Как мы делаем Managed Service for Kubernetes®

➡️ В новом выпуске подкаста «Как мы делаем Yandex Cloud» обсуждаем Kubernetes (или K8s) вместе с Александром Хаустовым, руководителем подразделения Kubernetes в Yandex Cloud.

Как обеспечить стабильность инфраструктуры K8s, в котором более 4 тысяч кластеров и несколько сотен тысяч ядер? Как планировать изменения, когда поступает множество запросов как от внешних, так и от внутренних пользователей? Какие компетенции должны быть у разработчика в команде облачного Kubernetes?

⭐ Об этом и многом другом слушайте в выпуске на любой удобной подкаст-платформе.

🙋‍♂️ Если вы хотите развивать один из самых быстрорастущих сервисов Yandex Cloud, откликайтесь на вакансию и присоединяйтесь к команде Александра.

💫 Какой нам запомнилась конференция Yandex Scale 2024

25 сентября в МХАТ им. Горького прошла большая конференция Yandex Scale. За 8,5 часов 1 700 участников офлайн и более 10 000 участников онлайн посмотрели 31 доклад от 47 спикеров.

🫂 Всё это — благодаря большой команде Yandex Cloud, которая организовала конференцию и наполнила её смыслами и технологиями.

➡️ Смотрите видеоролик с самыми яркими моментами того дня и читайте репортаж на Хабре, где мы показали немного закулисья и рассказали о том, что было в кулуарах конференции.

А мы пойдём считать дни до Yandex Scale 2025 💙

🎨 Что под капотом YandexART 2.0

Теперь нейросеть научилась создавать надписи на изображениях, придерживаться нескольких стилей на одной картинке и учитывать больше деталей из запроса.

Для обучения YandexART 2.0 мы использовали VLM-модель, которая одновременно работает с визуальными и текстовыми данными. Она умеет анализировать изображения и детально описывает, что на них находится. Модель «смотрела» на изображения из обучающего набора данных и генерировала для каждой картинки точные текстовые описания, на которых и обучалась YandexART 2.0.

⭐ Это нестандартный подход. Обычно для работы с изображениями используют одну из двух моделей: свёрточную или трансформерную. Свёрточные идут от частного к общему: распознают изображение пиксель за пикселем, выявляют его важные признаки — контуры, текстуры и формы. Трансформеры, наоборот, двигаются от общего к частному — сразу анализируют всё изображение, поэтому лучше понимают общий смысл, но хуже учитывают детали.

Гибридная архитектура YandexART 2.0 совмещает сильные стороны свёрточной и трансформерной моделей. Это позволило повысить качество генерации изображений и сохранить высокую скорость 🚀

➡️ Протестировать YandexART 2.0 можно в разделе Foundation Models консоли Yandex Cloud.