Backend
Дмитрий Егоров, "Сравнение подходов Go, .NET и Java к Profile-Guided Optimization"
В докладе сравним, как PGO применяется в Go, .NET и Java — языках одной ниши, но с разными моделями компиляции. Разберём, какие оптимизации становятся возможны благодаря профилированию, как устроены tiered compilation и перекомпиляция, какие алгоритмы используются для сбора статистики.
На практических примерах посмотрим, какие возможности есть у каждого компилятора и как это влияет на итоговую производительность.
Team
Яков Кротов, "Графовые нейронные сети для «иммунной системы» организации: поиск функционально-процессных разрывов и предсказание рисков в командах и проектах"
Применение GNN для прогнозирования успешности проектов на основе графа компетенций и взаимодействия сотрудников.
Выявление скрытых потерь в процессах и командах на основе графов.
Инструменты и этические границы такого анализа: как не превратиться в «Большого брата».
Testing&QA
Надежда Буртелова, "Плюсы и минусы, когда автотесты пишут все тестировщики. Какие проблемы у нас возникли, и как мы их решаем"
4 года назад в Звуке автотесты почти не покрывали даже базовые сценарии, а команда была очень разноуровневой. После общего воркшопа автотесты начали писать все тестировщики — проект вырос, покрытие стало высоким, а регрессы проходят быстрее.
Но вместе с этим появились новые сложности из-за разного бэкграунда и отсутствия договорённостей.
Доклад о плюсах и минусах такого подхода, о чём важно договориться на старте, как контролировать процессы и как привести автотесты в порядок.
SA&BA
Анна Гурова, "Как писать требования к системам, использующим LLM"
AI всё чаще становится частью обычных систем. Это могут быть агенты, LLM-сервисы или ML-модели для модерации, классификации и обработки данных. Привычный подход к требованиям здесь начинает ломаться.
В докладе разберём, что должен учитывать аналитик, когда в архитектуре появляется AI: границы поведения агента, работу с контекстом и данными, возможные ошибки модели.
DevOps&SRE
Александр Крылов, "Вечная битва между коммунальными и мультикластерами K8s"
За 5 лет работы с Kubernetes стало очевидно, что есть два основных подхода: один большой «монолитный» кластер или множество маленьких под разные задачи.
В докладе разберём, когда выигрывает каждый из подходов, какие у них плюсы и минусы и как это влияет на бизнес, стоимость и управление инфраструктурой.
В основе — реальный опыт эксплуатации, с учётом практик, трендов и не самых простых кейсов