Масштаб и дата
3 октября 2026 года в Москве и онлайн пройдет конференция «Я про бэкенд». Мероприятие сфокусировано на инженерных решениях для высоконагруженных систем, генеративного ИИ и рекомендательных платформ. Организаторы подчеркивают, что за последние три года AI проник в каждый продукт, создав новые вызовы для backend-разработчиков: от баланса скорости инференса до отказоустойчивости при падении дата-центров.
Ключевые технические кейсы
Программа включает доклады от экспертов Яндекса, Positive Technologies, Ozon Tech, Авито и других компаний. Среди главных тем — оптимизация генеративных ответов Алисы, потоковая обработка данных со скоростью более 100 ГБ/с и архитектура систем безопасности, обрабатывающих 40 000+ событий в секунду.
Спикеры и доклады
| Спикер | Компания | Тема доклада |
|---|---|---|
| Михаил Цветков | Яндекс (Алиса AI) | Инференс генеративных ответов: баланс скорости, качества и стоимости. Выкатка до 5 релизов в неделю. |
| Егор Хайруллин | Яндекс (Реклама) | YTsaurus Flow: распределенная обработка 100+ ГБ/с в реальном времени без потерь (exactly-once). |
| Алина Шестакова | Positive Technologies | ML-фильтр и LLM на потоке 40к+ событий/сек. Переход с RocksDB на YugaByte для stateful-джоб. |
| Даниил Зубакин | Яндекс (Алиса AI) | Инфраструктура для запуска RL-окружений и агентов: изоляция и оркестрация. |
| Владислав Тюльбашев | Яндекс | Надежная раздача конфигов на 200к хостов при отказе [n-1] ДЦ. SLO 99.999%. |
| Михаил Городов | Ozon Tech | LLM и краудсорсинг для автоматизации разметки данных при оценке качества поиска. |
| Алексей Логинов | Яндекс (Алиса AI) | Построение надежной агентской платформы. |
| Сергей Синягин | Яндекс Еда | Архитектура поиска лекарств: надежность и скорость. |
| Ильнур Хузиев | Яндекс (Алиса AI) | RuntimeNodes: шаринг рантайма с ML-командами. |
| Андрей Аксёнов | Авито | База векторных баз данных для поиска. |
| Максим Антонов | Автономный транспорт | Упаковка терабайтов данных для автономного транспорта. |
Почему это важно
Конференция демонстрирует переход от теоретических обсуждений LLM к суровой инженерной практике. Участники делятся опытом решения конкретных проблем: как удерживать latency при масштабировании stateful-приложений, как обеспечить доставку данных при частичном падении инфраструктуры и как интегрировать AI-модели в существующие высоконагруженные пайплайны без деградации SLA.
Источник: Yandex ↗