Uber的技术办公室遍布世界各地，工程师们负责构建新的功能和系统，以改善拼车、新的移动出行、送餐和我们平台提供的其他服务。我们的ti8 竞猜雷竞技app重点介绍了其中的一些工作，对我们的工作进行了技术上的解释，这些解释可以作为工程社区的有用示例。
整个2019年，我们发表了关于前端和后端开发、数据科学、应用机器学习和人工智能前沿研究的文章。雷竞技是骗人的我们的一些最受欢迎的文章介绍了最初由Uber开发的新开源项目，例如海妖，基础网络，路德维希,AresDB．同样地，我们分享了优步AI涉及研究项目的文章，比如雷竞技是骗人的诗人，EvoGrad，LCA,柏拉图，以及对我们的雷竞技是骗人的新研究刊雷竞技是骗人的物网站．
除了我们的技术文章，我们还通过对工程师的采访，以及办公室和社区建设项目的简介，介绍了在优步工作的情况。年初，我们强调了我们的职业准备计划该项目为计算机科学专业的学生提供了一个机会，让他们在技术面试和工程师工作中学习技能。
除了文章，我们还在2019年制作了一个视频系列，优步的科学，采访了在数据科学、人工智能和机器学习领域工作的优步技术人员。这些视频，包括下面的视频，展示了我们如何实际使用前沿技术来改善优步的平台服务:
在2019年的最后几周，我们将发布我们在几个突出领域的工程工作概述，包括数据，基础设施,人工智能．为了结束这一年，我们精选了一些最受欢迎的文章，涵盖了一系列类别:
介绍Ludwig，一个无代码深度学习工具箱
机器学习模型在优步执行多种任务，从改进地图来简化聊天通信甚至防止欺诈行为．除了服务于各种用例之外，重要的是我们要让专家和非专家都尽可能地使用机器学习，这样它就可以改善我们业务的各个领域。为了强调我们在ML民主化方面的努力，我们写了一篇文章，路德维希Uber的开源深度学习工具箱建立在TensorFlow之上，允许用户无需编写代码就能训练和测试机器学习模型。自2019年2月发布以来，路德维希一直受到团队苹果、IBM和英伟达等等。2019年7月，我们发布了路德维希0.2版，其中集成了几个新功能，包括对Comet的支持。ML, BERT, H3和音频/语音，以及路德维希可视化API的实质性改进。
介绍AresDB: Uber gpu驱动的开源实时分析引擎
在Uber，实时分析使我们能够获得业务洞察和运营效率，使我们能够做出数据驱动的决策，以改善Uber平台上的体验。Uber空前的规模使得现有的第三方解决方案难以使用，这促使我们转向非传统的电源，图形处理单元(gpu)，以支持我们的分析计算。近年来，GPU技术取得了显著的进步，使其非常适合实时计算和并行数据处理。2018年11月上映，AresDB，详见这篇文章，是一个开源的实时分析引擎，利用gpu使我们能够更高效地统一、简化和改进Uber的实时分析数据库解决方案;我们希望其他人也能找到这个工具也有用!
应用QUIC协议优化Uber应用性能
优化优步的服务需要我们技术堆栈的各个层面都进行创新，但有一个领域，即在发射塔和手机之间发送数据包的实际网络协议，经常被忽视。为了弥补这一点，致力于提高网络性能的优步工程师写了他们的项目，用更新的传输控制协议(TCP)和HTTP/2取代QUIC协议和HTTP/3。QUIC是一种基于UDP实现的流复用现代传输协议，它可以让我们更好地控制传输协议的性能，为我们的应用程序执行的任务定制它。与TCP相比，实现QUIC可使整个网络的尾端延迟降低30%，更好地支持Uber应用程序上的实时任务，例如显示携带优步外卖订单的送餐员的当前位置。
推进人工智能:与Uber高级研究经理Jeff Clune的对话雷竞技是骗人的
我们采访了优步高级研究经理杰夫·克伦，讨论了他的学术背景，以及联合创始人的经雷竞技是骗人的历Uber AI实验室以及他的团队目前的工作改善深度强化学习训练进化算法。杰夫，他最近获奖了科学与工程总统早期职业奖(PECASE)在大学期间发现了人工智能，但直到遇到康奈尔大学的研究，才选择进入这一领域，该研究利用进化算法自动创建可以在现实世界中行走的3d打印机器人。雷竞技是骗人的他说:“我记得我的脑子里就像发生了爆炸。”“我觉得这太酷了，你可以把进化背后的想法结合起来，用它们自动设计复杂的东西，然后影响现实世界。”阅读有关杰夫的经验可以激励那些对在人工智能领域从事行业职业感到好奇的人。
在Uber测量Kotlin构建性能
大多数优步用户都通过我们的应用程序预约乘车和订餐，我们的移动工程团队在我们的Android monorepo中维护着20个Android应用程序和2000多个模块。应用程序是我们业务中非常重要的一部分，所以当我们考虑采用芬兰湾的科特林语言对于Android应用程序开发，我们对其性能进行了仔细的分析，并将结果分享在一篇文章中，以供其他Android开发人员参考。概述了我们用于围绕Kotlin性能进行129个实验的方法和平台，这显示了我们分析的严密性，而不是简单的度量，我们描述的细致的结果显示了Kotlin及其组件与Java相比的各种排列。我们的详细分析可以为其他面临类似问题的手机开发者提供帮助。
优化M3: Uber如何通过(简要地)分叉Go编译器来减半我们的指标摄取延迟
在Uber的纽约工程办公室，我们的可观察性团队负责维护一个健壮的、可伸缩的度量和警报管道负责检测、缓解并在服务出现问题时立即通知工程师。2019年初，例行部署了一项核心服务M3我们的开源指标和监控平台，导致在Go中收集和持久化指标到存储的总体延迟增加了一倍。减轻这个问题很简单——我们只是恢复到最后一个已知的良好构建，但是我们仍然需要找出根本原因，这样我们才能修复它。在本文中，我们重点介绍了端到端延迟摄取回归的主要收获，以便其他工程师可以从我们的经验中学习，并将其应用到他们自己的基于go的系统中。
解构彩票:零、符号和超级面具
在优步，我们应用神经网络从根本上改善了我们对城市中人和物运动的理解。尽管神经网络是功能强大、应用广泛的工具，但人们对其许多微妙的特性仍然知之甚少。在我们最近一篇旨在揭开神经网络神秘面纱的论文中，解构彩票:零、符号和超级面具，我们建立在迷人的基础上彩票假说是弗兰克尔和卡宾发明的尽管这些研究人员清楚地证明了彩雷竞技是骗人的票是有效的，但他们的工作提出的问题和回答的问题一样多，许多潜在的机制还没有被充分理解。对于那些利用神经网络进行预测的人来说，我们的论文值得一读，它提出了这些机制背后的解释，揭示了这些子网络的奇怪怪癖，介绍了彩票算法的竞争变体，并得出了一个令人惊讶的副产品:超级面具。
Uber Eats的食物发现:使用图形学习增强推荐
Uber Eats应用程序是全球36个国家500多个城市的32万多家餐厅合作伙伴的门户。为了让用户体验更加无缝和易于导航，我们会提前向用户展示他们可能喜欢的菜肴、餐厅和菜系。这第三个条目在我们的发现食物有了Uber Eats系列关注我们如何利用图学习(一种技术，通过学习节点的表示，ML算法在数据结构为图的数据上进行训练，以改善Uber Eats搜索和推荐系统中的餐厅和食物推荐。我们在图形学习方面的工作为大规模部署的其他类似推荐系统提供了一个令人信服的选择，并指出人工智能在提高优步平台上客户满意度方面的更广泛能力。
扩展访问:设计优步精简版
在优步运营的一些全球地区，人们倾向于携带基于旧技术的手机，无线网络可能速度较慢或覆盖不稳定。意识到我们最新的应用程序在这些环境中可能无法最佳地运行，我们印度班加罗尔办公室的工程师们提出了优步精简版(Uber Lite)，这是我们骑手应用程序的精简版。这些工程师在我们的工程博客上介绍了优步精简版，并描述了他们是如何围绕三个原则设计的:轻、即时和简单。雷竞技到底好不好用他们打造了精简版优步，以减少手机内存占用，对网络活动做出快速反应，并让叫车变得尽可能简单。了解优步精简版的设计可以帮助移动工程师更好地了解如何为全球市场定制应用程序。
关于实习，职业建议和达到15B次骑行:与优步CTO Thuan Pham的对话
优步的工程实习生Sudhanshu Mishra后来成为了全职员工，他采访了首席技术官Thuan Pham，以了解他进入科技行业的经历。Thuan讨论了他早期选择攻读计算机科学而不是医学预科，他在惠普的实习，以及他管理大型工程组织的哲学。他谈到了早年的一位导师，这位导师不仅帮助他在事业上取得进步，还让他在搬到全国各地后感到受欢迎。Thuan在面试中讲述的经历可以作为指导同事以及在工作场所与他人互动的榜样。
查看我们2019年优步工程的其他亮点文章:
-
- 2019年优步基础设施:提高可靠性，提高客户满意度
-
- 2019年Uber开源:社区参与和贡献
