Я про бэкенд 1. Как рекомендательный движок ежегодно экономит 200 тыс. CPU в инфраструктуре Рекламы — Антон Полднев,Руководитель инфраструктуры, Яндекс Реклама 2. Эволюция рекомендательного движка VK и перезапуск ленты во ВКонтакте — Дмитрий Погорелов, Руководитель отдела бэкенда рекомендаций, VK 3. Кост-модель LLM: иллюзия простоты — Михаил Чебаков, Руководитель разработки инструментальных ML платформ, Т-Банк 4. LLM Inside: выжимаем максимум из decoder attention на GPU — Андрей Шукшов, Старший разработчик, Команда оптимизаций инференса, Яндекс Поиск 5. Архитектура бэкенда для ML-моделей — Алёна Васильева — Руководитель разработки, Шедеврум 6. Эволюция технологий real-time индексации — Никита Сикалов, Руководитель группы Базового поиска, Яндекс Поиск 7. AI Агенты — Как мы сделали DeepResearch по интранету и кодовой базе — Сергей Скородумов, Руководитель отдела поисковых сервисов, Яндекс Поиск 8. Чтение с реплик в распределённых системах: опыт YDB — Александр Зевайкин, Руководитель разработки, YDB 9. Как мы вынесли рекламу в офлайн и что из этого вышло — Юрий Журихин, Руководитель разработки Наружной рекламы, Яндекс Реклама 10. Function calling в диалоговой системе Алисы — Роман Жиганов, Руководитель группы разработки AI-агентов Алисы, Алиса и Умные устройства 11. Удаленная помощь автономному транспорту в нештатных ситуациях — Дмитрий Плещеев, Руководитель службы разработки внутренних сервисов, Автономный транспорт 12. От прототипа к продакшену: оптимизация runtime в задаче разделения речи (Speaker Diarization) — Михаил Кузьмин, Senior ML Engineer, Sber 13. Как приручить LLM: подбор инфраструктуры для инференса — Антон Алексеев, MLOps-инженер, Авито ➖➖➖ 🗓 4 октября, начало в 11:00 мск, Суббота