задуматься, может ли когда-нибудь лидер измениться. Яндекс, гигантская российская поисковая компания, которая также управляет службой заказа такси в более чем 100 городах, начала работать над автономными технологиями в 2016 году и официально запустила программу разработки беспилотных автомобилей в январе 2017 года.
Они часто сравнивают с Google и Baidu, другими гигантами поисковых систем в своих странах, которые запустили проекты автономного вождения. Но сравнения с Google и его автономной дочерней компанией Waymo русские сразу же отвергают.
«Люди говорят, что Яндекс — это Google в России», — говорит Павел Воробьев, руководитель отдела продуктов Яндекс. «Но это немного оскорбительно. Это больше похоже на Кремниевую долину России».
В этом месяце, примерно через два года существования подразделения автономного вождения, инженеры Яндекса приехали в Лас-Вегас во время выставки CES, чтобы позволить посторонним прокатиться и оценить их успехи.
С самого начала был явный контраст между демонстрацией «Яндекса» и десятком или около того других беспилотных поездок, проведенных другими на этой неделе.Другие требовали, чтобы их водители, обеспечивающие безопасность человека, управляли автомобилем на частных парковках и включали автономный режим только тогда, когда мы выезжали на дорогу общего пользования. Но Toyota Prius V, используемая Яндексом, находилась под управлением компьютера с того момента, как мы выехали из парковочного места в гараже Hard Rock Hotel & Casino, хотя за рулем находился водитель, отвечающий за безопасность людей.
Это был компьютер, который тормозил, а не водитель, отвечающий за безопасность человека, когда на нашем пути встал пешеход с запутанным смартфоном, даже не заметив, как мы остановились, прежде чем отправиться в поездку по Лас-Вегасу.
Яндекс развертывает технологии больших данных и искусственного интеллекта по всей Европе, рассматривает рынок Южной Америки
Yandex Data Factory, B2B-бизнес-подразделение, которое Яндекс запустил в 2014 году для разработки индивидуальных решений для больших данных, значительно развилось как в России, так и за рубежом, заявила его генеральный директор Джейн Завалишина в беседе с техническим блогом 150.com на отраслевой конференции. .
Из своих офисов в Москве и Амстердаме Фабрика данных Яндекса стремится сделать технологии Яндекса — особенно в области машинного обучения, распознавания изображений и голоса, глубоких нейронных сетей и обработки естественного голоса — доступными для компаний, которым необходимо осмыслить накопленные ими данные. масса данных и решать свои бизнес-задачи.
Предложение предназначено, в частности, для таких вертикальных секторов, как горнодобывающая, металлургическая, пищевая, нефтегазовая, химическая, фармацевтическая и другие перерабатывающие отрасли.
«Наши решения напрямую повышают производительность, сокращают затраты и отходы, повышают энергоэффективность. Модели усовершенствованы с помощью искусственного интеллекта, чтобы делать точные прогнозы, рекомендации в режиме реального времени и автоматизированные решения для самых сложных производственных процессов », — сказала Завалишина.
«Теперь у нас есть хороший список компаний-заказчиков в [Западной Европе и России], среди которых Intel, AstraZeneca, CERN, Магнитогорский металлургический комбинат, Газпром нефть и Schlumberger.”
Yandex Data Factory также заинтересована в Южной Америке: «У компаний там уже есть очень развитая инфраструктура, и они готовы инвестировать в революционные технологии, подобные нашей».
Азиатские рынки, тем временем, «все еще нуждаются в некоторой зрелости, поскольку обрабатывающие отрасли там немного застряли в незначительных улучшениях и часто не имеют долгосрочного видения и инфраструктуры», — считает Завалишина.
«Поэтому труднее убедить [эти азиатские компании] инвестировать в новые и ранее неизведанные для них технологии», — сказала она 150sec.com.
Повышение градиента бесплатно
Отдельным шагом в этом месяце российский поисковый гигант также сделал свой усовершенствованный алгоритм машинного обучения CatBoost, доступным бесплатно для разработчиков по всему миру, сообщает Russia Beyond The Headlines.
«CatBoost основан на повышении градиента — технологии машинного обучения, которая очень хорошо работает с данными из разных источников», — сказала Анна-Вероника Дорогуш, руководитель отдела разработки систем машинного обучения в Яндексе.
Таким образом, алгоритм применяется не только к числам, но и к таким другим типам данных, как аудио, текст или изображения, включая исторические данные.
Например, в прогнозировании погоды важно анализировать комбинацию исторических данных, моделей погоды и метеорологических данных. Яндекс уже использует CatBoost как часть своего сервиса прогнозирования погоды для повышения точности.
Яндекс запускает публичную облачную платформу Яндекс.Облако
МОСКВА и АМСТЕРДАМ, Нидерланды, 5 сентября 2018 г. (GLOBE NEWSWIRE) — Яндекс запустил свою интеллектуальную публичную облачную платформу Яндекс.Облако, позволяющую компаниям разрабатывать и поддерживать веб-приложения и сервисы с использованием передовых технологий и инфраструктуры Яндекса. . Яндекс.Облако развернуто в местных центрах обработки данных, что позволяет компаниям хранить и использовать базы данных, содержащие персональные данные, в России в соответствии с требованиями законодательства.
Яндекс.Облако поможет компаниям разных размеров и отраслей повысить эффективность или расширить бизнес без крупных вложений.Простота использования Яндекс.Облака, гибкие цены и доступность технологий Яндекса позволяют легко дополнять существующую ИТ-инфраструктуру или даже служить ей альтернативой.
Яндекс.Облако в настоящее время предоставляет:
— Масштабируемая виртуальная инфраструктура с множеством вариантов управления: управление из графического интерфейса или командной строки, а также инструменты разработчика для популярных языков программирования, таких как Python и Go; — Автоматизированные сервисы для трудоемких задач управления популярными системами баз данных, такими как PostgreSQL, ClickHouse (высокопроизводительная система управления базами данных с открытым исходным кодом Яндекса) и MongoDB; — Сервисы Яндекса на базе искусственного интеллекта: распознавание и синтез речи SpeechKit и Яндекс.Перевести машинный перевод.
Яндекс.Облако предлагает гибкую ценовую политику, подходящую для потребностей бизнеса любого размера. Крупные предприятия с предсказуемыми потребностями могут резервировать блоки ресурсов на определенный период времени со скидкой, в то время как предприятия с менее предсказуемыми потребностями могут выполнять задачи с помощью гибкой модели ценообразования с оплатой за использование.
«Яндекс» — это целая экосистема успешных продуктов и услуг, которыми ежедневно пользуются миллионы людей. Яндекс.Облако предоставляет доступ к той же инфраструктуре и технологиям, которые мы используем для работы сервисов Яндекса, создавая уникальные возможности для любого бизнеса по развитию своих продуктов и услуг на этой платформе », — пояснил глава Яндекс.Облако, Ян Лешинский.
С апреля 2018 года более 50 ведущих российских и международных компаний, в том числе такие лидеры отрасли, как Тинькофф Банк, S7 Airlines и X5 Retail Group, используют Яндекс.Облако в тестовом режиме через закрытый предварительный просмотр только по приглашению. Будущие обновления будут включать в себя новые инфраструктурные сервисы, дополнительные сервисы, основанные на инструментах машинного интеллекта и аналитики Яндекса, а также инструменты разработчика, призванные упростить управление всем жизненным циклом кода в Яндексе.Облако.
Доступ к Яндекс.Облаку в настоящее время предоставляется по запросу и будет открыт для всех к концу 2018 года.
Яндекс.Согласно клиентам и партнерам о платформе:
«Философия Тинькофф построена на использовании передовых технологий. создавать удобные и доступные финансовые продукты. Мы давно искали облачную платформу с функциями, сопоставимыми с возможностями международных игроков, и всегда считали, что Яндекс с ее ноу-хау и опытом рано или поздно решит ее создать.Я верю, что российский рынок по достоинству оценит возможности Яндекс.Облака. На данном этапе мы тестируем платформу для размещения наших облачных сервисов, где ресурсы необходимы по запросу и в короткие сроки », — сказал Вячеслав Цыганов, вице-президент по информационным технологиям Тинькофф Банка.
«Бизнесы заинтересованы в разработке технологий, позволяющих экспериментировать без крупномасштабных инвестиций или длительных проектов. Всестороннее тестирование инфраструктуры и сервисов платформы Яндекс.Облако позволяет нам с самого начала увидеть возможности для получения конкурентного преимущества, — пояснил Виталий Порубов, руководитель отдела стратегии и инноваций ИТ-подразделения X5 Retail Group.
«Мы активно улучшаем наши услуги для обеспечения комфорта пассажиров. Многие из наших бизнес-задач требуют ресурсов, которые доступны по запросу. Протестировав Яндекс.Облако, мы видим возможности использования ряда сервисов, в том числе инструментов разработки и сервисов на основе машинного интеллекта », — пояснил технический директор S7 TechLab Николай Муханов.
Яндекс (NASDAQ: YNDX) — технологическая компания, которая создает интеллектуальные продукты и услуги на основе машинного обучения. Наша цель — помочь потребителям и компаниям лучше ориентироваться в онлайн- и офлайн-мире. С 1997 года мы предоставляем локальные поисковые и информационные услуги мирового класса. Кроме того, мы разработали ведущие транспортные услуги по запросу, навигационные продукты и другие мобильные приложения для миллионов потребителей по всему миру. Яндекс, у которого 22 офиса по всему миру, котируется на NASDAQ с 2011 года.
Контакты: по связям с инвесторами Катя Жукова Телефон: +7 495 974-35-38 E-mail: [email protected]
Связи со СМИ Илья Грабовский Телефон: +7 495 739-70-00 E-mail: [email protected]
Роботы Яндекса в роуминге по России, доставляющие обеды в ресторанах
Роботы от Яндекса, технологического гиганта, который чем-то похож на российский Google, начали доставлять товары из ресторанов в российские города Москва и Иннополис, сообщила компания в своем корпоративном блоге.
Яндекс.Роботы-вездеходы — это шестиколесные роботы меньшего размера, похожие на роботов от Starship и Kiwibot. Они работают вместе с Яндекс.Етс, службой доставки продуктов и ресторанов компании, у которой более 30 000 продавцов в 166 городах. С помощью приложения YandexEats пользователи выбирают желаемый ресторан и выбирают вариант с роботом-доставщиком, чтобы доставить еду с помощью одного из ботов компании. Когда приходит заказ, получатели разблокируют бота с помощью своего мобильного телефона.
В сообщении блогаЯндекса не упоминается, сколько роботов-доставщиков находится в его парке в каждом городе и насколько велики зоны обслуживания.