There are multiple types of tests we'd like to run - unit tests, end-to-end tests, manual tests, A/B tests. How should we organize them so they are fast and reliable? What to do if we need to handle GDPR-protected data? How to run those tests when we have thousands of machines handling the traffic? How to rollback?

In this talk we'll see how to build a real-life end-to-end testing pipeline used in biggest companies in the world. We'll start with unit tests running locally in milliseconds, go through correctness tests, regression tests, performance tests, security tests, and finally end with A/B tests proving that our code is not only correct but also provides better experience for the customers. All of that based on experience with desktop, mobile, service, and machine learning domains at biggest companies.

Mocno subiektywna i pełna humoru opowieść o perypetiach rozmów o pracę, widziana oczami rekrutra technicznego. Ponad 200 przeprowadzonych rozmów to już całkiem pokaźny bagaż doświadczeń. Większość osób popełnia te same błędy lub zyskuje w tych samych miejscach. Zobaczymy, do której grupy będzie Ci bliżej.

Sztuczna inteligencja znajduje coraz szersze zastosowania w biznesie. Dziś już nikogo nie dziwi wykorzystanie jej w marketingu przy generowaniu treści, w retailu, gdzie służy do prognozowania sprzedaży czy w dużych fabrykach jako narzędzie do monitorowania linii produkcyjnych. Przy takiej mnogości możliwości i zastosowań istotną kwestią jest pytanie – gdzie i kiedy wykorzystać gotowe rozwiązania, a kiedy budować je od zera?

Czy model stworzony przez giganta technologicznego sprawdzi się w każdych okolicznościach? Kiedy najlepszym wyjściem pozostaje przygotowanie wszystkiego samodzielnie? I dlaczego takie projekty się różnią i muszą sprostać odmiennym wyzwaniom? Odpowiedzi na te pytania przedstawię w swojej prezentacji.