ИНФОДЕТАЛИ
резидент инновационного центра "Сколково"
Автоматизация для разработчиков программного обеспечения на основе технологий машинного обучения с использованием анализа естественного языка и обработки больших данных.
Проект "IDE Plugin"
Автоматизация процессов разработки в IT-фабриках (создание и ревью кода, снятие метрик технического и бизнес характера) помогает уменьшить сроки создания новых продуктов при обеспечении их высокого качества.

Однако крупным компаниям, у которых в приоритете стоит периодический выпуск ПО со своими архитектурными решениями и внутренними стандартами, не подходят распространенные на рынке системы, так как они обучены на Open Source решениях.

Цель нашего проекта - предложить решения, максимально адаптируемые к практикам каждого заказчика, настраиваемые на основе его кодовой базы и прочих материалов прошлых проектов.
Характеристики и преимущества
Встраиваемый plug-in в IDE среду разработчика
  • Помощь с избавлением от однообразной работы
    Подбор и генерация подходящих сниппетов кода, а также документации, структуры для DevOps-разработки и оптимального производственного окружения на основе материалов прошлых проектов. Автоматическая проверка и анализ созданного программистом кода, интеграция с системой контроля версий и средствами разработки.
  • Настройка на методологию и стандарты заказчика
    Компания, имеющая в своём распоряжении достаточное количество уже написанного машинного кода, обрабатываемых данных и документации, сможет сначала использовать эти материалы для настройки исходной конфигурации, помогающей пользователям воспроизводить практики и подходы, специфические именно для этой компании, а затем использовать новые материалы, создаваемые в рамках ведущихся проектов в качестве данных для машинного обучения для постоянного совершенствования экспертной системы.
  • Универсальная настройка системы под предметную область
    Не меняя ядра системы, посредством подбора соответствующих обучающих датасетов, мы получаем возможность создавать специализированные решения для конкретных предметных областей, таких как, например, эквайринг, процессинг, массовая персонализация или кибер-безопасность.
  • Использование на всех этапах ведения проектов
    Возможность единообразного применения AI и ML алгоритмов в качестве ассистента на всех этапах деятельности разработчика. Использование естественного языка предоставляет пользователю возможность построения запросов как на генерацию машинного кода, так и на документирование требований, технический дизайн, построение тест-кейсов или подготовку данных для тестирования.
  • Управление человеческим фактором и быстрая обратная связь
    Помимо возможности ускорить работу программиста, сокращая его трудозатраты на написание однотипного кода программ за счёт генерации готового машинного кода и интеллектуальной синтаксической подсказки в IDE, система также предполагает анализ и оценку качества написанного кода в фоновом режиме на основе сравнения с «лучшими практиками», предлагая альтернативные варианты на ранних стадиях работы, когда переход на них ещё не связан с высокими трудозатратами замены уже готового решения.
  • Централизованный анализ состояния и метрик проекта
    Не ограничиваясь взаимодействием с конкретным разработчиком, серверная часть плагина также ведёт анализ на уровне проекта, выделяя для последующего рассмотрения те фрагменты, которые существенно отличаются от прочего кода, созданного командой по таким параметрам как синтаксис, семантика, структура исходного кода и соблюдение стандартов.
  • Предоставления серверных элементов как сервиса (SaaS)
    Помимо индивидуальных решений, которые каждый клиент сможет максимально настроить для своих нужд, мы также рассматриваем предоставление готового облачного решения как сервиса, в рамках которого каждая группа разработчиков сможет самостоятельно выбрать, готова ли она делиться результатами своего труда с другими командами или предпочитает работать изолированно.
  • Cовершенствование по принципу тиражирования успешных решений
    Созданные и отлаженные в рамках новых проектов тексты пополняют обучающий датасет системы, делая содержащиеся в них практики доступными для всех пользователей. Это не только повышает среднее качество кода, но также ускоряет обучение и погружение в инфраструктуру для вновь прибывших разработчиков, обеспечивая единообразие используемых подходов и облегчая последующую поддержку ранее написанного кода другими членами команды.
  • Высокая скорость освоения за счёт простоты взаимодействия
    Наш подход использует взаимодействие с разработчиком на основе использования естественного языка, что ускоряет сроки освоения плагина.
Проектные вакансии
  • ML/NLP инженер
    Python, TensorFlow, PyTorch, Keras, Scikit-learn, NLP, компьютерное зрение
  • Специалист по работе с данными
    Аналитика, статистика, машинное обучение
    PostgreSQL
    Hadoop, Spark, Java, Scala, Python, Data Lake, ETL
  • Фронтенд разработчик
    ·JavaScript, React, Redux
  • QA инженер
    Навыки тестирования API, gRPC, Kafka и знание PostgreSQL.
Хотели бы у нас работать?
Made on
Tilda