Kurgan-Telecom Ru | Информационные технологии

Суть эксперимента сравнить графовые ответы 2-х моделей относительно друг-друга. Обоим моделям (QWEN 3.8 MAX и DEEPSEEK V4) был задан один и тот же перекрестный вопрос. Результаты загружены в PlyLoom для анализа и сравнения.

Мы создали симуляцию 3D-города с машинами, пешеходами и светофорами, по которому ездит шестиколёсный робот под управлением настоящего скетча Arduino в вашем браузере. Все это для обучения детей и взрослых в кружках робототехники.

Конверсия интернет-магазина за ночь упала на 14%, хотя оплаченных заказов стало больше. Под подозрением — релиз iOS и посевы в Telegram. Разбираем, как за 20 минут проверить метрику, выявить сбой трекинга и разобраться в реальных причинах просадки.

История начинается с самой неблагодарной формулировки бага, какая бывает: а какая именно, мне пришлось в этом поковыряться.

Антон Фролов год автоматизировал дом на Home Assistant, но приложением, кроме него, никто в семье пользоваться не хотел. Тогда он заказал художнику иллюстрацию дома в разрезе и собрал из неё дашборд: камин и кондиционеры анимированы, ночью меняется освещение, оба этажа и сад видны на телевизоре. В статье техзадание для художника, карточка picture-elements, переключение дня и ночи, YAML-режим и киоск на HDMI.

Знакомая картина. Пишешь на автомате сложный однострочник в терминале или строчку кода в любимой IDE, нажимаешь клавишу – и с тоской наблюдаешь, как вместо команды на экране появляется россыпь кракозябр вроде git ghjvjnt или docker compose гз (примеры – для примера). Шелл ожидаемо выдает ошибку, пальцы по привычке зажимают Ctrl+Backspace или долбят клавишу удаления, а рабочий настрой разбивается о банальный язык ввода.

Хуже этого может быть только поведение так называемых «умных помощников», которые вроде бы призваны эту боль лечить. Начинаешь набивать пароль в консоли – утилита радостно лезет переводить скрытые символы. Объявляешь в коде переменную user_name – программа бодро режет ее по нижнему подчеркиванию и превращает хвост в кириллицу. Запускаешь терминальную утилиту со сложными ключами – переключатель решает проявить инициативу прямо посреди флагов сборки. В итоге ловишь себя на том, что тратишь больше сил на борьбу с самодеятельностью программы, чем на саму опечатку, и в приступе раздражения просто выгружаешь ее из трея (или вносишь в исключения). Прекрасно, круг замкнулся.

Многие могут сказать, что современные программы уже достаточно умные, чтобы не совершать подобных ошибок. Но ведь и я человек не простой... Если бы разработчики таких программ узнали что я иногда набираю, то, думаю, они бы впали в депрессию.

Казалось бы, тема автоматического переключения раскладки исследована вдоль и поперек еще в нулевых. Есть ветеран Punto Switcher, доживающий свой век под крылом Яндекса, есть минималистичная Caramba Switcher от того же автора, есть комбайны вроде EveryLang с переводчиками и распознаванием текста, есть узкоспециализированные Aml Maple и Key Switcher, а для любителей открытого кода – Mahou.

Разбор и пошаговая инструкция по устранению регулярных ошибок Microsoft‑Windows‑TPM‑WMI (ID 1803 и 1801) в журнале System на виртуальных машинах Windows Server под управлением VMware ESXi версии 7.x и 8.x (до ESXi 8.0 U3j). В статье рассматривается причина сбоя — переход Microsoft на новые сертификаты Secure Boot 2023 и несовместимость встроенного Platform Key (PK) в NVRAM виртуальных машин — а также приводится подробный гайд по безопасной ручной замене PK (на основе Broadcom KB 423919) и его проверке через PowerShell.

Сохраняю в Telegram всё подряд, а Claude Sonnet раз в сутки пишет по каждому материалу разбор для блога. Почти половина сохранёнок для блога лишняя, и на каждую уходит полный разбор. Рассказываю, как поставил перед Sonnet дешёвую модель Jev, которая отвечает вероятностью, почему формулировка вопроса оказалась важнее модели (AUC 0,46 против 0,95), какие предохранители стоят в коде и что показал журнал за две недели.

Я пишу книги, и кроме самих книг за день набирается много другого текста: сообщения, письма, задания нейросетям. Говорить быстрее, чем печатать, поэтому большую часть этого я диктую. Только живая речь, записанная слово в слово, читается плохо. Вот фраза, которую Whisper распознал без единой ошибки:

Как работать с ИИ-агентом над тестами Vanessa Automation, когда доступ к инфраструктуре заказчика ограничен через MCP? Описываю личный опыт и результат.

Нашёл и проверил 6 сервисов с бесплатным доступом к GPT-6, Claude и другим ИИ-моделям. Среди них есть площадки с миллионами токенов ежедневно, бесплатными API-кредитами на $10-25 и временным доступом.

Проверил доступность моделей, скорость ответов и ограничения. Рассказываю, что действительно работает и где можно получить бесплатный доступ.

Серия атак на инфраструктуру «Яндекса» привела к полной или частичной остановке работы нескольких его ключевых дата-центров. В ночь на 8 октября пожар вспыхнул в дата-центре компании в Сасове Рязанской области, 9 октября полностью вышли из строя ряд модулей дата-центра в Калуге, а в ночь на 11 октября была полностью остановлена работа ЦОД во Владимире.

Как следствие, за последние пять торговых сессий акции «Яндекса» растеряли почти 9% своей стоимости, а сегодня в моменте опускались до отметки в 3255 рублей. Подобная коррекция отражает переоценку инвесторами системных рисков, поскольку физическая безопасность дата-центров становится фундаментальным фактором стоимости. Инвесторы закладывают в цену не только прямые затраты на восстановление, но и потенциальные долгосрочные издержки на перестройку архитектуры безопасности, что неизбежно давит на маржинальность.

Насколько серьёзные масштабы проблемы у компании? Как это отразится на финрезультатах? Какие риски существуют в дальнейшем? Что будет с акциями?

Моя конверсия по рассылкам. Я показываю на примере рандомной своей выборки - но статистика отражает реальную действительность

Заметки разработчика мультимодальной ИИ-студии с распределённой сетью вычислений - о бэкдорах в квантованных моделях, supply-chain атаках и том, почему изоляция перестала быть опцией.

В чем секрет эффективного георадара? Предлагаю в статье разобраться на примере георадаров нашей разработки (георадары Izh-Terra-1, Izh-Terra-2, Гном-3).

Привет, Хабр!

Мы, Smart Engines и юридическая фирма INTELLECT, завершили работу над нашим ежегодным – уже четвертым в серии – отчетом о мошенничестве с использованием поддельных документов. Результаты свидетельствуют о серьезном ухудшении ситуации. 

В 2025 году число зарегистрированных МВД преступлений по ст. 327 УК РФ выросло на 338% год к году – с 397 до 1 739 случаев, достигнув максимального значения за последние семь лет. Минимальная оценка объема нелегального рынка поддельных удостоверений личности достигла 2,6 млрд рублей.

Рассказываем о масштабах мошенничества с документами, новых схемах с генеративным ИИ и, конечно, технологиях выявления подделок.

Обычный Go backend привык отменять работу вместе с HTTP-запросом. Но если пользователь закрыл вкладку посреди анализа документа, это ещё не означает, что LLM-провайдер прекратил генерацию и расходы. Разбираю, почему для длительных AI-операций недостаточно r.Context(), как организовать фоновые задачи на PostgreSQL и что делать с идемпотентностью, retry и повторными списаниями за API.

Часть моей работы — помогать джунам разбираться с архитектурными решениями.

Иногда у нас возникают обсуждения на тему: «Зачем заморачиваться с WebFlux, если можно продолжать писать на Spring MVC?». Чтобы предметно обсуждать эту тему, мы с командой провели внутренний бенчмарк, написали методичку и решили поделиться некоторыми соображениями в этом цикле статей.

В этой — первой — статье я расскажу, как устроены три основные модели обработки запросов в Java, покажу их сильные и слабые стороны и дам критерии, которые помогут выбрать подходящий вариант для вашего проекта. 

Дисклеймер: для Java-сеньоров в этой статье скорее всего ничего нового не будет.

Просто стало интересно - что такое описательный анализ. Математический анализ, функциональный анализ знаю. А описательный?

Наверно такое определение подойдет: Описательный анализ - это последовательность шагов, которая превращает сырые данные в понимание процесса. Маркетологи наверно будут говорить, что это не анализ, а аналитика, ну это их проблемы.

Как теоретическую основу я использовал идеи из следующих источников:

Process Mining - Ван дер Аалст, «Process Mining: Data Science in Action (2016). Методология извлечения знаний о процессе из логов событий.

EDA (Exploratory Data Analysis) - Тьюки, 1977. Принцип: сначала смотреть на данные, потом строить модели.

Lean Six Sigma - DMAIC (Define, Measure, Analyze, Improve, Control). Стандартная методология улучшения процессов.

Я не применяю всех методов, описываемых в Process Mining: Data Science in Action. Для данного анализа достаточно понимать, что наука о данных - это, в частности,  превращение данных в реальную ценность.

В этой статье ценность - понимание процесса. Мы не строим прогнозы, не используем машинное обучение. Мы делаем описательный анализ: превращаем сырые логи в картину того, как процесс работает на самом деле.

В статье неявно используется дискретная математика, теория графов, а математическая статистика не потребовалась. Еще: для меня реальные значения более информативны, чем картинки, но для любителей несколько диаграмм я все ж добавил. В тексте много цифр, я старался показать весь процесс, но для понимания результатов можно смотреть только выводы в конце каждого шага

Мы провели больше 100 запусков альтернативного теста 1С:ERP от «ИТ-Экспертизы» и дошли до APDEX = 0,986 на 30 000 виртуальных пользователей. Путь был непростым. На 15 000 ВРМ APDEX сначала упал до 0,704, и нам пришлось разбираться с загадочными ошибками PostgreSQL, штормом инвалидаций и перекосом нагрузки по NUMA-узлам. Рассказываем, что именно помогло.