Konuklar: Arif Türkmen, Berkay Ersoy, Berkcan Teber, Okan Çiftçi, Sumru Nayır
70. bölümümüzde konuğumuz NLP ekibi oldu. Ekip yapısını, projelerini, teknoloji stack seçimlerini ve çok daha fazlasını konuştuk!
Trendyol Talks'da Trendyol'daki kültürümüzü, kültürümüzden beslenen iş yapış biçimlerimizi ve ritüellerimizi konuşuyoruz. Trendyol Talks podcast kanalımızı takip etmeyi unutmayın!
Transkript
Selam Akip, ben Productivity ekibinden Erdem.
Teknoloji ekiplerini tanıdığımız ve süreçler, teknolojiler gibi konuları konuştuğumuz Selam Akip Podcast serisinin 70.
bölümünde NLP ekibiyle birlikteyiz.
Bu ekibi tanıyıp ekip yapısı, kullanılan teknolojiler, pratikler gibi konuları konuşacağız.
Hoş geldiniz arkadaşlar. Hoş bulduk, merhabalar.
Merhabalar, hoş bulduk.
Hoş bulduk, selam. Selamlar, hoş bulduk.
Evet, kısaca bize kendinizi tanıtabilir misiniz?
Ben başlayayım. Herkese merhabalar.
Ben Sumru Nayır. Trendyol'da yaklaşık 4 yıl olmak üzere ve başladığımdan beri de bu ekipte developer olarak görev alıyorum.
Ben devam edeyim. Ben Okan Çiftçi.
NLP ekibinde yazılım geliştiriciyim.
Yaklaşık 1,5 yılı aşkın süredir rol alıyorum Trendyol içerisinde.
Selamlar. Ben de Berkay Ersoy.
1,5 yılı aşkın süredir NLP ekibinde backend developer olarak çalışıyorum.
Selamlar. Ben de Berk Çantaber.
Yaklaşık bir senedir Trendyol'dayım ve NLP ekibindeyim.
Takıma Developer'in test pozisyonuna destek oluyorum.
Evet, hoş geldiniz tekrardan.
Şimdi isterseniz birazcık takımı konuşalım.
NLP takımı ne yapar, nelerden sorumludur?
Bunları bize anlatabilir misiniz?
O zaman ben başlayayım ilk soruyla.
Şu an ekibimizde 6 backend, 1 QA, 6 data scientist ve 2 de product owner arkadaşımız bulunuyor.
Yani toplamda aslında 15 kişilik bir ekibiz.
Genelde projelerimizde tüm süreçleri data science arkadaşlarla birlikte ilerletmeye çalışıyoruz.
Bu projelere de birkaç örnek verecek olursak, kullanıcının yaptığı yazım yanlışını düzeltmek ya da farklı dillerde yapılan aramalarda istenilen dildeki ürünü göstermek gibi örneğin Türkçe sitede adres
aratılmıştır ve karşılığı olan elbise sonuçlarını gösteriyoruz.
Ve bunların hepsine Trendyol'un destek verdiği tüm diller için Ve bunlara artı olarak tabii ki de Trendyol elelimi kullandığımız, satıcılar için ürün description'ı oluşturan ya da AI asistanla birlikte
kullanıcı sorularına cevap verdiğimiz projelerimiz de mevcut.
Yani özetle aslında hem satıcı hem de kullanıcıları etkilen projeler üzerinde çalışıyoruz.
Süper. Peki NLP ekiplerinin organizasyon yapısı nasıl?
Hangi ekiplerle birlikte çalışıyorsunuz?
Buna ben cevap vereyim. Ekip genel olarak iki parçadan oluşuyor.
Tek ekibi ve DS ekibi.
Bu ekipler içerisinde aslında hem veri bilimciler, hem yazılım geliştiriciler, hem QA testerler ve product ownerlar bulunuyor.
Ekip içerisinde genellikle birlikte karar alıp bu kararlar üzerinden aslında ortak bir bilinçle hareket ediyoruz.
Trendyol içerisinde aslında hani herhangi bir dil ile ilgili veya metin ile ilgili bütün aslında çalışmaların toplandığı ekip.
Bizim ekibimiz oluyor. Ve aslında bunlara ihtiyaç duyan diğer ekiplerle de, search ekipleriyle de doğrudan veya dolaylı çalıştığımız konular, projeler de oluyor.
Burada hani search core, search vision, search suggestion gibi ekiplerle birlikte çalıştığımız oluyor.
Bunların dışında örnek veriyorum, revivriating ekibiyle trend yol ürünlerine gelen yorumlar üzerinden gerçekleştirdiğimiz bir projede vardı.
Veya marketplace ekibiyle de yeni girilen ürünlerin açıklamasının otomatik oluşturulması için de birlikte çalıştık.
Temel olarak böyle bahsedebilirim.
Anladım. Yani aslında bayağı ekiple çalışıyorsunuz diyebiliriz.
Peki, şimdi biz yakın zamanda bir haftalık sprinte geçtik.
Katılımcılardan da çok fazla duyuyorum bu bir haftalık sprint olayını.
Sizin tarafta bu agile pratikleriniz nasıl?
Sprintleriniz nasıl gidiyor? Diğer toplantılarınızı nasıl yönetiyorsunuz?
Onlardan bahsedebiliriz belki.
Bunu da ben cevaplayabilirim.
Biz kendi içimizde IGL yöntemlerini oldukça aktif bir şekilde kullanıyoruz.
Her sabah düzenli olarak değillerimizi yapıyoruz.
Bu toplantılarda ekip üyeleri üzerinde çalıştıkları işleri, karşılaştıkları engellileri ve ihtiyaçlarını paylaşıyorlar.
İki haftalık sprintlerle çalışıyoruz.
Çünkü bu bizim ekip dinamiklerimize en uygun olanı olduğuna karar verdik.
Grooming ve planlama toplantılarında işleri detaylandırıyoruz ve önceliklendiriyoruz.
Technical depth'leri ele almak için aylık toplantılar düzenliyoruz.
Bunu her ay düzenli olarak yapıyoruz.
Yeri geldiğinde pair programming ile beraber çalışarak ekip üyelerinin birbirlerinden öğrenmelerini sağlıyoruz.
Brainstorming toplantılarımız var.
Burada yaratıcı fikirler üretiyoruz.
Her split sonda da review ve retrospektif toplantılarıyla hem ilerlememizi hem de sürecimizi değerlendirmiş oluyoruz.
Bunların yanı sıra eğlenceyi de iş kültürümüzün bir parçası.
Partisi haline getirdik diyebilirim.
Düzenli olarak game session'ları düzenliyoruz.
Bu bizim hem ekip bağlarımızı güçlendiriyor hem de motivasyonumuzu arttırıyor.
Yani kısacası verimli ve keyifli bir çalışma ortamına sahibiz diyebilirim.
Süper çok iyi. Şeyi merak ettim.
Bir haftalık sprint'i denediniz ve ondan sonra iki haftalığın daha iyi olduğuna karar mı verdiniz?
Yoksa hep iki haftalık mıydı?
Öncesinde bir haftalık sprint'ler koşuyorduk.
Daha sonrasında hani bir haftanın bize...
tam olarak yetmediğini, fit etmediğini fark ettik.
İki haftalık splitleri deneyince de aslında tam bize fit ettiğini fark ettik.
Ondan dolayı da bu şekilde ilerliyoruz şu anda.
Anladım. Peki şimdi NLP deyince böyle Python falan geliyor aklıma ama tek siteyiniz nasıl?
Hangi teknolojileri kullanıyorsunuz?
Buna cevap vereyim.
Ekip olarak aslında genellikle şirket içindeki diğer takımlar için biz genelde servisler geliştiriyoruz.
Bu servisleri API aracılığıyla sunuyoruz.
Bu süreçte yazdığımız servislerin dokumentasyonunu da hazırlıyor.
Kapsamlı testler yazıyoruz. Aynı zamanda bu servisler genelde yapay zeka modelleri üzerinden inference çıkarım yaparak sonuçları geri dönüyorlar.
Bazı durumlarda da verileri bir kaynaktan okuyup modellerimize belirli rutinlerle işlem yaptırmamız da gerekebiliyor.
Bu tür işler için de aslında böyle hani böyle belirli bir sürede bir çalışan job'lar geliştiriyoruz.
Teknolojik altyapımızda hani Python ve Golang dillerini kullanıyoruz biz genelde ekip olarak.
Elasticsearch, Couchbase ve BigQuery gibi veri tabanlarıyla birlikte çalışıyoruz.
Kuyruk yapısı için Kafka kullanıyoruz genelde.
Hug and Face kütüphanesi ile de elimizde olan yapay zeka modellerini geliştirip işliyoruz aslında.
Bu model dağıtımı için Triton adlı bir inference server var.
Onu kullanıyoruz. Bayağı da işimize yarıyor.
Aynı zamanda Trendyol'un içerisinde Ares olan bir tool var.
Bu serviseye load test koşmamıza yarıyor.
Bunu da kullanıyoruz. Dışında da hani sistemin performans ve hatta takibi içinde hani Nivre'lik, Kibana, Grafana gibi araçlarla izleme yapıp aslında onlardan yardım alıyoruz.
Anladım süper. Ya böyle teknolojileri anlattıkça şey oluyor ya.
Heyecan yaratıyor ben de bilmiyorum.
Eleman arıyor musunuz? Boş yerlerse.
Hemen gerekli işlemleriyle.
Ya bizim şeyin de bu kötülüğü var işte.
Yani ekipler kendini anlatıyor ya.
Doğal olarak böyle güzel yanlarından falan bahsettikleri için her ekipte böyle bir şey oluyor.
Bazen Cengiz atlamak istiyor, bazen Fırat, bazen ben.
Birkaç asımımız geliyor da neyse sonra detaylı konuşuruz bunları.
Peki merak ettiğim konulardan bir tanesi de aslında sonuçta NLP süreçleri yürüten bir ekipsiniz.
Yaşadığınız zorluklar, sıkıntılar nelerdir?
En büyük challenge'ınız ne oldu?
Ondan da bahsedebiliriz belki güzel olur diye düşünüyorum.
Tabii ki. Açıkçası ekibin birbiriyle uyum konusunda bir sıkıntı yaşadığını düşünmüyorum.
Yani ilk tanışmamızda bile çok güzel vakit geçirdik ki şu an bence tek bir ekip gibiyiz.
Ama tabii ki backend ve DS olarak çalışmada zorlandık mı?
Evet zorlandık. Hatta az önce Berkay'la konuştuğumuz gibi sprintimiz bir hafta mı olsun yoksa iki hafta mı olsun?
Buna karar vermek bile bizim için bir süreçti.
Ve artı olarak developerlar olarak aslında peri çalışmaya çok alışığız.
Ama DS tarafında bu süreci oturtmamız bir tık zorlaşmıştı.
Ama şu an bu sisteme de kesinlikle oturttuğumuzu ve başarılı bir şekilde ilerlettiğimizi düşünüyorum.
Ama buradaki bence en büyük avantajımız NLP ekibi öncesinde bu ekip Search Intelligence ekibiydi.
Yani aslında NLP ile ilgili projelere zaten girişiyorduk.
Ve o yüzden bir noktada aynı dili konuştuğumuzu ve birbirimizi anlayabildiğimizi düşünüyorum.
Bence bu avantajı çok güzel kullandık.
Bunlara artı olarak bence brainstorming toplantılarının da çok büyük faydası oldu.
Yani aynı dili konuştuk diyorum ama tabii ki bizim DS ile ilgili bilmediğimiz ya da onların backend ile ilgili bilmediği konular tabii ki de oluyordu.
Ve Gromming'i de birlikte yaptığımız için bunlar puanlamada bizi bir tık zorlayabiliyordu.
Ama bu tarz durumları brainstorming ile birlikte çözdük.
Yani herkes her hafta bir konu anlattı.
O yüzden hepimizin işler hakkında az da olsa bir fikir olmaya başladı ve bence bu da bu süreci kolaylaştıran durumlardan biri diyebilirim.
Anladım. Yani zaten evet dediğin şey birazcık...
Anlaşılabilir. Backend developerlar ve işte DS tarafının bir de bilmiyorum bana şey gibi geliyor.
DS deyince hani bilim adamı gibi geliyor onlar böyle.
Bir tık farklı bir iş yapıyorlarmış gibi.
Aslında hepimiz de ortak bir amaca yürüyoruz.
Evet kesinlikle. Aynen.
Yani iki farklı kültürün aslında iş yapış şeklinin olduğu ekibin birleşmesi de tabii ki doğal olarak birazcık challenging olmuştur.
Peki biraz da şeyden bahsedelim.
Model geliştirme süreçleriniz oluyor sizin.
Bu süreçler nasıl oluyor?
Bunların diplomi süreçleri var.
Birazcık da onlardan konuşabiliriz.
Abi onu da ben cevaplayayım.
Aslında hani eğittiğimiz ve bulduğumuz modelleri kullanacağımız use case için verilerle test ediyoruz.
Elimizdeki Trendol verilerini aslında burada bize nasıl sonuçlar dönüyor?
Hangi model bizim verilerimiz için en uygun?
Ona göre geliştiriyoruz veya kullanıyoruz.
Aslında modelleri birbirleriyle karşılaştırmamız gerekiyor.
Bunun analizlerini yapıyoruz. Bunun devamında ise bu sonuçlar üzerinden aldığımız metrikler üzerinden karar alarak ilerliyoruz.
Model aslında hem geliştirmesini hem de deploymentını, influencerları olan Triton üzerinde deploymentını yapıyoruz.
Geliştirmesini daha çok kendi lokal bilgisayarımızda veya sunucularımızda yapıyoruz.
Deployment öncesinde çeşitli analizler gerçekleştiriyor.
Bazen modelleri kuantize ederek optimize ettiğimiz oluyor.
Modeller biraz küçülmesi gerekiyor.
Bazen çok büyük olabiliyorlar.
Bu optimizasyonlar için de literatürde yer alan güncel teknikleri hem araştırıyoruz hem kendi aramızda paylaşıyoruz.
Yani bunları kullanmaya özen gösteriyoruz.
Tabii model boyutuna ve bizim içeride kullanacağımız...
Modelin ihtiyaçlarına göre deployment'ın içeriği değişebiliyor.
A1 testlerine çıktığımız zaman bu A1 testlerden gelen sonuçlara göre modeli ya kullanıyor ya da iterasyonla geliştirebiliyoruz.
Bunun üzerinden aslında aldığımız hataların analizini yaparak sonuçları anlamaya çalışıyoruz.
Modelin nerede iyi, nerede kötü olduğunu, nerede geliştirmeye açık olduğunu.
Ayrıca ekip içerisinde de cuma günü model deployment'ı yapmamaya karar verdik.
Birkaç kez denedik. Başımıza böyle çok...
İyi şeyler gelmedi. Ondan sonra en sağlıklı kararın bu olduğunu kanaat getirdik.
Böyle genel olarak. Yani Cuma deploymentları zaten bence ulusal çapta yasak olmalı.
Başına iş açmayan ekip yoktur diye tahmin ediyorum.
Güzel cevap. Teşekkür ederim detaylı açıkladığın için.
Şimdi peki sonuçta yani NLP pek çok şeye aslında dokunan bir noktada ekip.
Buradaki deneyimi iyileştirmek için neler yapıyorsunuz?
Bir monitörlük sisteminiz var mı?
Metrikleri nasıl takip ediyorsunuz?
Bunu ben cevaplayabilirim.
Deneyimi iyileştirmek için geliştirdiğimiz model ve feature'ların çıktıkları üzerine yoğunlaşıyoruz.
Zaten bu kapsamda düzenli olarak event analizi adı verdiğimiz oturumları gerçekleştiriyoruz.
Bu toplantılarda da özellikle CR ve CTR gibi metrikleri detaylı bir şekilde analiz ediyoruz.
Elde ettiğimiz veriler doğrultusunda ne aksiyon alınması gerekiyorsa hızlıca bunları planlayıp uyguluyoruz.
Bu sürecin de en verimli şekilde ilerlemesi için developer, data scientist ve QA arkadaşlarımız bir bütün olarak...
çalışıyor. Özellikle QA arkadaşımız burada baya kritik bir rol oynuyor.
Her model veya feature iterasyonundan sonra kapsamlı validasyon testleri gerçekleştirerek ortaya koyduğumuz için beklentileri uygun olduğundan Bu yaklaşım hem daha iyi sonuçlar elde etmemizi sağlıyor hem
de kullanıcı deneyimini sürekli olarak iyileştirmeye yarıyor.
Monitoring kısmından da şöyle bahsedeyim.
Servislerimizi ve modellerimizi izlemek için birçok araçtan aktif bir şekilde faydalanıyoruz aslında.
Grafana üzerinden kendi ihtiyaçlarımıza özel dashboardları oluşturuyoruz.
Gerektiğinde bu dashboardları güncelliyoruz ve o anki ihtiyaçlarımıza göre güncel tutuyoruz.
Nivrelik ve Kibana'da da monitoring süreçlerimizde...
Çok önemli bir yere sahip.
Özellikle Triton Inference Server üzerindeki modelleri ve GP metriklerini takip etmek için bunlar özel ayrıca hazırladığımız dashboardlarımız mevcut.
Bu dashboardlar sayesinde servislerimizi ve modellerimizi metriklerine detaylı bir şekilde takip ediyor, analiz edebiliyoruz.
Aynı zamanda Alor sistemimiz de oldukça proaktif bir şekilde çalışıyor.
Nivrelik üzerinden gelen alortlar hem on-call arama sistemimize hem de Slack kanalımıza bağlanmış bir durumda.
Böylece herhangi bir incident anında ekip olarak hızlı bir şekilde aksiyon alabiliyoruz.
Anladım, teşekkürler.
Peki şimdi bu işin bir de test süreci var.
Orada merak ettiğim kısım şey benim.
Bu modeller için böyle model bazlı senaryolar çıkarıyor musunuz?
Yok da toplu testler mi oluyor?
End-to-end testlerle mi modeller test ediliyor?
Orada nasıl ilerliyorsunuz?
Bu soruya ben cevap verebilirim.
Yeni bir modelde genellikle ilk olarak happypad test senaryolarını çıkararak teste başlıyoruz.
Bu şekilde servisin beklendiği gibi çalışıp çalışmadığını kontrol ediyoruz.
Daha sonra ise hata durumlarında servis ya da modelin nasıl davrandığını yani negatif test senaryolarını çıkarıyoruz.
Bu senaryoları da oluştururken modelin yeniden eğitimiyle birlikte değişmeyecek sabit veriler kullanmaya özen gösteriyoruz.
Yani kısacası veri kaynaklı bakım maliyetini olabildiğince azaltmaya çalışıyoruz.
Daha sonra ise uç durumlarda yani edge case durumlarında modelin nasıl davrandığına bakarak bu durumlarla ilgili de test senaryolarını oluşturuyoruz.
Bunların dışında özellikle beklediğimiz ya da beklemediğimiz veriler ya da durumlar varsa bunlarla ilgili test senaryolarını da hazırlayıp testlerini yazıyoruz.
Ayrıca bunların dışında test veri setlerinden oluşan senaryolarımız da bulunuyor.
Bu veri setleriyle modelin başarı oranını ölçüyoruz ve belirli bir oranın altına düşüp düşmediğini de kontrol ediyoruz.
Anladım. Şimdi burada şey var aslında aklıma takılan yeni modeller geliştikçe.
Mevcut testlerde sonuçta değişmesi gerekiyor, bozulanlar oluyordur ya da işte test etmesi gereken şeyi etmediği kezler oluyordur.
Orada nasıl ilerliyorsunuz?
Bu açıkçası bizim de en çok zorlandığımız konuların başında geliyor.
Bu yüzden son zamanlarda testlerin bakım maliyetini azaltmak amacıyla modelle ilgili bir test veri seti oluşturuyoruz.
Bu test veri setiyle biraz önce bahsettiğim gibi modelin başarı oranını ölçüp servisin ya da modelin bu başarı oranının altına düşmemesini sağlamayı hedefliyoruz.
Bunu da diğer senaryoların yanında aslında bir test senaryosu olarak ekliyoruz.
Örneğin bir veri setinde bir model %70 başarı sağlıyorsa biz de test senaryosu olarak bu modelden minimum %70 başarı bekleyen bir senaryo oluşturuyoruz.
Eğer modelin başarısı bu oranın altına inerse test senaryosu da hata almış oluyor.
Burada önceden sabit verilerle senaryolar da yazmıştık aslında ama test senaryolarının bakım maliyeti oldukça fazlaydı.
Modeli her geliştirdiğimizde bu senaryoları da tek tek güncellememiz gerekiyordu.
Bu nedenle başarı oranına dayalı bir yaklaşımla ilerlemek aslında bizim için bakım maliyetini oldukça azalttı diyebilirim.
Her yeni model geldiğinde de bu başarı oranını da modele göre güncelliyoruz.
Bazı durumlarda ise testlerimizin kontrollerini el elem modelleriyle yapıyoruz.
Çünkü bazen bir yanıt için tek bir grand truth olmayabiliyor veya büyük veri setlerinde manuel olarak göze kontrol etmek imkansız olabilir.
Biz de modelden gelen sonuçları bir el elem modeline göndererek yazdığımız promptlara göre onun sonuçları değerlendirmesini istiyoruz.
O da doğru yanlış adil adil değil ya da istediğimiz bir skalada puan veriyor.
Testin sonunda ise el elemden gelen tüm sonuçlara göre modelin başarı oranını biz de hesaplayabiliyoruz.
Aslında bu sayede büyük bakım maliyetinden de kurtulmuş oluyoruz.
Anladım bayağı şey aslında süreçlerimiz güzel.
Peki burada bizim ekipte yakın zamanda bir load test konusu gündeme geldi.
Biliyorsunuz zaten kampanya dönemi öncesinde de oradaki yükü kaldırıp kaldıramayacağımız aslında görebilmek için farklı senaryolar oluyor.
Şey tarafını çok kestiremedim.
Bu NLP ekibinde modeller içinde bir load test süreciniz var mı?
Evet aslında bu soruya da ben cevap verebilirim.
Modellerin yük testlerini tren yolunun kendi yük testi aracı olan Ares üzerinden gerçekleştiriyoruz.
Testlerini genellikle servisi yazan ya da güncelleyen bir developer arkadaşıyla birlikte payer olarak gerçekleştiriyoruz.
Yük testi öncesinde yük testinde kullanacağımız datalar varsa o...
Bu data setlerini hazırlayarak başlıyoruz.
Eğer serviste de bir side cache vs.
varsa onu kapatıyoruz. Ve yük testi branch üzerinden de test ortamına servisi deploy ediyoruz.
Ayrıca yük testinden önce canlı ortamda ne kadar kaynak ayırmayı planlıyorsak test ortamındaki pod sayısını da buna göre ayarlıyoruz.
Yük testleri için kullandığımız bir yük testi şablonumuz var.
Bu şablonda servisi hangi seviyelerde, hangi yüklerle test yapacağımızı kullanıcı sayısı üzerinden tahmini olarak belirliyoruz.
En düşük adımlarla uygulamaya başlıyoruz.
Ares üzerinden istediğimiz kullanıcı sayısına girerek sadece bir güncelleme tuşuyla aslında yükü arttırabiliyoruz.
Bu yüzden Ares bizim için çok büyük bir kolaylık sağlıyor.
Daha sonra ise her seviyede servis doyum noktasına ulaştığında kullandığımız skriptler aracılığıyla da Beholder ya da Nivrelik gibi uygulamalar üzerinden istediğimiz verileri çekiyor ve sonuçları aynı Excel şablonuna kaydediyoruz.
Testin sonunda ise bu sonuçları da ekiple paylaşıyoruz.
Super. Gayet güzel ya QA tarafı düşündüğünden çok daha kapsamlıymış.
NLP deyince biz hep standart backend ekipleri ya da frontend ekipleri ağırladığımız için NLP bayağı bir bilinmez bir ekipti benim için.
Dediğim gibi başvuru kısmını belki kayıt sonrası bir tekrar şey yaparız.
Şimdi ekiplere genelde şeyi de soruyoruz biz.
Ekebe yeni katılan biri olduğu zaman onboarding süreçleriniz nasıl işliyor?
Bu kısmı da merak ediyoruz.
Sizin ekipte var mıdır? Onboarding tarafında yaptığınız farklı bir şey, standartın dışında bir onboarding süreciniz var mıdır?
Bununla ilgili bilgi verebilir misiniz?
Buna ben cevap verebilirim.
Aslında bizim tarafta şöyle oluyor, gelen arkadaş DS ya da backend'e göre onboarding süreci bir tık değişebiliyor.
Çünkü DS ise DS projelerine biraz daha odaklanması gerekebiliyor ya da backend ise backend projelerine gibi.
Ama backend tarafından örnek verecek olursam, eğer gelen arkadaşımız backend için bir onboarding sürecimizi aktaracak olursam da, Projelerimizden biraz bahsediyoruz çünkü çok fazla servisimiz
var. Tabii ki burada detaylı bir şekilde girişemiyoruz ama en azından önemli olan projelerin detaylarından bahsetmeye çalışıyoruz.
Tabii ki backend onboarding'in dışında DS tarafında da bir onboarding sürecimiz oluyor.
Orada da projeyle ilgili olan arkadaşlarımızla bir pay programming hazırlıyoruz.
Onlar da o projelerden bahsediyor.
Artı olarak search içinde zaten birden fazla ekip de bulunuyor.
Search core ekibi olabilir, suggestion olabilir, relevance ekibi gibi.
Onlarla da bir tanışma toplantıları ayarlıyoruz.
Anladım, süper. Yani onboarding zaten Trendyol'da en önem verdiğimiz şeylerden biri.
Sizin tarafta da gayet güzel bir süreç varmış.
Şimdi konuyu birazcık da bütün ekiplere yine sorduğumuz sorulardan biri.
Umarım sizden güzel şeyler çıkar diye tahmin ediyorum.
Böyle bize unutamadığınız...
bir incident varsa anlatmak ister misiniz?
Az önce de aslında bu NRP ekibi kurulmadan önce Search Intelligence ekibi olduğumuzdan bahsetmiştim.
O yüzden hem Search Intelligence ekibinin ilk kurulduğu hem de ilk Argo CD geçişini yaptığımız dönemde biz Search Gateway'i silmiştik.
Tabii yeni bir ekip olduğumuz için henüz Gateway dosyamızı ayıramamıştık.
O yüzden diğer ekiplerin de kullandığını düşünerek Search Gateway'i silmenin bir sorun olmayacağını düşünmüştük.
Ama çok öyle olmuyormuş.
Tabii ki burada kısa da olsa stresli bir incident yaşamıştık ve sonrasında aksiyonları aldık ama tabii bununla da kalmadı.
Çünkü Argo CD geçiş sürecimizde çok stresliydi.
işte ilgili arkadaşlar, farklı ekipten ilgili arkadaşlar artı liderler gelip işte bize özel bir gateway dosyası hazırladık.
Argo CD deployment'ını yaptık ve sürecimiz hani deploy ediyoruz.
Tamam herkes işte Grafana'lara baksın.
Instant geldi mi? Alert geldi.
Tamam bir şey olmamış. Sıradaki servise geçelim gibi bir süreçti.
Yani çok inanılmaz stresliydi.
Ve şu an çok gülerek anlatıyorum ama yani bayağı stresliydi bizim için.
O yüzden bu kesinlikle unutamadığımız anılardan bir tanesi.
Yani güzel insanlıklardan biri olarak not aldım ben de bunu.
Dediğin gibi şimdi gülerek konuşuyoruz belki ama çok stres yaratabilecek bir şeymiş yani.
Kesinlikle ama şunu da söyleyeyim tabii ki bilinçli olarak sildiğimiz bir geçme olmadı.
Tamamen ekiplerin kullandığını ve bizi etkilemeyeceğini düşünmüştük ama olmuyormuş.
Buradan da diğer ekiplere de küçük bir not olsun.
Onlara da selam olsun diyorsun.
Peki şeyi nasıl anladınız?
Bunun diğer ekipleri etkilediğini nasıl anladınız?
Nerede farkına vardınız yani?
Tamamen söyledik işte.
Öyle anladık. Yani çok kötü anladık diyeyim.
Anladım. Peki o zaman bir şeyler eklemek isteyen var mıdır?
Ben böyle minik bir araya gireyim.
Benim onboardingimde Sumru vardı.
Sumru beni onboard ediyordu.
Sumru'nun böyle genel olarak anlatmayı sevdiği ama bir o kadar stres olduğu incident de bu böyle.
Anlatıp gülüyorduk ama hani şey böyle bir yandan da çok sintes olduğunu anlayabiliyordum.
Aynen zaten o anlaşılıyor bence.
Gülse de içi kan ağlıyor gibi bir durum var aslında.
Evet beni anlamamıza çok sevindim buradan da.
Yok geçti o duygu bize geçti.
Peki bir de son olarak şeyi sormak istiyorum.
Bu soruya da farklı farklı cevaplar alıyoruz ekiplerden.
Çok böyle çıtayı yükseltenler de var standart şeyler yapanlar da var.
Ekip olarak keyifli bir ekip olduğumuzu...
Görüyorum. Sizin taraftaki süreci de merak ediyorum.
İş dışında etkinlik olarak yaptığınız bir şeyler var mı?
İşte burada oyun sessionları yapanlar var.
Dışarıda ekipçe buluşanlar, offline buluşanlar, işte seyahate çıkanlar falan oluyor.
Sizde nasıl şeyler var onları merak ediyorum.
Ekip olarak hani yılbaşlarında kendi içimize in yıl çekilişi yapıyoruz.
Genel olarak. Hani bunu bir etkinlik olarak katabiliriz içine.
Genelde ekip buluşmalarında İstanbul'da buluşup birlikte şehri geziyoruz.
Genel olarak şunu söyleyebilirim ama Foodie bir ekibiz.
Yani yemek yemeği gerçekten çok seviyoruz.
Genelde etkinliklerimiz de yemek üzerine oluyor.
Bunların dışında Trendyol'un kendi etkinliklerine de katıyoruz.
Summer Party, Tribe Day gibi günlerde hem kendi ekipçimizle kaynaşıyor hem de diğer ekiplerle kaynaşıyoruz.
Game Sessions'larımız da var aslında.
Çeşitli oyunlar oynuyoruz.
Hatta şu sıralarda ofis içerisinde Mesai'den sonra oynamaya başladık diyebilirim.
Ofiste oyun oynamak da keyifli oluyor.
Biz şu anda online daha çok yapıyoruz onu.
Haftalık bir sesim var bizde de.
Ne oynuyorsunuz peki? Oyun olarak önerebileceğiniz bir şey var mı?
Online'daki klasik oyunlardan oynuyoruz diyebilirim ya.
Ofiste de şu anda daha yeni yeni olduğu için yine klasik oyunlardan önermiş gibi olabiliriz.
Belki burada topu Okan'a atabilirim.
Biz bir ara şey oynamıştık.
Hugsball oynamıştık. Başka bir ekiple falan.
Çok eğlenceli oluyordu.
İşte onlar yenilince falan ben biraz...
Laf ediyordu. Biz yenilince onlar laf ediyordu tabii falan.
O şeydi yani güzel oluyor böyle hani diğer ekiplerle kaynaşmana da şey yapıyor, yarıyor.
Böyle Berkay'ın cevabına böyle ekstra olarak da bence bizim ekibe özgür şöyle bir yaptığımız bir şey var.
Böyle birbirimizin böyle hani biraz guilty pleasure böyle veya garip.
fotoğraflarını çekip işte kanaldan paylaşıyoruz veya WhatsApp grubundan paylaşıyoruz vs.
Öyle de bir ekip etkinliğimiz var şu dönemde.
Öyle. Ve Codenames'i de unutmayalım derim.
Biz de bayağı oynuyorduk bir ara onu.
Bir ara Gartica'ya oynamıştık çok.
Smash Cards falan. Genelde bunları duyuyoruz.
Keyifli oyunlar. Eskiden böyle şey ofis döneminde, ofiste çalıştığımız dönemlerde şey falan yaptığımız oluyordu.
Herkes kişisel bilgisayarını getiriyordu.
Counter, Age of Empires falan oynuyorduk.
Böyle bir şey çıkar mı diye merak ettim de.
Zaten ama şey yani bayağı zaman isteyen oyunlar.
Şeyde evet Expo şey olmuştu.
Lig gibi bir şey olmuştu.
Ben katılmamıştım ama katılan arkadaşlar var.
Belki şey yapabiliriz biz de.
Age of Empires için içeride böyle bir turnuva düzenleyebiliriz.
Düşünelim bunu. O zaman teşekkür ediyorum arkadaşlar katıldığınız için.
Güzel keyifli bir sohbet oldu.
Biz teşekkür ederiz.
Biz teşekkür ederiz sorular için.
Teşekkürler. Bizi dinlediğiniz için teşekkür ederiz.
Sonraki bölümlerde görüşmek üzere.
Bu transkript otomatik olarak çıkarıldı; kayıtla küçük farklar olabilir.