Kurgan-Telecom Ru | Информационные технологии

В эпоху гибридной и удалённой работы мобильное приложение для SaaS — это не «приятный бонус», а канал, через который проходят ключевые решения: от утверждения задач и ответов клиентам до работы «в поле». В статье — разбор, почему мобильность становится стандартом эффективности, какие сценарии реально работают в бизнесе и на что обратить внимание при выборе или разработке мобильного приложения.

Привет! Недавно мне довелось прочесть интересное американское исследование о том, как крупнейшие разработчики чат‑ботов на базе LLM обращаются с пользовательскими данными. Захотелось поделиться с вами, потому что в России чат‑боты практически во всех интернет-сервисах, и даже в Госуслугах. Так что вопрос приватности для нас тоже актуален.

Авторы исследования проанализировали политики конфиденциальности крупнейших игроков рынка и опирались на Закон Калифорнии о защите конфиденциальности потребителей (CCPA). В результате оказалось, что все компании по умолчанию используют пользовательские чаты для обучения моделей, а возможность отказаться либо спрятана глубоко в настройках, либо ее попросту нет.

У нас же в России действует закон «О персональных данных», который не регламентирует четко и прозрачно специфику работы именно чат-ботов на базе LLM. Хотя работа над этим идет.

Компиляторы то и дело удивляют меня очень хитрыми трюками. Когда я впервые увидел эту оптимизацию, то едва смог поверить в её реальность. Я изучал оптимизацию циклов и написал простую функцию, суммирующую все числа до заданного значения...

Всем привет, меня зовут Анатолий Спитченко, я Android-разработчик в ПСБ. В этой статье расскажу про свои эксперименты с Dagger. Наткнувшись в проекте на огромный модуль Application (11,5 Мб), я стал искать альтернативы обертке Dagger Android. Поэкспериментировал с продвигаемым Google Dagger Hilt, а также с более старым подходом — Dagger Components. Последний, как ни странно, позволяет немного сократить Application и в целом имеет больше плюсов, чем минусов. Подробности под катом.

Как сократить Time-to-Market в 7 раз и научить бэкенд-разработчиков собирать страницы за 15 минут? В этой статье я делюсь опытом внедрения Meta-Driven UI в ERP-системе. Расскажу, как я «душила» легаси с помощью Strangler Fig Pattern, внедрила FSD-архитектуру на Vue 3 и почему Render-функции оказались эффективнее обычных шаблонов.

Использование искусственного интеллекта – это один из ключевых факторов успеха при работе современных организаций. Но как реализовать его применение для решения конкретных задач внутри корпоративной инфраструктуры? В этой статье мы предлагаем вам подискутировать о том, какие условия необходимо выполнить для того, чтобы «корпоративный ИИ» работал стабильно, не галюцинировал, не нарушал правил ИБ и вообще стал помощником, а не еще одной проблемой.

Модель Блэка — Шоулза — математическая модель для предсказания динамики финансового рынка, на котором торгуются произвольные инвестиционные инструменты. Модель представляет собой дифференциальное уравнение в частных производных параболического типа. Эта модель дает нам инструменты для теоретической оценки цены европейских опционов.

Согласен, определение довольно сложное, давайте последовательно разберем, при каких предположениях работает модель, что такое инвестиционные инструменты и опционы.

В этой части мы познакомимся с вспомогательными понятиями финансовой математики.

Даже если РК настроены великолепно, а сайт с приемлемой конверсией, есть смысл тестировать ретаргетинг. Посетители просматривают несколько сайтов одновременно, пролистывая их левой пяткой по пути на работу, и легко отвлекаются. Обладая сокровищами в виде данных о посетителях сайта, считаю своей обязанностью засталкерить их ретаргетинговыми объявлениями.

Каждую ночь мы поднимаем глаза к небу и видим один и тот же рисунок созвездий, полагая, что наш дом стоит на надежном фундаменте вечности. Это иллюзия, дарованная нам милосердной краткостью человеческой жизни. На самом деле мы — пассажиры, несущиеся сквозь водоворот звездных вихрей с немыслимой скоростью, и наше Солнце — не неподвижный маяк, а пассажирский автобус на опасном галактическом хайвее. Миллиарды лет Солнце уводило Землю от гибельных взрывов сверхновых, проносилось сквозь облака радиоактивной пыли, расходилось на встречных курсах с проносящимися мимо звездами. Мы, смотрящие на звездное небо, не замечаем этой гонки. Куда ведет эта дорога, какие призраки прошлого остались позади и что ждет нас за горизонтом?

От переводчика: это перевод-выдержка из одного из ask-me-anything сессий физика-популяризатора Шона Кэрролла.

Вопрос: Я хотел бы узнать ваше мнение об одном распространённом критическом замечании в адрес теории струн — а именно о её фальсифицируемости

Ответ: [...] Здесь есть несколько моментов. Во-первых, сама идея фальсифицируемости во многом переоценена. Как я писал в своих блогах и статьях, когда Поппер говорил о фальсифицируемости, он на самом деле имел в виду две очень важные характеристики хорошей физической теории. Первая — теория должна быть определённой: она должна чётко указывать, какие события возможны, а какие — нет.

Понимаете? Она не может объяснять вообще всё подряд. И ещё один момент, на который он указывал, заключается в том, что должен существовать некоторый эмпирический способ оценить успешность теории — именно это действительно важно. По сути, важны именно эти две вещи. А он попытался свести их к одному критерию — фальсифицируемости, но это не совсем сработало. Современные философы науки не считают фальсифицируемость правильным способом отделять науку от ненауки.

Физикам нравится фальсифицируемость, потому что это короткая формула, правда? Не нужно особо задумываться. Когда же они разговаривают с настоящими философами науки, те начинают долго объяснять, всё становится сложным, голова начинает болеть, и разбираться не хочется. А фальсифицируемость — это просто удобный лозунг, который можно написать на бампере машины, но от этого он не становится более точным.

Так что проблема в том, что к фальсифицируемости часто относятся слишком упрощённо. Это один момент. А второй — прежде чем напрямую говорить о теории струн, позвольте привести пример того, как может работать ошибочное представление о том, что фальсифицируемость — это самое важное на свете.

Один из способов, при котором теория может оказаться нефальсифицируемой, заключается в наличии в ней свободных параметров. Например, в ньютоновской гравитации есть свободный параметр — гравитационная постоянная. Мы просто измеряем её, потому что знаем, что теория верна в определённом диапазоне условий.

Но если мы не уверены, что теория вообще применима в данном режиме, может оказаться, что у неё есть параметр с таким свойством: по мере того как его значение становится всё меньше и меньше, наблюдать какие-либо эффекты теории становится всё труднее и труднее. Например, струны очень малы, поэтому их трудно обнаружить. Тёмная материя взаимодействует крайне слабо, и в пределе, когда она вообще ни с чем не взаимодействует, мы никогда не сможем обнаружить её в лабораторных условиях.

Возникает вопрос: означает ли это, что теория нефальсифицируема, потому что существуют такие значения параметров, при которых её прямые следствия невозможно измерить? Многие рассуждают именно так — что если существуют свободные параметры, которые фактически «прячут» теорию от наблюдений, то она якобы не является фальсифицируемой. И вот в этом и заключается проблема.

А что если окажется, что теор

Года четыре назад, на стыке двух проектов, когда старый уже просто сапортили, а новый только находился в стадии препродакшена и питчингов разной степени завершенности (планирование и попыток продать концепт и идеи незаинтересованным инвесторам) у моей тогдашней команды удивительным образом появилось свободное время и где-то между обучением новичков премудростям кастомного движка, попытками переключаться на 20-ый стандарт и ретроспективой бэклога, солнечным сентябрьским утром родилась идея сделать студийные обсуждения в стиле подкаста PVC по теории С++, чтобы понять какие возможности реализованы в движке, какие компетенции есть у пополнения и вообще как-то освежить теорию. Так родился мини-курс внутристудийных лекций от разных людей с разным, но реальным опытом применения, позже осевший в местной вики в виде набора статей, бест практис или вообще заметок с упором на игродевовскую тематику. Чтобы все это добро не пропадало, ибо человекочасов туда было вбухано порядком я решил эти заметки облагородить и выложить в читаемом виде (видео к сожалению не будет, ибо НДА и всяческие спойлеры проектов и местной кухни разработки, да и никто не будет эти десятки часов болтовни слушать), но сами принципы языка и его особенностей вещь копирайту неподвластная, поэтому в таком виде вроде можно. Если подобный формат "зайдет" аудитории Хабра, можно будет продолжить статьи в виде небольшого цикла, как это получилось с серией Game++. К сожалению, начнем не с обобщенного программирования, а со второго подкаста про перегрузки, потому что первые записи оказались испорчены и на их восстановление потребуется время. Итак перегрузка в С++, не так как её учат в универе и дают в книжках...

Когда мы впервые увидели AI-чаты, это выглядело впечатляюще. Они писали код, помогали с документацией, объясняли архитектурные решения.

Это было хорошо. Но довольно быстро стало понятно главное:

В обсуждении со специалистами часто встречаю фразу от коллег: «Ассоциируйте AI‑агента с работником организации». В этой статье я не предлагаю решения, я скорее предлагаю тему для обсуждения — насколько привычные управленческие паттерны «из мира людей», применяемые при проектировании организационных структур, применимы для организации взаимодействия AI‑агентов.

К сожалению, геймдев сегодня — далеко не самое популярное направление в IT. Возможно дело в том, что это работа не для «чистых» технарей, а скорее для дизайнеров. И подавляющее большинство айтишников не заняты разработкой игр напрямую, а подобный опыт у них был разве что в детстве (до того как выбрать место с куда лучшими условиями).

Все это приводит к огромному количеству мифов, которые зачастую идут именно от непрофильных разработчиков. В этой статье постараемся отделить зерна от плевел.

Windows 10 нинужон!

Запускаем 3D симуляцию самого популярного в мире редактора УП для станков с ЧПУ CIMCO Edit 2025 (2025.01.25) в операционной системе Microsoft Windows 7. И ещё переводим на русский язык саму программу.

Привет, Хабр! В продолжение моей предыдущей статьи о локальном переводчике на кабардинском языке хочу поделиться практическим опытом обучения моделей машинного перевода для низкоресурсных языков. Расскажу о том, с какими проблемами я столкнулся, как их решал, и покажу конкретный код, который помог улучшить качество перевода с BLEU 8 до 28 пунктов.

Мы входили в эту реку дважды, трижды, бесконечное количество раз. Мы ждали 2025 год как рубеж, за которым наступит технологическая сингулярность, где рутина будет автоматизирована, а творчество возведено в абсолют. Писатели-фантасты и футурологи рисовали нам картины мира, где программист — это демиург, управляющий потоками данных силой мысли, а корпорации — это храмы эффективности.

Реальность, как это часто бывает, оказалась куда более прозаичной и, что греха таить, гротескной. Вместо киберпанка мы получили "кибер-сюр". Вместо торжества разума — торжество бюрократии, помноженное на галлюцинации нейросетей. Рынок IT к 2025 году превратился в странный гибрид восточного базара, где каждый пытается продать воздух, и неприступной бюрократической крепости, где вход и выход охраняются стражами, задающими вопросы о цвете вашей ауры.

Сейчас, наверное, только ленивый не ругает наши российские LLM: редкие и слабые релизы, спорная практическая эффективность, особенно в кодинге и математике, ограниченный контекст и забывчивость, плохое следование инструкциям и поверхностные ответы.

Да и в целом, несмотря на заявления об использовании современных архитектур и решений складывается впечатление, что «наши» модели словно отстают на 1, а то и 2 поколения от зарубежных аналогов.

Но так ли все плохо и есть ли белый свет в конце тоннеля для российских LLM?

Всем привет! Меня зовут Дмитрий Рейман, я техлид аналитической платформы Авито. Мы строим систему общего назначения, которая одновременно обслуживает ETL, витрины, BI, ad-hoc аналитику и продуктовые платформы.

И в какой-то момент мы столкнулись с неприятным эффектом: объём данных начал расти заметно быстрее, чем органический рост, на который мы ориентировались раньше. Модель классического on-prem DWH перестала масштабироваться линейно: борьба за ресурсы мешала давать гарантии готовности данных; локальные оптимизации давали всё меньший эффект; любой рост требовал масштабирования “по месту” и приводил к длительным простоям аналитики.

Стало понятно, что дальнейший рост в рамках прежней архитектуры будет только усиливать эти эффекты. Именно так мы пришли к необходимости сменить базовую парадигму хранилища и начать движение в сторону Lakehouse-архитектуры. О том, как это было, читайте под катом.

Аннотация

Данное исследование представляет собой концептуальный мост между, казалось бы, удаленными областями: теорией чисел и компьютерным зрением. В его центре — не попытка формального доказательства или инженерной реализации, а методологическая гипотеза. Предлагаю рассмотреть гипотезу Римана не только как математическую проблему, но и как мощную метафору и структурный шаблон для понимания фундаментальных ограничений и принципов в машинном обучении.

Ключевая аналогия строится на идее глубинного порядка, скрытого в кажущемся хаосе. Распределение простых чисел выглядит стохастическим, но гипотеза Римана утверждает, что оно управляется строгим законом — положением нулей дзета-функции на критической линии (Re(s)=1/2). Параллельно, поток визуальных данных (пиксели) представляется хаотическим, однако глубокие нейронные сети (DNN) демонстрируют способность извлекать из него жесткую иерархию абстрактных признаков (края → текстуры → паттерны → части объектов → объекты). Возникает вопрос: является ли эта способность чисто эмпирическим феноменом, или за ней стоит некий неизвестный «закон организации признаков», подобный закону для простых чисел? Существует ли для пространства визуальных концепций своя «критическая линия» — фундаментальное ограничение, диктующее, какие иерархии признаков устойчивы, обобщаемы и эффективно вычислимы?

Работа структурирована вокруг трех центральных тем, исследуемых через призму этой аналогии: