PromoPersona: как мы персонализировали промо-коллажи с помощью FLUX.2

Привет, Хабр! Меня зовут Сергей Чекменев, я тимлид ML-команды развития массового промо и монетизации центра развития ML-решений клиентской персонализации в MAGNIT TECH. В этой статье расскажу про наш MVP-проект PromoPersona – сервис автоматической генерации персонализированных промо-коллажей: что именно мы построили с технической точки зрения, как интегрировали модель FLUX.2 и почему именно ее, и какие инженерные задачи пришлось решить.

https://habr.com/ru/companies/magnit/articles/1035436/

#machine_learning #marketing #AI #генеративные_модели #ритейл #персонализация #FLUX2 #диффузионные_модели #компьютерное_зрение #Magnit_Tech

Доступность товара в «Магните»: от эвристик до CUSUM и GEE-тестов

Привет, Хабр! Меня зовут Ян Пиле, руковожу в MAGNIT TECH направлением развития алгоритмов доступности товаров. Задача моей команды: сделать так, чтобы в магазине, куда вы зашли за своим любимым майонезом, он с большей вероятностью оказался на полке. А если не оказался — чтобы сотруднику магазина как можно быстрее прилетело задание: «проверь, почему именно этой позиции сейчас нет, и, если возможно, верни её обратно». Мы уже дважды писали про OSA (On-Shelf Availability — уровень доступности товара на полке). В статье «Как OSA превращает пустые полки в полные корзины?» рассказывали про продуктовый контекст: зачем эта история нужна бизнесу и почему «товар числится в системе» и «товар реально лежит на полке» — это два совершенно разных утверждения. А в статье «Когда 0 в продажах — аномалия? CUSUM для поиска проблем в ритейле» мы подробно разбирали один из рабочих алгоритмов команды. В этот раз я хочу пройтись по всему стеку детекции целиком — от самых простых правил до А/Б-тестов, в которых приходится бороться с зависимыми наблюдениями.

https://habr.com/ru/companies/magnit/articles/1027032/

#osa #статистика #доступность #абтесты #cusum #машинное_обучение #магнит #ml #magnit_tech #ритейл

Как мы масштабировали ИТ-команду и чуть не потеряли проект

Спойлер: это статья не про плохую архитектуру. Я расскажу о том, как хорошие решения, принятые в разное время, начинают конфликтовать друг с другом, когда команда растет быстрее системы. Я Алексей Соболеков, лид архитектуры F&R в Magnit Tech. Это мой личный взгляд на события, и в команде существуют разные их интерпретации. В 2024 году команда F&R (подробности тут: Архитектура высоконагруженной платформы Magnit F&R ) в MAGNIT TECH столкнулась с нетривиальным вызовом: всего за один год необходимо было вырасти с 20 до 220 человек для формирования состава команд. Формально все выглядело благополучно - проект запущен, бюджет подтвержден, приоритет высокий. Но именно с этого момента в ИТ-команде разработки F&R начали накапливаться системные проблемы.

https://habr.com/ru/companies/magnit/articles/1013800/

#ритейл #архитектура_приложений #magnit_tech #Спрос #прогноз #прогнозирование_спроса #архитектура #проектирование_систем #управление_архитектурой #магнит

Как стартовать с Data Lakehouse и перейти на Data Lake

В статье Архитектура высоконагруженной платформы Magnit F&R было рассказано о ключевых архитектурных принципах и решениях. Сегодня хочу поделиться практическим опытом: как в Magnit Tech изменилась концепция Data Lakehouse, где она блестяще сработала — и где подвела. Я, Алексей Соболеков, лид архитектуры F&R. И это история о том, как красивая теория сталкивается с физикой доступа к данным.

https://habr.com/ru/companies/magnit/articles/966566/

#magnit_tech #Trino #ClickHouse #Data_Lakehouse #DWH #ритейл #архитектура_системы

Дизайн в масштабе: как мы связали макеты и оргструктуру, ускорив работу в несколько раз

Привет! Я Александр Букин, дизайн-лид направления Фудтех в Магнит OMNI, объединяющем сервис доставкивертикаль «Магнит Фудтех», маркетплейс «Магнит Маркет» и программу лояльности «Магнит Плюс». Сегодня я расскажу, как мы решаем задачу навигации по карте экранов и ищем ответственных за них в нашем дизайн-комьюнити. Это особенно актуально для средних и крупных дизайн-отделов, где с ростом числа команд, фич и продуктов неизбежно увеличивается и количество макетов, которые нужно систематизировать и структурировать. У растущих команд меняются зоны ответственности: отдельные фичи или части приложения могут переходить от одной команды к другой, потому что мы постоянно стремимся к максимальной эффективности. Всё это неизбежно приводит к трудностям в работе с макетами: их структура становится сложнее, а поиск ответственных за актуальное состояние того или иного экрана — всё более запутанным.

https://habr.com/ru/companies/magnit/articles/893130/

#Оргструктура #Карта_экранов #magnit_tech #дизайнкоманды #дизайнкомьюнити #workflow #внутренние_продукты #figma #фигма #ui

LLM и 1С: изучаем сервисы для автоматизации написания кода 1С

Мы решили пощупать рынок LLM в контексте 1С-разработки. Рассказываем, какие есть инструменты, как их можно использовать и к каким выводам мы пришли.

https://habr.com/ru/companies/magnit/articles/819583/

#LLM #1С #copilot #edt #magnit_tech

Безопасность на новом уровне: исследование Smallstep CA и его применение

Рассмотрим Smallstep CA — современное и инновационное решение для управления сертификатами. Оно может предложить несколько преимуществ по сравнению с OpenSSL.

https://habr.com/ru/companies/magnit/articles/816095/

#certification_authority #freeipa #stepca #сертификаты #magnit_tech

Рецепты «приготовления» Hibernate, или решаем 5 проблем работы с фреймворком

Hibernate — очень мощный и функциональный ORM (Object-Relational Mapping) фреймворк. Он связывает базы данных с помощью объектно-ориентированных языков программирования. Однако многие, начиная с ним работать, натыкаются на проблемы производительности или отсутствия нужной функциональности. Многие из этих проблем появляются просто из-за того, что разработчики не умеют его «готовить». В статье делимся рецептами работы с Hibernate и Spring Data JPA: они помогут решить многие проблемы, возникающими при использовании фреймворка.

https://habr.com/ru/companies/magnit/articles/814573/

#java #hibernate #spring_data_jpa #orm #magnit_tech #базы_данных #ооп

Создаем свой диалект змеиного, или DSL на Python

Допустим, у нас есть некоторое исполнительное ядро и множество пользователей, владеющих Python на уровне «изучи его полностью за неделю», которые хотят решать задачи своей предметной области, с минимальными усилиями используя сервисы ядра. Мы, как разработчики ядра, хотим, с одной стороны, спрятать всё «грязное белье» за неким интерфейсом, с другой максимально упростить взаимодействие пользователей с ядром. Как один из вариантов решения предлагаю посмотреть создание своего диалекта Python-скриптов, предназначенного для конкретной предметной области. Этакий DSL «для бедных», с синтаксисом Python, но со средой выполнения, заточенной под выполняемые задачи.

https://habr.com/ru/companies/magnit/articles/807621/

#python #dsl #скрипт #magnit_tech

Как мы тестировали большие языковые модели для модерации отзывов

В приложении «Магнит: акции и доставка» можно оставлять отзывы на товары. Отзывы модерируются: мы публикуем те, которые считаем полезными для других покупателей, — они должны описывать потребительские свойства товара. Отклоняем все остальные: как правило, это жалобы на ценники, сервис в магазине, условия хранения либо просто нерелевантные тексты. Отзывы с жалобами обрабатывают службы поддержки и сервиса. Рассказываем о том, как мы попробовали применять большие языковые модели, чтобы автоматизировать модерацию отзывов.

https://habr.com/ru/companies/magnit/articles/806933/

#llm #magnit_tech #бям #chatgpt #yandexgpt #gigachat #llama