با تخفیف تبلیغ کن، بعد از بلک‌فرایدی قسطی پرداخت کن! تا ۵۰٪ تخفیف در ۱۳ سرویس مختلف
یکتانت, تکنولوژی دیده شدن
با حضور در یکتانت هم دیده شوید هم به دیده شدن بیش از 40 هزار کسب کار کمک کنید
نگاهی به تیم‌های یکتانت
تیم مدیریت پرفورمنس
تیم مدیریت اکانت
تیم مهندسی
تیم محصول
به مساله‌های الگوریتمی علاقمندی؟
وقتی سایت یا اَپ A چند جایگاه تبلیغاتی داره و یک کاربر اون سایت یا اَپ رو باز می‌کنه، A یک request به یکتانت می‌فرسته و درخواست می‌کنه که تبلیغ‌های مناسب رو در کسری از ثانیه بهش برگردونه تا به کاربر نمایش داده بشه. تبلیغ مناسب، یعنی تبلیغی که «احتمال ضرب‌در ارزش» این که کاربر، اقدامِ مورد نظر تبلیغ‌کننده رو انجام بده (مثلا کلیک کنه و به سایت بره و ثبتنام کنه، یا یک خرید انجام بده) ماکزیمم بشه. این تصمیمِ optimization برای هر request، بین هزاران تبلیغ، با انجام یک مزایده (auction) گرفته می‌شه، به شکلی که عدد bid هر تبلیغ در هر auction (یعنی مقدار پولی که هر تبلیغ حاضره برای برنده شدن در مزایده بپردازه)، توسط الگوریتم‌های هوشمند یکتانت محاسبه می‌شه: روی چه درخواست‌هایی چه‌قدر bid بذاریم به طوری که بودجه‌ی مشخص و محدودِ هر تبلیغ‌کننده، براش بیشترین آورده رو داشته باشه، در عین این که مجموع درآمد سایت‌ها و اَپ‌های یکتانت هم ماکزیمم بشه. تصور کنید که اول صبح، یک گوی جادویی داشتیم که همه‌ی میلیاردها requestای که قراره در طول روز به طرف یکتانت بیاد رو به ما می‌داد؛ به نظرتون این مساله‌ی allocation بین «بودجه‌ی تبلیغات« و «فرصت‌های نمایش» رو، که نوعی مساله‌ی matching است، چه‌طور حل کنیم؟ حالا برگردیم به دنیای واقعی: این گوی جادویی رو نداریم، بلکه باید تصمیم روی streamای از request رو به شکل آنلاین روی هر request بگیریم. برای حلش چه ایده‌هایی دارید؟
به مساله‌های data science و یادگیری ماشین علاقمندی؟
در فرایندی که در بالا گفته شد، ما باید برای هر تبلیغ روی هر request، احتمال کلیک و احتمال انجام شدن اقدامِ مورد نظر (مثلا افزودن به سبد خرید) رو پیش‌بینی کنیم. این پیش‌بینی توسط مدل‌های یادگیری ماشین که روی انبوهی از داده‌ها train می‌شن، انجام می‌شه. ما با چالش‌هایی از جنس حجم بزرگِ داده، sparsity داده، نیاز به responsiveness بالا، و از همه مهم‌تر، دقتِ حداکثری برای مدل، مواجهیم و به طور پیوسته در حال بهبود مدل‌ها هستیم.
به مساله‌های data engineering و big data علاقمندی؟
ما ده‌ها pipeline مختلف داریم که میلیاردها رویدادِ موجود در بستر big dataی یکتانت رو تحلیل و پردازش می‌کنن؛ مثلا برای تشخیص علاقه‌ی کاربران؛ مثلا برای محاسبه‌ی تراکنش‌های مالی با مشتریان؛ مثلا برای اندازه‌گیری انواع متریک‌های چندبُعدی از روی کلان‌داده‌ها. تحلیل big data در بستر HDFS یا OLAP، کار روتینِ یک مهندس نرم‌افزار در یکتانته.
به مساله‌های دنیای آمار و احتمال علاقمندی؟
ما انواع الگوریتم‌ها و مدل‌های جدیدی که توسعه می‌دیم رو با آزمون‌های A/B روی سیستم، تست می‌کنیم، مثلا ۱۰٪ request ها رو از الگوریتم جدید رد می‌کنیم و بقیه رو نه، و نتایج این آزمون‌ها رو در قالب چندین متریکِ چند بعدی، گردآوری و تحلیل می‌کنیم. می‌تونی سیستمی برای ما طراحی کنی که بتونه هزارن آزمون A/B رو به طور هم‌زمان اجرا، و سپس نتایج اون‌ها رو به همراه confidence level، تحلیلِ آماری کنه؟
به مساله‌های performanceای علاقمندی؟
سرویس‌های یکتانت، چندین هزار request بر ثانیه رو، از جمله با پردازش هزاران تبلیغ برای هر reqeust، با تاخیر کمتر از ۱۰۰ میلی‌ثانیه در p95، پاسخ می‌دن. حدس می‌زنی از چه تکنیک‌هایی استفاده می‌کنیم؟ راستی حواست به تعداد CPU coreهای مصرفی کل سیستم و محدود کردن هزینه‌های سخت‌افزاری هم هست؟
خلق ارزش یکتانت
شاید برای خیلی از ما، خلق ارزش سرویس‌های ad tech که یک سرویس business-to-business هستن، به اندازه‌ی سرویس‌های business-to-customer (مثل فروشگاه و تاکسی اینترنتی) واضح نباشه، ولی تبلیغات آنلاین، نبض تپنده‌ی دنیای web free هستن. مثلا وقتی «دستور پخت پنکیک» یا «خواص گل‌گاوزبان» رو search می‌کنیم و ده‌ها مطلب مفید به طور رایگان روی web در اختیارمونه، چه سایت‌های فارسی و چه انگلیسی، این به خاطر اینه که ناشران اون سایت‌ها، به واسطه‌ی همین دنیای تبلیغات دارن به حیات‌شون ادامه می‌دن. بدون تبلیغات، این دنیای غنی سایت‌ها و اپ‌های کاربردی رایگان هم وجود نمی‌داشت.
marketing، یکی از حلقه‌های مهم زنجیره‌ی تامین کالا و خدمات در اقتصاده، و یکتانت به عنوان بزرگ‌ترین پلتفرم تبلیغات آنلاین در کشور، نقش به‌سزایی در این زمینه ایفا می‌کنه. سهم بودجه‌ی digital marketing از کل بودجه‌ی marketing در بقیه‌ی دنیا، بیش از ۶۰٪ برآورد می‌شه، ولی این سهم در بازار ایران، تا همین چند سال پیش فقط زیر ۵٪ بوده و به تازگی شروع به رشد به سمت trend جهانی کرده. در یکتانت، مساله‌ی جذاب هست، data هست، و رشد و پیشرفت هم هست!
دوست داری این مسیر رو امتحان کنی؟
برای تجربه‌ی این مسیر جذاب ما یک مسابقه طراحی کردیم! مسابقه‌ی Yellow Bloom، یک رقابت بین برنامه‌نویس‌های علاقه‌مندیه که می‌خوان هم مهارت‌های کدزنی خودشون رو امتحان کنن و هم فرصت منحصر‌به‌فردی برای راه‌یابی به یک دوره‌ی آموزشی-تمرینی فشرده‌‌ست که در نهایت منجر به استخدام در یکتانت می‌شه. در صورتی که دوست داری مسیر کاریت رو در یکی از شاخص‌ترین شرکت‌های حوزه‌ی تکنولوژی کشور پیش ببری، Yellow Bloom می‌تونه اولین گام به سمت شغل دلخواهت در یک محیط حرفه‌ای باشه
زمانی که مسابقه شروع می‌شه، تو با سبدی از سوالات الگوریتمی، پیاده‌سازی و ساختمان داده روبه‌رو می‌شی و می‌تونی مهارت حل مسئله و برنامه‌نویسی خودت رو به چالش بکشی. سیستم داوری به صورت ورودی و خروجیه و با هر زبانی که دوست داری، می‌تونی کد بزنی. ترتیب سوالات هم، تقریبا از ساده به سخته؛ اما پیشنهاد می‌کنیم همه سوالات را بخونی و برای حل‌کردن هرکدوم وقت بذاری!
در ادامه، یک دوره‌ی فشرده‌ی آنلاین برای نفرات برتر توسط یکتانت برگزار می‌شه و افرادی که عملکرد بهتری داشته باشن، وارد فرآیند استخدام شرکت می‌شن.
چی از این بهتر؟
پس اگر دوست داری همراه ما در این مسیر باشی از طریق لینک زیر ثبت نام کن!
اگر بیای یکتانت، بعد از ۲ سال چه آدمی شده‌ای؟
به طور خلاصه: یک مهندس نرم‌افزار در کلاس جهانی. استانداردهای بالایی در یکتانت جاری هستن: نردبان و مسیر شغلی یکتانت، از شما یک رهبر می‌سازه؛ فرایند توسعه نرم‌افزار یکتانت، هم‌تراز متعالی‌ترین فرایندهای روزِ دنیاست؛ اینجا صرفا task انجام نمی‌دید و end-to-end ownership یاد می‌گیرید؛ اینجا کار تیمی و تعاملات و soft skills یاد می‌گیرید؛ اینجا تخصص‌های فنی متعدد یاد می‌گیرید؛ اینجا نگاه بلندمدت یاد می‌گیرید؛ اینجا قدرت قضاوت قوی در چگونگی حل مساله‌ها رو یاد می‌گیرید – جمله معروف ما در یکتانت اینه که هر feature رو دو بار می‌زنیم؛ یک بار با حداکثر سرعت برای گرفتن بازار؛ و بعد ادغامِ اون در سیستم‌ها به شکل تمیز.
تلاش و کارِ جدی از یک طرف، و تعادل کار و زندگی از طرف دیگه، از ارزش‌های مهم ما برای کار فنی در یکتانت هستن. در یکتانت، روابط بین تیم‌ها و بین نقش‌ها، گرم و پرنشاط و فضا کاملا صمیمیه.