Расписание

Это не доклад про успешную адаптацию ИИ и не набор рецептов «как внедрить AI в команду». Это откровение: я честно расскажу, как сам проживаю трансформацию профессии разработчика в эпоху ИИ, какие выводы делаю и что, на мой взгляд, ждет нас дальше.

Рассмотрю скрытые риски неявных действий при сборке Android‑приложений и внедрение подхода shift left для раннего обнаружения ошибок через автоматизацию проверок.

Что изменилось, как с этим работать и какие перспективы в использовании Swift для Android.

Как решить проблему разной скорости разработки в большом мобильном приложении. 

Мы внедрили AI-ассистента в мобильное приложение Дринкит как новый интерфейс для сложного меню: пользователь говорит «хочу что-нибудь освежающее», а приложение подбирает напиток и кастомизацию.

В докладе — разбор с кодом и архитектурой: Firebase AI Logic, function calling + agent loop, как не обанкротиться и альтернатива через Koog (если Firebase недоступен).

Погружаемся в «сложность дебага» SwiftUI на примере некорректной работы связки GeometryReader и LazyVStack. Разбираем, как AttributeGraph участвует в расчете размеров и обновлении кадров, и формируем практический подход к диагностике и решению подобных проблем.

Монопроект на 700 000 строк кода — почему это классно и как вообще с ним жить?

В докладе разберем, как мы в Туту внедрили мониторинг точек отказа мобильного конвейера, научились автоматически классифицировать причины падений с помощью ИИ и разделили ответственность на уровни Dev, Core и External. Покажу, как введение SLA на стабильность пайплайнов и ночные отчеты от LLM помогают не только быстрее устранять инциденты, но и планировать развитие инфраструктуры на кварталы вперед.

Доклад посвящен работе изолятов и сборщика мусора в Dart VM, связи изолятов с потоками ОС и ограничениях на их количество.

Вместе с вами погрузимся во внутрянку Codable, найдем узкие места, спроектируем решение и закоммитим решение в сам Swift!

Разберем, что такое плавность в мобильном приложении и какими метриками ее измерять (и почему одного FPS часто недостаточно). Покажем кейс: как по измерениям нашли узкое место в продуктовом сценарии и улучшили метрики.

Доклад в формате прохождения игры по уровням покажет, как устроены алгоритмические собеседования и какие навыки нужно прокачать, чтобы пройти каждый этап отбора. Это личная история пути от полного незнания алгоритмов до оферов в российский бигтех, включая Яндекс, с разбором типичных ловушек и стратегий победы.

Shared-анимации все чаще становятся не украшением, а обязательной частью дизайна.

Расскажу, как мы в Дринкит реализовали необычные Shared Transitions с блюром в Compose и почему этого инструмента не стоит бояться.

Покажу, почему использование Metal не всегда приводит к ускорению. На примере обработки изображений разберем, в каких случаях GPU действительно выигрывает и как корректно это измерить.