Влад Пранскевичус. Let's enhance. Как устроено AI улучшение изображени‪й‬ Потестим в проді

Let's enhance - это украинский стартап, который улучшает качество изображений с помощью искусственного интеллекта.



CTO Влад Пранскевичус рассказал как улучшение изображений работает изнутри. Как продукт вырос от одной модели до комплексного пайплайна. Как устроена разработка внутри компании, как ML инженеры взаимодействуют с разработкой, какие Devops/MLops практики внедрены, какой процесс обучения моделей, и по каким методологиям работают команды.



Поговорили о конкуренции с Photoshop, "гонке вооружений" в технологии, об отделении B2C от B2B направления и о том есть ли у разработчиков доля в компании.



Таймлайн:

00:00 - Intro 

00:23 - Чем занимается Let's Enhance?

01:41 - Почему решили сделать ребрендинг?

03:29 - Чем занимался до стартапа?

04:55 - Как давно начал заниматься ML?

06:02 - Ты хороший программист?

07:21 - Что самое сложное при переходе от карьеры программиста до создания своего стартапа?

11:05 - Сколько людей занималось разработкой в начале

11:49 - Синдром самозванца

13:08 - Что из себя представлял первый продукт

14:27 - Обучение алгоритма улучшения картинок

17:50 - На пальцах как работает улучшение изображений

18:34 - Какие метрики улучшения изображений

20:41 - Какая пропорция ML решений к эвристическим ?

22:32 - Нейронки на майнерских ресурсах

26:00 - Инфраструктура проекта

27:26 - Какие нагрузки выдерживаете

28:39 - DevOps/ MLOps

31:51 - Свой DataCenter или Cloud решения

32:51 - Цикл дообучения моделей

35:17 - ML команда

39:19 - Количество B2B, B2C клиентов

39:44 - Откуда AI-research команда берет знания?

40:15 - Патенты на ML решения

40:32 - State of the art улучшения изображений

42:08 - Будет ли энхансмент частью каждого графического редактора

43:41 - Конкуренция с Photoshop

44:49 - Конкуренты Let's Enhance 

45:05 - Предложения продать компанию

46:34 - Чем отличается алгоритм Photoshop от вашего?

47:53 - Рынок ML инженеров

48:44 - Украинский рынок IT

53:39 - Технологический стек

56:15 - Процесс работы бэкенда

59:25 - Отдельная инфраструктура под больших клиентов

01:00:32 - Python, Celery, C++

01:02:55 - Что хранится в БД

1:04:55 - Занимаются ли разработчики задачами девопс

01:06:17 - Почему разработчиков нужно больше, чем MLщиков

01:07:58 - Как ML взаимодействуют с разработчиками

01:10:03 - Тесты

01:12:20 - Как инженеры влияют на продукт

01:13:12 - Есть ли опционы у разработчиков

01:13:51 - Чем занимаешься как CTO?

01:14:59 - У кого техническая экспе