🔄 Артефакт №1. Категория: «Город» 🔄

От кого только не прилетает самокатчикам. Иногда за дело, иногда нет. Не нам судить, но мы обсудим, что делать, например, с явными нарушителями? Как их контролировать, если операторы кикшеринга не пускают в свои данные? Закрывать глаза на хаос на тротуарах или тотально запрещать?

Мы получили кейс, где за 4 месяца команда из 7 человек создала платформу мониторинга, которая фиксирует самокатовские нарушения. Их задачей было сделать инструмент для структурирования данных, чтобы чиновники и операторы нашли общий язык.

🤩 Что скрывает этот артефакт? 🤩
🤩 Смекалистый метод охоты за данными, когда реальные видео с камер недоступны.
🤩 Принципы, которые помогли сделать мониторинг более объективным.
🤩 Гибридный R&D: тактика, которая помогла запустить MVP за четыре месяца, вместо шести.

Планируем поделиться с вами целой пачкой интересных артефактов. Ставьте 👀, если любопытно узнать их все.

⚪️ Артефакт №2. Категория «Дизайн» ⚪️

Дашборд — это скучно до того момента, пока к его визуализации не подключат гигантский экран.

Сегодняшняя история о команде, которая превратила обычную статистику посещения фестиваля в генеративное шоу. Их задача звучала как вызов: сделать так, чтобы было невозможно оторвать глаз от дашбордов.

Так они создали интерактивную инсталляцию, где посетители, сами того не зная, становились частью цифрового арт-объекта.

🤩 Что скрывает этот артефакт? 🤩
🤩 Способ связки 40 потоков с YOLO v8, PostgreSQL и движок визуализации без лагов в один конвейер.
🤩 Задачу дедубликации тысяч JSON-записей от нейросетей.
🤩 Борьбу с «сырыми» данными от камер и их преобразование в чистую структуру для базы и красивого рендера.

Следующий артефакт представит категорию «Виртуализация». Не пропустите.

Ну и еще немного про ИИ! 😁

Одни компании недолюбливают нейросети за риск утечки конфиденциальной информации. Судя по комменту к предыдущему посту вы тоже от него устали 🤪 Но каким-то образом у разных компаний получается приручить эту химеру и выуживать из нее пользу.

Как, например, у этих ребят. Команда хотела облегчить работу коллег и создала то, что стало ключом к корпоративному ИИ. Они хотели доступ к мощным нейросетям, но так, чтобы ни байта данных не вышло за порог компании. И чтобы запускал это не только технарь, но и обычный менеджер.

Главный стоппер был предсказуем: как заставить прожорливые модели стабильно работать в облаке под нагрузкой? Решение оказалось элегантным.

Это девятый артефакт — для тех, кто побаивается нейросетей, но явно на них облизывается. Покажите вашему начальнику, скажите, что все не так страшно 👻

Как UPS сэкономила $400 млн в год на левых поворотах и системной интеграции

Американская логистическая компания UPS внедрила систему оптимизации маршрутов ORION (On-Road Integrated Optimization and Navigation). Результат: минус 140 млн км пробега в год и ежегодная экономия $300–400 млн на топливе.

Этот кейс приводят как чистый триумф дата-саентистов, разработавших математическую модель. Но главная проблема проекта, разработка которого заняла почти 10 лет, заключалась во внедрении. Чтобы алгоритм заработал на 55 000 грузовиков, потребовалась масштабная работа системных аналитиков.

Что было сделано на уровне системного анализа:
➡️ Спроектирована сложная интеграция: ORION необходимо было связать с легаси-инфраструктурой (системой Package Flow Technology), телематикой самих автомобилей и мобильными терминалами водителей (DIAD).
➡️ Оцифрованы нетривиальные бизнес-ограничения: алгоритм должен был учитывать жесткие окна доставки, приоритеты грузов и знаменитое правило UPS «избегать левых поворотов» — это снижает время простоя на перекрестках и риск ДТП.
➡️ Спроектирован UX/UI и логика работы: система должна динамически перестраивать маршрут при новых вводных, но оставаться понятной и предсказуемой для водителя. Без грамотной трансляции процессов в интерфейс водители просто саботировали бы «непонятный» алгоритм.

Именно системный аналитик связывает алгоритмы, железо, распределенные базы данных и реальные бизнес-процессы в работающий продукт.

Если вы хотите решать задачи такого уровня, проектировать архитектуру и интеграции высоконагруженных систем, обратите внимание на курс «Мидл системный аналитик» от Яндекс Практикума PRO. За 4 месяца вы углубитесь в работу с брокерами сообщений, проектирование API и продвинутое моделирование, чтобы выйти на уровень уверенного middle+.

Подробности по ссылке: https://tprg.ru/qMbA

Реклама. Рекламодатель: АНО ДПО «Образовательные технологии Яндекса» ИНН 7704282033, erid: 2W5zFHVZL81

Чем занимается аналитик данных — открытый урок по Python и SQL

Приглашаем вас на открытый онлайн-урок Нового технологического университета, где вы увидите, как аналитики работают с данными в реальных задачах.

На занятии вы:

➡️ поймете, кто такой аналитик данных и чем он занимается
➡️ выполните две практические задачи на Python и SQL, даже если ни разу этого не делали
➡️ разберетесь, стоит ли идти в профессию сейчас, и что будет с рынком IT через 1-3-5 лет
➡️ поймете, как стать аналитиком данных в 2026, даже если вы еще учитесь в ВУЗе

Урок подойдет, даже если у вас нет опыта в программировании или аналитике.

Спикер — Ева Панкратова, руководитель продуктовой аналитики в М2, ex-Райффайзенбанк.

Занятие пройдет онлайн, участие бесплатное. Сразу после регистрации вы получите бонус: сборник идей для портфолио.

→ Регистрируйтесь: ссылка

Это #партнёрский пост