Комментарии

Agile это не методология — это манифест разработчиков с их хотелками. Говорит только об одном. Что в команде напрочь отсутствует организация в каком либо виде.

Scrum уже методология. Но не особо эффективная для больших команд. Придумана менеджерами, ее основной идеей является переложить работу менеджера проекта по общению с менеджером продукта/клиентом на команду разработчиков. Ведет к убыткам компании не оправданным расходам и увеличению срока разработки. Чем больше команда тем больше потерь для компании.

Канбан это тоже не методология, это тупо доска.

Waterfall еще одна методология, эффективная по использованию времени разработчиков. Но слишком жесткая, делает развитие продуктов не удобным для менеджеров.

Успешные и эффективные команды используют комбинации подходов. Мы например используем. scrum + kanban на этапе общения между продактом и проджектом. Когда они согласовывают какую то часть, это фиксируется и проджект передает ее тимлиду, а отдел разработки уже работает по небольшим проектам в формате waterfall, несколько waterfall проектов в рамках одного продукта могут идти паралельно. Как итог, разработчики вообще не ходят на совещания, привлекать их к ним запрещено, они посвящают 100% времени написанию кода. А менеджеры получают необходимую им гибкость для развития продукта. Не уверен как это называется но это близко к Scrum-sashimi.

Последний вариант очень эффективен, но требует больших затрат, для разработки системы которая сможет обеспечить этот процесс. Нам пришлось написать свою систему с нуля. Думаю можно, законфигурировать для этих целей какой то конструктор. Но ограничения все равно останутся.

Agile это не методология — это манифест разработчиков с их хотелками. Говорит только об одном. Что в команде напрочь отсутствует организация в каком либо виде.

Scrum уже методология. Но не особо эффективная для больших команд. Придумана менеджерами, ее основной идеей является переложить работу менеджера проекта по общению с менеджером продукта/клиентом на команду разработчиков. Ведет к убыткам компании не оправданным расходам и увеличению срока разработки. Чем больше команда тем больше потерь для компании.

Канбан это тоже не методология, это тупо доска.

Waterfall еще одна методология, эффективная по использованию времени разработчиков. Но слишком жесткая, делает развитие продуктов не удобным для менеджеров.

Успешные и эффективные команды используют комбинации подходов. Мы например используем. scrum + kanban на этапе общения между продактом и проджектом. Когда они согласовывают какую то часть, это фиксируется и проджект передает ее тимлиду, а отдел разработки уже работает по небольшим проектам в формате waterfall, несколько waterfall проектов в рамках одного продукта могут идти паралельно. Как итог, разработчики вообще не ходят на совещания, привлекать их к ним запрещено, они посвящают 100% времени написанию кода. А менеджеры получают необходимую им гибкость для развития продукта. Не уверен как это называется но это близко к Scrum-sashimi.

Последний вариант очень эффективен, но требует больших затрат, для разработки системы которая сможет обеспечить этот процесс. Нам пришлось написать свою систему с нуля. Думаю можно, законфигурировать для этих целей какой то конструктор. Но ограничения все равно останутся.

Насколько я помню agile это только набор правил вроде 17. Авторы этих правил отказались участвовать в её монетизации и продвижении как продукта, что сделали со скрамом.

Те кто называют agile методологией чаще всего либо не понимают что это, либо пытаются навязать свои услуги.

Например ваша фраза что на всех проектах. Нет не на всех. Многие компании которые ведут проекты по разработке могут жить с agile но при проектах связанных с масштабированием проваливаются с такой логикой.

Agile как набор правил очень крутой для разработчиков чего угодно. Но это не решение всех бед. Иначе бы Siemens и многие крупные немецкие разработчики тоже бы хотели в гибкость, но нет.

Насколько я помню agile это только набор правил вроде 17. Авторы этих правил отказались участвовать в её монетизации и продвижении как продукта, что сделали со скрамом.

Те кто называют agile методологией чаще всего либо не понимают что это, либо пытаются навязать свои услуги.

Например ваша фраза что на всех проектах. Нет не на всех. Многие компании которые ведут проекты по разработке могут жить с agile но при проектах связанных с масштабированием проваливаются с такой логикой.

Agile как набор правил очень крутой для разработчиков чего угодно. Но это не решение всех бед. Иначе бы Siemens и многие крупные немецкие разработчики тоже бы хотели в гибкость, но нет.

Ответ такой же, как и в предыдущем вопросе. Всё зависит от проекта и от того, как вы договоритесь с командой.

Если говорить про описание API, то это могут быть разные формальные языки. Описание REST API с помощью Swagger, описание транспортов/протоколов с помощью JSON-схемы, с помощью XSD + WSDL, если это SOAP-сервисы.

Ещё аналитик проектирует взаимодействие между системами или сервисами. Очень часто это визуализируют с помощью диаграммы последовательности (sequence diagram). Также можно использовать use case для описания взаимодействий не только пользователь-система, но и для описания интеграций. Также используют диаграмму потоков данных и компонентные схемы.

Ну и заключительный — какую документацию по интеграции должен уметь делать аналитик?

К сожалению, это очень сложный и абстрактный вопрос, на который трудно ответить. Хочется сказать, что при определении детализации описания требований очень важно договариваться с командой.

На одном из проектов мы действовали оперативно: начинали с самого минималистичного варианта, говорили команде, что будем экспериментировать. И затем с фидбеком от команды оперативно перейдём к тому формату требований, который всех устраивает.

Как определить необходимую детализацию описания требований REST API в конкретном проекте? Есть ли хорошие шаблоны описания?

Первое, о чём хочется рассказать сказать, это об инструменте Postman. Его можно как скачать и установить на ПК, так и работать онлайн. Postman — это некоторая утилита, которая позволяет вызывать внешние сервисы, внешние API, реальные REST-сервисы (которые работают поверх протокола HTTP) и используется для тестирования.

Также можно упомянуть SOAP UI и Swagger UI. Кстати, Swagger — это не только некоторый язык формального описания API, но ещё и редактор, с помощью которого можно вызывать реальные сервисы.

Какую последовательность действий можно посоветовать?

— Найти общедоступное API;
— Выбрать одну из утилит (я бы рекомендовал начать с Postman);
— Тренироваться.

Ясно, а еще тогда, в каких программах можно потренироваться новичкам и разобраться в командах, взаимодействиях REST (возможно, SOAP)?

Предположу, что в вопросе говорится про REST-сервисы второго уровня зрелости, когда мы говорим про HTTP API. Здесь системный аналитик может, в зависимости от компании, от проекта и от договоренности с руководителем, делать многое.

Кто-то проектирует архитектуру сервиса, кто-то только формирует API. Наиболее часто аналитик готовит описание REST-сервиса с помощью каких-нибудь формализованных языков (например, Swagger или JSON-схемы).

Если не рассматривать описание формализованных языков, то остается описание структуры запросов/ответов, описание возможных ошибок, проектирование внутренней логики сервиса и того, что он делает.

Спасибо за ответы, а тогда можно уточнить — что входит в задачи системного аналитика при проектировании REST-сервиса?

Мне кажется этот ответ остаётся актуальным для любого практического вопроса на тему REST с момента его изобретения. Хотя стилю уже скоро 30, когда дело переходит от теории к практике, сделать все по канонам не наделав ошибок до сих пор остается крайне трудной задачей. Как технология на базе REST мог выстрелить GraphQL с их интернированным стеком инструментов по всей вертикали. Но они все же через-чур специфичные.

К сожалению, это очень сложный и абстрактный вопрос, на который трудно ответить.

Применение алгоритмов классификации машинного обучения стало ключевым фактором для нашей компании в поддержании высокого качества данных. Наиболее впечатляют возможности активного и глубокого обучения, которые позволили выявить скрытые закономерности и существенно снизить риски. Инновационные подходы, такие как разработка функций и метрики оценки, предоставляют нам инструменты для более точного анализа данных и принятия обоснованных решений.

Особенно ценю ансамблевое обучение за его способность комбинировать несколько моделей для достижения наилучших результатов. Будучи уверенными в надежности и точности наших данных, мы смогли не только повысить эффективность работы, но и значительно улучшить стратегическое планирование.

Я работаю в сфере информационных технологий, и качество данных всегда было для нас критически важным, особенно при принятии стратегических решений. Использование методов классификации машинного обучения, таких как Naive Bayes и машины опорных векторов, значительно улучшило наши процессы очистки данных. Эти инструменты помогли автоматизировать выявление и исправление аномалий, что заметно сократило время и уменьшило количество ошибок в наших анализах. Особенно впечатляет возможность этих алгоритмов точно вменять пропущенные значения и связывать записи, сохраняя при этом целостность данных. Я особенно ценю их гибкость в адаптации к различным сценариям и контекстам, что делает их незаменимыми в нашей работе. Благодаря этим технологиям, наша команда уверена в точности и надежности получаемых результатов.

ИИ и МО стали для нас настоящими союзниками в процессе медицинского анализа. Благодаря этим технологиям, время на диагностику сократилось, а точность увеличилась. Мы внедрили ИИ-решения для анализа сложных медицинских данных, и результаты превзошли ожидания. Эти технологии не только облегчили нашу повседневную работу, но и открыли путь к ранее недостижимым открытиям. ИИ помогает обнаруживать скрытые паттерны, которые не видны человеческому глазу, что значительно ускоряет процессы лечения и улучшает качество ухода за пациентами. Особо хочется отметить точность прогнозирования и способность ИИ адаптироваться к новым данным. Без сомнения, это новый уровень в сфере здравоохранения.

Лично я наблюдаю значительное влияние искусственного интеллекта и анализа данных на наше повседневное функционирование. Эти технологии, способствуя повышению эффективности диагностики и лечения, значительно улучшили качество обслуживания пациентов. Однако не менее важно учитывать этические вызовы. Проблемы с конфиденциальностью данных и алгоритмическая предвзятость требуют активного внимания и прозрачности процессов, чтобы гарантировать справедливые и обоснованные результаты.

Очень впечатляет, как ИИ позволяет получать более глубокое понимание сложных медицинских данных, что ведет к принятию более обоснованных клинических решений. Это будущее, в котором я вижу огромное преимущество для пациентов, если этические соображения остаются в центре разработок. Мы должны стремиться к безопасности и защите данных, чтобы удержать доверие пациентов и обеспечить устойчивое развитие медицинских технологий.

Лично я наблюдаю значительное влияние искусственного интеллекта и анализа данных на наше повседневное функционирование. Эти технологии, способствуя повышению эффективности диагностики и лечения, значительно улучшили качество обслуживания пациентов. Однако не менее важно учитывать этические вызовы. Проблемы с конфиденциальностью данных и алгоритмическая предвзятость требуют активного внимания и прозрачности процессов, чтобы гарантировать справедливые и обоснованные результаты.

Очень впечатляет, как ИИ позволяет получать более глубокое понимание сложных медицинских данных, что ведет к принятию более обоснованных клинических решений. Это будущее, в котором я вижу огромное преимущество для пациентов, если этические соображения остаются в центре разработок. Мы должны стремиться к безопасности и защите данных, чтобы удержать доверие пациентов и обеспечить устойчивое развитие медицинских технологий.

ИИ и МО стали для нас настоящими союзниками в процессе медицинского анализа. Благодаря этим технологиям, время на диагностику сократилось, а точность увеличилась. Мы внедрили ИИ-решения для анализа сложных медицинских данных, и результаты превзошли ожидания. Эти технологии не только облегчили нашу повседневную работу, но и открыли путь к ранее недостижимым открытиям. ИИ помогает обнаруживать скрытые паттерны, которые не видны человеческому глазу, что значительно ускоряет процессы лечения и улучшает качество ухода за пациентами. Особо хочется отметить точность прогнозирования и способность ИИ адаптироваться к новым данным. Без сомнения, это новый уровень в сфере здравоохранения.