Впереди у нас длинные праздники, которые мы рекомендуем провести с семьей и друзьям, посвятить отдыху, саморазвитию и личным проектам. Или хотя бы досмотреть и дочитать всё то, что откладывали в течение года. На этот случай мы подготовили дайджест из 10 лучших постов нашего блога за год по результатам голосования читателей Хабра (т.е. по рейтингу). Все заголовки кликабельны. Приятного чтения и хороших праздников!
Когда люди ищут в интернете картинку или видео, они часто прибавляют к запросу фразу «в хорошем качестве». Под качеством обычно имеется в виду разрешение — пользователи хотят, чтобы изображение было большим и при этом хорошо выглядело на экране современного компьютера, смартфона или телевизора. Но что делать, если источника в хорошем качестве просто не существует? Эта история о том, как с помощью нейронных сетей Яндекс научился повышать качество потокового видео в режиме реального времени.
Яндекс.Телефон — это первый смартфон, который объединяет технологии Яндекса и решения наших партнёров в единую экосистему, в центре которой находится Алиса. Этот пост мы посвятили ответу на неочевидный вопрос: «Почему доступ к железу так важен для любого голосового помощника?». Вы также узнаете, что даже в рамках такого «простого» компонента, как клавиатура, есть место для серьезного применения машинного обучения.
Станция — первое устройство, созданное в Яндексе. Может показаться, что для создания подобных устройств достаточно взять голосового помощника, добавить к нему простой микрофон из смартфона и спрятать всё это в корпусе недорогой аудиоколонки. На практике перед разработчиками подобных систем стоят серьёзные технологические проблемы, которые и были решены в рамках платформы Yandex.IO.
Голосовой помощник Алиса, о котором мы впервые рассказывали на Хабре осенью прошлого года, работает во многих приложениях и устройствах. Каждый день миллионы пользователей этих продуктов решают с помощью голосового помощника определённые задачи – например, узнают прогноз погоды. Мы регулярно добавляем новые возможности, но охватить все интересы пользователей самостоятельно невозможно. Заполнить этот пробел призваны навыки Алисы, создавать которые можно с помощью платформы Диалоги. Запуску этой платформы мы и посвятили пост.
К сожалению, в условиях жёстких бизнес-целей честность иногда отодвигается на второе место. Осознанно занижают зарплаты, рисуют заведомо недостижимые карьерные перспективы. Мы так не делаем принципиально. И это не донкихотство, а вполне осознанное решение, которое вполне можно обосновать прагматически. В этой статье руководитель сервиса Яндекс.Здоровье размышляет о честности в работе с людьми на примере контрофферов.
Когда-то мы уже рассказывали о том, как появился и развивался машинный перевод. С тех пор произошло ещё одно историческое событие – его наконец-то покорили нейронные сети и глубокое обучение. Среди задач обработки естественного языка машинный перевод одним из первых получил строгое статистическое основание — еще в начале 1990-х. Но в сфере глубокого обучения он оказался относительно запоздавшим участником. В этом посте команда Яндекса по машинному переводу обсуждает, почему это заняло так много времени и какие новые возможности открыл машинный перевод на основе нейросетей.
Совсем недавно Яндекс.Облако стало доступно всем. В этом посте мы познакомили читателей с Облаком и рассказали о том, как оно устроено внутри. Читатели узнали немного об истории, команде и архитектуре новой платформы.
Машинное обучение превратилось в модный термин, но при работе с большими объёмами данных оно уже много лет является жизненной необходимостью. Яндекс обрабатывает более 200 миллионов запросов ежедневно! Мы поделились с читателями Хабра нашим опытом создания вычислительной платформы Нирвана, которая, среди прочего, применяется для задач машинного обучения.
У Алисы есть фича, которая сделала её довольно известной в рунете. Мы пользуемся не только заранее известными сценариями, но и используем всю мощь deep learning, чтобы сгенерировать ответ от имени Алисы. Это получается довольно забавно. В своей лекции Борис Янгель рассказал, что внутри у Алисы, и из каких компонентов она состоит.
C++ является одним из основных языков разработки в Яндексе. Поэтому два года назад мы создали рабочую группу (РГ21), которая представляет интересы российских разработчиков на встречах по стандартизации С++. С тех пор мы регулярно делимся новостями C++ с читателями Хабра. Кстати, в профиле автора можно найти и другие отчёты с мероприятий.
С наступающим Новым годом!
+202 / Как Яндекс применил компьютерное зрение для повышения качества видеотрансляций. Технология DeepHD
Когда люди ищут в интернете картинку или видео, они часто прибавляют к запросу фразу «в хорошем качестве». Под качеством обычно имеется в виду разрешение — пользователи хотят, чтобы изображение было большим и при этом хорошо выглядело на экране современного компьютера, смартфона или телевизора. Но что делать, если источника в хорошем качестве просто не существует? Эта история о том, как с помощью нейронных сетей Яндекс научился повышать качество потокового видео в режиме реального времени.
+191 / Встречаем Яндекс.Телефон — теперь официально
Яндекс.Телефон — это первый смартфон, который объединяет технологии Яндекса и решения наших партнёров в единую экосистему, в центре которой находится Алиса. Этот пост мы посвятили ответу на неочевидный вопрос: «Почему доступ к железу так важен для любого голосового помощника?». Вы также узнаете, что даже в рамках такого «простого» компонента, как клавиатура, есть место для серьезного применения машинного обучения.
+152 / Как Яндекс создавал первое устройство с Алисой. Яндекс.Станция на базе технологии IO
Станция — первое устройство, созданное в Яндексе. Может показаться, что для создания подобных устройств достаточно взять голосового помощника, добавить к нему простой микрофон из смартфона и спрятать всё это в корпусе недорогой аудиоколонки. На практике перед разработчиками подобных систем стоят серьёзные технологические проблемы, которые и были решены в рамках платформы Yandex.IO.
+100 / Яндекс открывает Алису для всех разработчиков. Платформа Яндекс.Диалоги (бета)
Голосовой помощник Алиса, о котором мы впервые рассказывали на Хабре осенью прошлого года, работает во многих приложениях и устройствах. Каждый день миллионы пользователей этих продуктов решают с помощью голосового помощника определённые задачи – например, узнают прогноз погоды. Мы регулярно добавляем новые возможности, но охватить все интересы пользователей самостоятельно невозможно. Заполнить этот пробел призваны навыки Алисы, создавать которые можно с помощью платформы Диалоги. Запуску этой платформы мы и посвятили пост.
+88 / Честный подход к управлению людьми, или Почему я никогда не делаю контрофферы
К сожалению, в условиях жёстких бизнес-целей честность иногда отодвигается на второе место. Осознанно занижают зарплаты, рисуют заведомо недостижимые карьерные перспективы. Мы так не делаем принципиально. И это не донкихотство, а вполне осознанное решение, которое вполне можно обосновать прагматически. В этой статье руководитель сервиса Яндекс.Здоровье размышляет о честности в работе с людьми на примере контрофферов.
+86 / Две модели лучше одной. Опыт Яндекс.Переводчика
Когда-то мы уже рассказывали о том, как появился и развивался машинный перевод. С тех пор произошло ещё одно историческое событие – его наконец-то покорили нейронные сети и глубокое обучение. Среди задач обработки естественного языка машинный перевод одним из первых получил строгое статистическое основание — еще в начале 1990-х. Но в сфере глубокого обучения он оказался относительно запоздавшим участником. В этом посте команда Яндекса по машинному переводу обсуждает, почему это заняло так много времени и какие новые возможности открыл машинный перевод на основе нейросетей.
+83 / Яндекс открывает Облако. Архитектура новой платформы
Совсем недавно Яндекс.Облако стало доступно всем. В этом посте мы познакомили читателей с Облаком и рассказали о том, как оно устроено внутри. Читатели узнали немного об истории, команде и архитектуре новой платформы.
+81 / Познаём Нирвану – универсальную вычислительную платформу Яндекса
Машинное обучение превратилось в модный термин, но при работе с большими объёмами данных оно уже много лет является жизненной необходимостью. Яндекс обрабатывает более 200 миллионов запросов ежедневно! Мы поделились с читателями Хабра нашим опытом создания вычислительной платформы Нирвана, которая, среди прочего, применяется для задач машинного обучения.
+80 / Как устроена Алиса. Лекция Яндекса
У Алисы есть фича, которая сделала её довольно известной в рунете. Мы пользуемся не только заранее известными сценариями, но и используем всю мощь deep learning, чтобы сгенерировать ответ от имени Алисы. Это получается довольно забавно. В своей лекции Борис Янгель рассказал, что внутри у Алисы, и из каких компонентов она состоит.
+80 / C++20 всё ближе. Встреча в Джексонвилле
C++ является одним из основных языков разработки в Яндексе. Поэтому два года назад мы создали рабочую группу (РГ21), которая представляет интересы российских разработчиков на встречах по стандартизации С++. С тех пор мы регулярно делимся новостями C++ с читателями Хабра. Кстати, в профиле автора можно найти и другие отчёты с мероприятий.
С наступающим Новым годом!