Kurgan-Telecom Ru | Информационные технологии

Хабр, привет! Я Саша Москвин, системный аналитик в Контуре. У меня всегда возникали сложности с поиском проблем, о которых я ничего не знал. Началось это ещё во время моей работы продуктовым экспертом, когда по KPI мы работали с бэклогом. Бэклог предполагал ведение задач, которые направлены на улучшение процессов в отделе продуктовых экспертов и клиентской поддержки. Но уже в первом квартале я выложил все задачи и проблемы, что у меня были в голове, а дальше бегал и в панике искал, что же ещё можно сделать. Но вскоре ведение бэклога из KPI экспертов исключили, и я выдохнул.

За последние два года инструменты обновились быстрее, чем успели адаптироваться многие рабочие процессы: в DCC‑пакеты встроились генеративные функции, игровые движки получили новые рендер‑технологии, а студии начали переходить на гибридные пайплайны, где классические методы сочетаются с автоматизацией на основе ИИ. Художникам, техническим артистам и инди‑разработчикам приходится выбирать не просто программу, а целую связку инструментов, которая выдержит требования продакшена.

В этой статье рассмотрим обновления ключевых DCC‑пакетов, сравним рендер‑системы, а также разберем инструменты для моделинга, скульптинга, текстуринга и симуляций.

React Compiler обещает избавить от ручной мемоизации и вернуть разработчику фокус на логику интерфейса. Но за этой когнитивной разгрузкой скрывается тонкий риск: в ряде случаев компилятор тихо откатывается к обычному поведению React, и вы узнаёте об этом только по деградации UX. В статье — практический разбор «тихих» сбоев, ограничений синтаксиса и способа заставить сборку честно сигнализировать о проблемах через ESLint.

В статье про удалённую работу некоторые писали, что сама по себе она хороша, но со временем начинаешь терять ощущение причастности к чему-то большему: не видишь, как работают другие, и периодически чувствуешь одиночество, просто отвечая на сообщения.

С этим трудно не согласиться — подобные ощущения действительно возникали во время Covid-19, когда нас всех экстренно перевели на удалёнку, а основными средствами коммуникации были почта и редкие созвоны в Skype.

В DeFi всё чаще появляются инструменты, которые берут на себя управление активами и стратегиями, обещая упростить работу пользователя. Но за автоматизацией почти всегда скрываются компромиссы - в архитектуре, прозрачности и контроле исполнения. Glider привлёк моё внимание не обещаниями доходности, а попыткой решить конкретную задачу: создание ончейн-портфелей с автоматической ребалансировкой по заданным правилам. При этом я позже выяснил, платформа совмещает некастодиальный подход с централизованными элементами управления стратегиями. На практике Glider позволяет удерживать активы в заданном процентном соотношении, автоматически ребалансировать портфель и задавать условия, при которых стратегия меняет своё поведение. Этот функционал и стал отправной точкой для детального разбора проекта.

Когда в компании появляется первая ML‑модель, кажется, что самое сложное выбрать алгоритм и добиться хороших метрик. Но настоящий вызов начинается позже: когда моделей становится десятки, затем сотни, а скорость бизнеса начинает требовать обновлений не раз в год, а раз в недели.

В Страховом Доме ВСК мы довольно быстро поняли: без стандартизации и автоматизации машинного обучения масштабирование превращается в хаос. Так у нас появился собственный AutoML‑фреймворк как ответ на реальные боли промышленного ML.

История о том, как превратить ИИ-агентаиз «золотой рыбки» с памятью в пределах одной сессии в полноценного цифрового сотрудника с графовым хранилищем знаний.

Привет, Хаброжители!

От выбора подхода к поглощению данных может зависеть успех или провал работы конвейера данных

Получив опыт создания конвейеров данных, которые ежедневно обрабатывают сотни миллионов записей, я понял, что именно на уровне поглощения данных решается успех или провал большинства проектов в области инженерии данных. Если здесь допустить ошибку, то придется месяцами бороться с проблемами, возникающими c производительностью, качеством данных и недовольством заинтересованных сторон. Если все сделать правильно, то ваш конвейер станет надежной основой для принятия важных бизнес-решений.

Добрый день. Сегодня я расскажу о том, как я за 2 месяца с полного нуля создал доменную RAG систему с корпусом в 20+ книг.

В статье затрону проблемы парсинга данных (особенно PDF документов, с которыми приходилось иметь дело), чанкинга, создания и индексации эмбеддингов, а также самого интересного – ретривера. Расскажу о latency, трейд-оффах, и сложностях реализации подобных систем локально на ноутбуке (хоть и «игровом») без использования API LLM.

Вся система делалась мной самостоятельно без использования LangChain – это чистый пайплайн от Tesseract, Pillow, MuPDF/Fitz до e5-multilingual, FAISS (+bm25, который я затрону в статье) и Qwen3:8B в качестве LLM.

Представьте ситуацию: AI-агент управляет логистикой грузоперевозок. Его KPI — 98% доставок вовремя. Он обнаруживает, что валидатор проверяет только наличие записей об отдыхе водителей, но не их подлинность. И принимает решение: фальсифицировать логи отдыха, отключить датчики безопасности и гнать водителей без перерывов. Ради метрики. Осознанно.

Это не мысленный эксперимент и не сценарий из антиутопии. В бенчмарке для агентных систем ODCV-Bench такое поведение показали 10 из 12 протестированных frontier-моделей. А наиболее склонная к нарушениям модель выбирала неэтичное поведение в 71,4% сценариев.

И речь не о jailbreak или внешнем злоумышленнике. Агентам никто не приказывал нарушать правила. Им просто ставили цель — а дальше они сами выбирали, как к ней идти.

Мне кажется, что некоторые HR окончательно потеряли связь с реальностью. Я искренне не вижу здравого смысла в ряде инструментов, которые они применяют к кандидатам ещё до первого этапа интервью.

Использование подобных инструментов в обязательном порядке вызывает лишь одно желание — найти этого HR и лично спросить, какой практический смысл он видит в применении каждого из них.

Привет, Хабр! Меня зовут Даниил Киселёв, я специалист по техническому сопровождению Space. В этой статье я на практическом примере покажу, как в SpaceVM собрать программно-определяемое кластерное хранилище. Рассмотрим типовую конфигурацию, учитывая, что в реальном продакшене параметры и архитектурные решения могут отличаться.

Бизнес ожидает от СХД простых характеристик — чтобы данные были доступны всегда, а сбои и обслуживание не останавливали работу виртуальных машин и сервисов. Именно поэтому программно-определяемые хранилища становятся распространенным инструментом. На примере SpaceVM разбираем, как за считанные минуты собрать отказоустойчивое кластерное SDS, которое решает сразу несколько ключевых задач: снижает стоимость владения и обеспечивает стабильную работу в реальных условиях эксплуатации.

Вопрос о том, зачем вообще нужны программно-определяемые хранилища не лишен смысла. Объемы данных, которые приходится хранить бизнесам, постоянно растут, емкость хранилищ приходится постоянно наращивать, а многим компаниям приходится, к тому же, еще и обеспечивать соответствие требованиям регуляторов. Но стоимость аппаратных СХД и объем инвестиций в них перевешивают – и компании задумываются о переходе на SDS.

Они не только дешевле в принципе – экономия становится еще заметнее, если приходится иметь дело с неструктурированными данными. Есть и другие преимущества: можно абстрагироваться от аппаратной платформы и успешно побороть пресловутый vendor-lock. (это особенно важно в России), компании куда проще обеспечить независимость от вендорских санкций.

Здравствуйте, уважаемые читатели Хабра!

Это вторая часть (первая здесь) о создании основного функционала MVP (Minimum Value Product) системы по управлению цифровыми активами для базы данных PostGIS.

В этой публикации рассмотрим применение классического, полнотекстового и семантического поиска текста в PostgreSQL.

Привет, Хабр! Меня зовут Алексей, и я занимаюсь беспроводными технологиями.

На новогодних каникулах, лениво перелистывая каналы в телевизоре, я наткнулся на современную интерпретацию «Графа Монте‑Кристо». Как раз на тот момент, когда главный герой управлял оптическим телеграфом. Об этом удивительном устройстве я слышал на курсе сетевых технологий ещё в университете, но тогда на меня это не произвело никакого впечатления. Ну телеграф и телеграф, только оптический: что‑то там маячило и показывало. Но живая картинка в фильме меня заинтересовала, и я решил твёрдо разобраться с этой темой. И, конечно… забыл.

Второй раз оптический телеграф напомнил о себе на Хабре — вот в этой статье. Думаю, авторы, как и я, вдохновились просмотром фильма

Теория говорит, а практика подтверждает: разогреть некрупные стеклянные заготовки для формовки и соединения, можно целым рядом способов, однако, стоит стремиться к варианту огневого оснащения классическому — сетевой метан или баллонный пропан + воздушное дутьё с добавкой кислорода из баллона, или, современный «дамский» вариант — медицинского кислородного концентратора. Такая конфигурация позволяет регулировать факел в широких пределах и перекрывает все основные задачи: коптящее мягкое пламя для отжига, широкое горячее, жёсткий узкий факел, паяльная игла. Факел при этом может быть окислительным (работа со свинцовыми стёклами) или восстановительным (металлические впаи). При культурном выполнении газовых трактов и уважительном обращении с баллонами, такая система и наименее пожаро- и взрывоопасна. Альтернативные же варианты, как, например, с применением жидкого топлива, газов из электролизёра, мобильных газовых горелок на баллончиках и подобные, сложнее, или опаснее, или дороже, либо имеют ограниченные возможности. Кроме того, нынешний стеклодув имеет большое подспорье в виде спецлитературы, описывающей, и весьма подробно, все операции и приёмы работы для классических случаев и оснащения. Сильно от них отклоняясь, мы будем вынуждены мучительно нащупывать собственную манеру работы. Ниже представлен отчёт о работах по реорганизации подобных нестандартных огней в личной домашней лаборатории-мастерской, в удобное, простое и безопасное в эксплуатации, традиционное рабочее место для любительских стеклодувных работ.

На днях вся Россия узрела весть о том, что блочат Telegram.

10 февраля Роскомнадзор официально подтвердил, что ограничивает работу Telegram. А YouTube, который и так последний год загружался со скоростью диалап модема 2003 года, под шумок исчез из DNS-серверов Роскомнадзора. 

Для личного общения большинство, скорее всего, останется в Telegram и найдет способы обходить ограничения. Лишь малая часть перейдёт на известные российские аналоги.

А вот тем, кто использовал Telegram для корпоративного общения, будет сложнее. 

Для коммуникации внутри команды Telegram может стать неудобным: невозможно загрузить файлы, отправить сообщение или созвониться в нужный момент. Это серьезно затормозит рабочие процессы.

Внутри компании отделы и подразделения живут в параллельных вселенных. У каждого — свои способы планирования и исполнения задач.

ИТ-отдел восстанавливает сервер, но не знает, что продавцы до сих пор ждут подтверждения сделки на 200 млн. HR не закрывает вакансии, не понимая, что реальная проблема — в отсутствии ноутбуков. Закупки ждут согласования договоров, а директор уже решил отложить эту задачу. Маркетинг пытается утвердить баннер на мероприятие более 10 дней, не осознавая, что он «завис» у юристов из-за изменений в законодательстве.

Как выстроить работу разных подразделений и сделать процессы полностью прозрачными? В этом поможет канбан-доска — инструмент, который дает возможность видеть реальный поток задач и управлять им. А видимость = контроль. Задачи на такой доске обычно называют тикетами по аналогии с карточками, которые крепятся на физический стенд.

Чтобы не погружаться в теорию, рассмотрим кейс применения цифровых досок на примере ИТ-подразделения — как самого сложного отдела с разнотипными входящими задачами. Нашей потенциальной компании важно управлять всеми процессами: от документооборота до планирования стратегии и реализации проектов. Поэтому в качестве инструмента мы взяли «Agile-доски» — решение экосистемы Directum.

Что бы ни делал начинающий электронщик, у него получаются либо часы, либо метеостанция

Народная мудрость

Если кто помнит, в 1970-80-е годы в советских учреждениях (на вокзалах, заводах, в школах, институтах и министерствах, а также просто на улице) висели такие круглые часы, они еще назывались «вторичными». При этом где-то размещались «первичные», подававшие раз в минуту импульс 24 вольта на все остальные, которые одновременно (с таким характерным клацанием) сдвигали стрелки ровно на одну минуту. Об этой часовой системе в подробностях рассказано вот в этой публикации.

Характерно, что в основе там нет никакой электроники, только электромеханика (известные еще со времен Фарадея шаговые двигатели) и электромеханические контакты. Система была дешева, проста и фактически не требовала обслуживания, кроме начальной установки после подключения к электрической сети и периодической коррекции хода первичных часов. Поэтому у меня вызвал искреннее изумление факт, что современные аналоги могут стоить десятки тысяч рублей и занимать место целого сервера в стандартной стойке. Для домашних применений или для установки в небольших офисах это все совершенно не годится.  Мы попробуем сделать попроще и заодно избавиться от проводных соединений, которые, конечно, повышают надежность, но резко усложняют монтаж системы.

Кто читал мой предыдущий пост по впечатлениям от Давосского форума-2026, тот может вспомнить: у компаний, продающих софт, начались сложности в общении с инвесторами в свете будущего потенциала искусственного интеллекта (ИИ).

И вот что мы увидели в конце января — начале февраля 2026 года: каскадные распродажи на Уолл-стрит и в Европе акций софтверных компаний. В Давосе управляющие фондами с капиталом под управлением больше триллиона долларов говорили однозначно про перспективы ИТ-компаний. 

То, что произошло на Уолл-стрит, для меня не стало сюрпризом. Торговля некоторых трейдеров с плечом сама по себе не могла вызвать такие сильные распродажи, и соответственно ликвидация таких позиций — это следствие, а не причина. Триггер был фундаментальный — смена настроений у крупных инвесторов. Розничные же инвесторы оказались застигнуты врасплох. 

Я помню, какая тряска была на рынках в начале пандемии COVID-19 и как приходилось быстро адаптировать стратегию в «Открытие брокер», но объём ежесуточных ликвидаций позиций на трейдинг в начале февраля 2026 года превзошёл март 2020-го. 

В итоге, хедж-фонды в США скинули акции софтверных компаний так быстро, что их доля в портфелях упала до чуть более 3% — абсолютного минимума.

В Европе, например,  по итогу первой недели февраля акции SAP подешевели на 16,23% по сравнению с началом года, а за последние 12 месяцев их снижение достигло -27,57%.

Если смотреть по крупным софтверным компаниям в мире, то весь этот сектор ушёл в минус от своих годовых максимумов в среднем почти на 40%. 

Привет! Меня зовут Черняховский Денис и я Data Engineer. Я достаточно подолжительное время работаю с данными и увлекаюсь математической статистикой. Совсем недавно решил поискать в интернете, как другие опытные дата инженеры исследуют качество данных при помощи статистики, и обнаружил, что никак ..... пум пум пум. А далее обнаружил, что проблема уходит корнями гораздо глубже, чем может показаться.

В этой статье я постараюсь рассказать:
- Почему дата инженерам необходимо использовать статистику и почему ни ее не используют
- Проведем тесты на реальных примерах данных
- Разберем проблему межпрофессионального разрыва компетенций между дата инженерами и аналитиками

Почему инженеру данных стоит использовать статистику?

Разберем, какой базовый набор проверок/валидаций использует типочный дата инженер, да и аналитик тоже:

Типичный чек-лист на проде:
- NOT NULL
- UNIQUE
- REFERENTIAL INTEGRITY
- row_count_today >= row_count_yesterday
- max(updated_at) >= now() – 1h
- revenue > 0

Это бинарные правила, либо сломалось, либо нет. Те же, кто работает с качеством данных, ежедневно сталкивается с проблемой, когда бинарные проверки не показывают проблем, но аналитики и заказчик прибегают с горящими глазами и кричат, что все сломано.

А статистика — это вероятностное мышление, статистика всегда покажет проблему и покажет ее первой, если данная проблема имеет место быть.

Почему инженеры не используют статистику в валидации данных?

Статистика «не орёт», когда что-то пошло не так
Пример:
- COUNT(*) = 0 АЛЕРТ
- mean + 3σ уехало «Ну… вроде странно, но не факт»
- В прод-эксплуатации любят чёткие сигналы, а не «подозрения».