Kurgan-Telecom Ru | Информационные технологии

IoT-устройства почти всегда появляются в инфраструктуре незаметно. Их не заводят через архитектурный комитет, не обсуждают на дизайн-ревью и не включают в модель угроз. Камеры, умные розетки, системы контроля доступа, датчики климата, принтеры, телевизоры в переговорках, панели управления лифтами или вентиляцией просто ставят и подключают к сети. Потому что так удобнее, потому что так сделал подрядчик, потому что «это же не сервер». В итоге в корпоративной или даже домашней сети появляются десятки устройств, которые живут своей жизнью и почти никем не контролируются.

Альтернативное обоснование либертарианской экономики на основе речи Милея в Давосе

Президент Аргентины Хавьер Милей в январе 2026 выступил в Давосе с речью о том, что справедливость и эффективность — одно и то же. Его доказательство впечатляет: естественное право, римская юриспруденция, австрийская школа экономики. Но всё это держится на аксиомах, которые нужно принять на веру. Мы покажем, как прийти к тем же выводам проще — через анализ стратегий взаимодействия агентов. Без метафизики. С инженерной точностью.

В Android-разработке рано или поздно придётся столкнуться с задачей передачи данных между приложениями. Казалось бы, что тут сложного - отправил intent, получил результат. Но стоит копнуть глубже, и выясняется, что за простым API скрывается целый зоопарк потенциальных дыр в безопасности. Мы разберем три основных механизма обмена данными в Android: intents, URI schemes и shared preferences. Посмотрим, как они работают под капотом, где подстерегают грабли и как защитить своё приложение от любопытных глаз. Если вы пишете на Android и хотите понять, почему «просто передать данные» - это плохая идея, читайте дальше.

Экономия масштаба была фундаментом глобализации последних ста лет. LLM меняют это уравнение: один человек с AI-инструментами может делать работу команды. Что это значит для аутсорсинговых экономик, мегаполисов и структуры рынка труда?

Rust хорош своей безопасностью, но рано или поздно приходится выйти за пределы уютного мирка borrow checker. Нужно подключить проверенную C-библиотеку, использовать системный API или просто переиспользовать существующий код. И тут начинается unsafe.

Правильно приготовленный unsafe позволяет создать безопасный API поверх небезопасного кода, сохранив все гарантии Rust для пользователей библиотеки.

Разберём, как писать FFI-обёртки, которые не подтекают и не падают.

И почему меня это волнует?

Вот небольшая выдержка из обобщённого вывода tcpdump для ssh-сеанса, в рамках которого я всего один раз нажал на клавишу:

Тут недавно вышел на свет и сразу же нашумел новый ИИ-инструмент - ClawdBot. Это открытый ИИ-ассистент (personal AI agent), который может выполнять реальные задачи с подключённого устройства. Как Jarvis у Тони Старка: может разобрать почту, отредактировать файлы, найти дешёвые авиабилеты, а может даже за вас открыть Cursor и начать вайб-кодить. По сути, это агент, у которого есть доступ к вашим файлам, данным и аккаунтам (в том числе банковским) на компьютере. А вы управляете им через чат-интерфейс - прямо из телеграма. Круто, правда? Что может пойти не так?

Сказ о том, как после долгого перерыва я "взял в руки шашки" (поучаствовал в ML-соревновании) и дотащил задачу на "таблички" до первого места на финальном "приватном" лидерборде с помощью простейшей подготовки фич и классической линейной регрессии с регуляризацией, внезапно обогнав при этом всех модных катбустеров, банально переобучившихся на "паблике".

В задаче нужно было предсказать, "доживёт" ли ёлка до определённой даты, учитывая время рубки, наличие дома кота, вес гирлянды, далеко ли от ёлки стоит обогреватель (и есть ли он вообще) и прочие важные и не очень сведения.

Наверняка все, кто интересовался поисками внеземного разума, слышали о парадоксе Ферми. Сформулировать его можно так: если разумная жизнь во Вселенной не является чем-то уникальным, то почему мы до сих пор не наблюдаем никаких её следов? Считать ли молчание космоса признаком нашего одиночества? Меня давно интересовала эта тема, и вот наконец я решил в ней разобраться, сделав симуляцию обмена сигналами в галактике.

Основная задача статьи — продемонстрировать, что даже если появление разумной жизни не является редким событием, её целенаправленный поиск может оставаться безрезультатным многие тысячелетия. Попутно обсудим, какие именно факторы больше всего мешают нам обнаружить братьев по разуму, и проанализируем вклад каждого из них.

Различные решения парадокса Ферми здесь рассматриваться не будут — им уже посвящено множество публикаций, в том числе мне попадалась подробная статья на Хабре. Я расскажу именно о моделировании: на что опирался при построении модели, как устроена симуляция и какие результаты можно с помощью неё получить, а также поделюсь кодом.

Это сугубо личное наблюдение, но когда при первом знакомстве человек говорит о том, что он «просветленный» или «проработанный», то вероятнее всего вы не встретите в жизни большего психопата. Поездки на Бали, занятие йогой, работа с грибами, не делают тебя «более глубоким». Как писал Виктор Франкл: «если духовные основания подменяются химическими причинами, то следствие будет лишь артефактом. Тупиком». Поэтому в статье разбираю феномен Эго, опасность использования психоделиков и заблуждения, касательно просветленности и «включенного сознания».

В изолированной корпоративной сети с полумиллионом файлов стандартный поиск превращается в рутину. Облачные сервисы недоступны, серверные решения избыточны, а встроенные инструменты ОС не справляются с объёмами и разнородностью клиентов (Windows и Linux).

Мы столкнулись с этой задачей и вместо развёртывания сложной инфраструктуры пошли другим путём: упаковали весь поисковик в один HTML-файл. Фоновая индексация на Python раз в сутки — и сотрудники получают мгновенный поиск по путям прямо в браузере.

В статье разбираем архитектуру решения: как относительные пути решают проблему разных точек монтирования, почему плоский JS-массив оказался эффективнее сложных структур, и как уместить индекс 560+ тысяч файлов в 120 МБ без потери скорости.

Не полнотекстовый поиск, а инструмент для навигации по глубокой файловой структуре, где важная информация закодирована в путях. Работает там, где нельзя поставить Elasticsearch, но нужно быстро находить документы.

2025 год стал переломным для SEO: поисковые системы перестали быть просто каталогом ссылок и превратились в интерфейс для получения готовых ответов. Генеративные AI-блоки Google и Яндекса стали нормой, а пользователи всё чаще закрывают задачу прямо в поиске, не переходя на сайты. 

В 2026 году эти изменения закрепятся: SEO постепенно трансформируется в AIO (AI Optimization) и/или GEO (Generative Engine Optimization), где ключевым фактором успеха станет присутствие сайта в нейро-ответах.

Дмитрий Борисов, специалист по цифровому продвижению PromoPult, подвел итоги SEO 2025 года и наметил основные тренды 2026-го.

Всем привет! Я Дарья Васильева и отвечаю за DevRel в ПГК Диджитал. В этом посте я хочу поделиться своим любимыми лайфхаком в работе с таблицами в программе Excel.

«Пролистываем!» -  буркнете вы себе под нос, добавив, что в мире ИИ такие вопросы решаются за одну минуту. И тут вы правы. Но так ли это? Я не гуру Excel, мне он нужен для относительно простых манипуляций с небольшим объемом информации до 300 строк и 15 столбиков.  

Описываемый лайфхак не мое ноу-хау, я подсмотрела у коллеги и теперь распространяюсь здесь. В процессе написания статьи мне стало интересно, а как справляется с этой задачей ИИ. Насколько понятно он объясняет пошаговое решение новичку, какие варианты предлагает. Моя задача понять, что лучше совет соседа или совет ИИ? Разбираемся.

Все чаще мы сталкиваемся с тем, что люди хотят освоить сварку, но не знают с чего начать.

Даже те, кто полностью погружен в непроизводственные задачи всё чаще сталкиваются с необходимостью самостоятельно браться за выполнение производственных задач - дом, дача, иной раз проще и качественнее сделать самому.

Рассмотрим простыми словами способы сварки которые могут пригодиться технарям и не только.

Здравствуйте, товарищи! Недавно мне понадобилось сделать простой бэкенд для онлайн-песочницы в своем open source проекте. Сейчас для таких задач есть много конструкторов и low-code решений, типа n8n. Но я "по старинке" решил взять serverless с лямбдами, поскольку в позапрошлой компании плотно работал с этим стеком.

Вспоминая тему serverless, я обнаружил, что в русскоязычном пространстве, и на Хабре в частности, почти не освещена одна полезная техника. Пришло время исправить ситуацию и заполнить пробел данной статьей!

Многие внедряют SCRUM как набор инструментов: доски, итерации, встречи. Но за кадром часто остается самое главное – орг. структура, созданная под «водопадную» модель. Без понимания того, что структура первична, гибкие процессы просто накладываются на жесткую иерархию отделов. В итоге форма соблюдается, но истинный смысл ритуалов полностью теряется.

Разбираемся на схемах, почему структура всегда побеждает ритуалы и что из себя представляет настоящая команда.

Генетический алгоритм как инструмент инженера: практический кейс раскроя полотен

Генетический алгоритм — это «умный» инструмент для автоматизации раскроя материалов (металл, ткань, пластик). Вместо ручного подбора или полного перебора он по принципам естественного отбора ищет компактное размещение деталей, минимизируя отходы. В статье показан практический кейс на Python: как без сложной математики создать алгоритм, который экономит материал, время. Этот подход можно адаптировать под ваши производственные задачи.

Иногда самые глубокие озарения приходят из междисциплинарных столкновений. Размышляя над устройством хэш-функции MurmurHash, я невольно наткнулся на принцип, лежащий в основе законов физики. Что если наше пространство-время с его константами c, ħ, G и α — не фундамент, а лишь проекция, результат работы космической хэш-функции, применяемой к чему-то неизмеримо более сложному?

Доброго времени суток, «Хабр»!

В предыдущей своей статье я рассматривал разные парадигмы обучения моделей. Однако не всегда при обучении все происходит гладко.

Бывают ситуации, когда на обучающих данных модель работает идеально, но при проверке на новых данных точность резко снижается. Это явление называется переобучением.

Сегодня в статье расскажу об переобучении моделей, как обнаружить это явление и избежать его. Примите стратегически удобное положения, а я приступаю к своему повествованию.

В связи вот с этой новостью "Профессор Кёльнского университета потерял два года работы с использованием ChatGPT" , напоминаю, что в ChatGPT тоже (как и в других сервисах) можно выкачать данные штатно.