Kurgan-Telecom Ru | Информационные технологии

Знакомая картина? Вечер воскресенья. Вы, вооружившись мотивацией после очередной статьи о продуктивности, открываете свой календарь и любовно раскрашиваете временные слоты с 8:00 до 22:00. Тетрис сошелся, мозг получает порцию дофамина от иллюзии контроля.

Но наступает утро понедельника. В 10:15 прилетает алерт: на проде отвалился важный сервис (или звонит запаниковавший клиент). Вы идете тушить пожар. Когда дым рассеивается, ваш идеальный график разрушен до основания, а вместо удовлетворения вас накрывает липкое чувство вины: «Я снова выбился из плана».

Инструменты жесткого тайм-менеджмента обещают нам сверхрезультаты, но на практике превращаются в ловушку. Давайте разберемся, почему классический тайм-менеджмент ломается в IT и интеллектуальном труде, и почему попытки управлять своим временем заранее обречены на провал.

Всем привет! Меня зовут Иван, я руковожу компанией НИИ Крокодил.

Как и многие в IT, я состою в куче рабочих чатов, суммарно там, наверное, пару сотен человек. И каждый такой чат живёт одинаково: миллион сообщений, обсуждения сменяются одно за другим, а любая важная информация улетает вверх и теряется.

Особенно заметно, когда в чат приходят новички и пишут интро. Человек рассказывает, кто он и чем занимается, а через пару минут этот текст уже никто не увидит: его просто смывает потоком сообщений.

В какой-то момент мне стало интересно: а можно ли сделать так, чтобы люди находили друг друга не случайно, а по интересам и задачам? Так и появилась идея бота, который помогает знакомиться и «мэтчить» людей внутри сообщества. Спойлер: у нас получилось.

В этой статье расскажу, как мы с командой его сделали.

Roadmap часто делают для презентаций, а не для работы — и через месяц она расходится с реальностью. В статье вы найдете: 5 форматов визуализации дорожной карты, когда какой уместен, почему PDF — худший выбор, и почему roadmap должна жить там же, где задачи команды.

Как у вас с критическим мышлением?

Если вы считаете, что критическое мышление — это умение находить ошибки у других, вы в ловушке. Той самой, в которую попали меланезийские аборигены. И так же, как и они, вы не сможете получить желаемое.

Расскажу, что это за ловушка и как из неё выбраться.

Каждый день из каждого утюга мы слышим про вайб-кодинг и сказки о невероятных возможностях AI. Слышим, что программисты скоро будут не нужны. Да и вообще ИИ заменит всех кожаных, держащих в руках мышку.

Долго тянуть не будем, хотя можно распеть тирады о том, что ИИ не заменит человека. Как минимум потому, что НАДО НА КОГО-ТО В СЛУЧАЕ ЧЕГО СВАЛИТЬ ОТВЕТСТВЕННОСТЬ.

И так, история о том, как вайб-кодер почти убил стартап. Ну, формально он еще живой, но ни один здравомыслящий человек с ним более не свяжется.

Всем привет, меня зовут Дмитрий Грибанов, я член команды преподавателей курса «Нейронауки и нейроинтерфейсы» в Центральном университете. На данном курсе мы обучали студентов, как с помощью Python и интерфейса мозг-компьютер управлять каким-либо устройством «силой мысли», а в конце устроили настоящие нейро-гонки в виде соревнования.

Привет, Хабр! Я много лет работаю в системной интеграции и занимаюсь внедрением различных проектов в области ИТ и ИБ. Меня попросили написать технический обзор MWS Container Platform, так что ловите то, что получилось. В этом материале подробно поговорим о стеке наблюдаемости (observability) и рассмотрим несколько практических кейсов по обнаружению проблем средствами стека. 

В последнее время открытых моделей сверхбольшого размера развелось неимоверное количество, даже не просто моделей, а производителей. Вариации GLM, Kimi, DeepSeek занимают по нескольку строк в топ 5-10-20. Понадобилось перебрать основные LLM для тестов и выбора "рабочей лошадки", для чего пришлось немного пошуршать в интернетах. Оставлю в качестве памятки, вдруг кому-то окажется полезным.

Всё делалось на базе образов vllm-openai, платформ B200/H200 и дров 590.48.01. На момент начала экспериментов - примерно пару недель тому назад - версии vllm 0.16 ещё не было, но, как выяснилось в итоге, это не сильно повлияло на ситуацию. Основные костыли остались теми же самыми. Разве что кастомизация образа не для каждой модели нужна теперь.

В целом там, понятное дело, никакого RocketScience нету (особенно после того, как почитаешь китайские форумы в поисках нюансов). Но если бы кто-то посидел заранее и собрал советы в одном месте - жизнь была бы немного проще )) поэтому делюсь.

Как выбрать коллекцию в Java, чтобы код летал? Разбираем алгоритмическую сложность (Big O) самых популярных структур: ArrayList, LinkedList, HashSet, HashMap. В конце — схемы выбора и лучшие практики от команд. Сохраняйте, чтобы не забыть!

Генеративный ИИ развивается так быстро, что книги устаревают еще до того, как доходят до читателя. Тогда почему для рецензии мы выбрали книгу «Генеративный ИИ на практике: трансформеры и диффузионные модели»? Во-первых, оригинальное издание вышло чуть более года назад и отражает уже сформировавшуюся практику работы с трансформерами, diffusion-моделями и современными ML-инструментами. Во-вторых, именно эта книга вышла за рамки обычного пособия — ряд университетов по всему миру включили ее в учебные материалы и рекомендации как практико-ориентированный ресурс по генеративному ИИ. Это хороший знак, что перед нами не просто обзор популярной темы, а системное объяснение технологии.

Под катом комментарии к статье «Инсульт — это не только УДАР. Инструкция для всех», пара слов о первой помощи и вызове оперативных служб.

Привет! Меня зовут Николай Олигеров, я работаю продуктовым аналитиком в Яндекс Путешествиях. В этой статье я расскажу, как мы применяли PSM (Propensity Score Matching) — статистический метод, который позволяет корректно сравнивать группы, уменьшая систематические различия между ними. Подробно разберу, как выровнять группы теста и контроля с помощью PSM, расскажу о типичных ошибках (например, утечке признаков), дам практические рекомендации по сбору и выбору фич для мэтчинга, а также покажу, как валидировать полученные результаты и оценить их достоверность.

Заменить тонны бумаги на гигабайты файлов — благое намерение. Но оно может лечь очередным камнем в брусчатку дороги к бесконечным проверкам ГИТ и ФНС. Мало запустить систему, мало прописать маршруты согласования, организовать электронный архив. Чтобы обмен документами между работодателем и сотрудником имел юридическую силу, нужно написать и подписать тонну бумаг. О том, как перейти на кадровый электронный документооборот (КЭДО), не привлекая внимания трудовой и налоговой инспекций, читайте в статье. 

С вами Айгуль Шадрина, налоговый консультант и сооснователь S4. Мы внимательно изучили возможные риски внедрения КЭДО и готовы представить руководство по правильной организации кадрового документооборота в компаниях.

Еще каких-то шесть лет назад можно было спокойно позвонить на горячую линию или написать в чат — и без особых проблем выйти на связь с живым человеком.

Но в последние годы, чтобы добиться этого, нужно проявлять чудеса изобретательности: обходить ботов в чате или на телефонной линии, подбирать «правильные» формулировки, нажимать нужные цифры, лишь бы система наконец соединила тебя с оператором.

Я понимаю, зачем это сделано — экономия. И да, многие типовые вопросы действительно можно решить с помощью бота. Проблемы начинаются тогда, когда возникает нетривиальная ситуация, которая выходит за рамки шаблонов.

Развитие космонавтики привело к тому, что на околоземных орбитах движется большое количество техногенного мусора, присутствие которого ввиду опасности столкновения с космическими кораблями и аппаратами снижает безопасность космических полетов. Тем не менее, проблему почему-то не спешат решать. Хотя разработок много. О патентах на них сегодня мы и расскажем. 

Как запустить AI code review по git diff на своей машине через Ollama - без облака и API-ключей? Установка, конфиг и пример отчёта.

Ещё три года назад искусственный интеллект в российских корпорациях чаще выглядел как эксперимент: пилоты, лаборатории, отдельные команды, демонстрации на конференциях. В 2026 году ситуация принципиально иная. ИИ перестал быть витриной технологий и стал частью финансовых отчётов, инвестиционных стратегий и операционной модели крупнейших компаний.

Сбер, Яндекс и VK уже не просто внедряют AI-решения — они масштабируют их на уровне инфраструктуры, связывая технологии напрямую с выручкой, экономией и ростом производительности. В открытых источниках появились цифры, которые позволяют говорить об этом не как о тренде, а как о новой экономике.

Кодинг-агенты умеют быстро генерировать код, но результат часто расходится с ожиданиями. Естественный язык слишком неоднозначен для передачи точных требований, а классические unit-тесты с десятками ассертов тяжело читаемы.

Хороший подход для работы с агентами базируется на принципах BDD (Behavior-Driven Development). Нам важно не то, как реализована задача, а как ведет себя система. Лучший способ передать это поведение машине и легко проверить человеку - исполняемые спецификации.

«Подожди. Скажи еще раз. Сколько этапов собеседований ты прошла?»

«Десять».

«Ты имеешь в виду с 10 разными людьми, верно? Ты поговорила с десятью сотрудниками?»

«Нет. Десять отдельных, индивидуальных, запланированных этапов интервью. В общей сложности, наверное, человек с тридцатью. За три месяца».

И она не получила эту работу. На ее месте я бы, наверное, сжег их офис. И я не на 100 процентов уверен, что шучу.

Однако такой процесс становится нормой. На самом деле, я всё чаще слышу о так называемых «петлях собеседований» (interview loops), которые длятся месяцами. Кандидата прогоняют через десятки интервьюеров: от HR в роли «доброго полицейского» до потенциальных коллег, будущих начальников и даже потенциальных подчиненных. Да, я знаю, «подчиненные» — звучит грубовато, но у меня есть причина использовать это слово.

Возможно, вы заметили, что я назвал это «петлей» собеседований. Я не придумывал этот термин и не претендую на авторство. Иначе меня бы засудили.

Потому что угадайте, кто изобрел, ввел в оборот и, возможно, даже запатентовал этот термин?

Да. Это главная проблема современного найма, и запустил ее Amazon.

Чуть больше года назад я купил себе Creality K1C. В целом принтер меня устраивал, но со временем обнаружились кое-какие неудобства и недочёты, и мне захотелось допилить аппарат под себя.

В статье расскажу, как я заменил дефолтный примитивный интерфейс и лагающий лаунчер, а самое главное — настроил подсчёт филамента, чтобы мониторить остатки и обеспечивать бесперебойную печать.