Kurgan-Telecom Ru | Информационные технологии

В этой статье я делюсь реальным кейсом построения системы рекомендаций для картин. Сначала мы реализовали простой поиск по тегам, а затем перешли к эмбеддингам изображений с помощью CLIP и хранению в Elasticsearch. Также я показываю, как строим персонализированные рекомендации на основе лайков и просмотров пользователя. Статья будет полезна тем, кто хочет понять, как создать рабочую систему рекомендаций на Python и постепенно улучшать её точность.

 «Я ничем не интересен хакерам. Что с меня взять?» Эта фраза — классика жанра в спорах о кибербезопасности с малым бизнесом. Как показывает практика, следующий контакт с таким предпринимателем происходит уже на этапе расследования взлома. 

Недавно я наблюдал за одним очень показательным спором. «Я ничем не интересна мошенникам, мне нечего скрывать, — написала девушка в чате популярного мессенджера. — Смартфон — это вероятность утечки, ну и пусть. Кому нужны мои переписки с подругами или обсуждения в волонтёрской группе?».

В начале 2026 года я собрал простую систему, которая очень помогает мне справляться с потоком информации и планированием.

Мне идет седьмой десяток, я инженер-прототипист и предприниматель. Работа активная, задач много разноплановых и часть хаоса я успешно создаю сам.

Проект делал для себя. Но когда система начала реально помогать, решил поделиться ей с товарищами — особенно с теми, кто пока настороженно относится к искусственному интеллекту и его возможностям.

Часть 1 из серии · Три измерения и три роли руководителя в эпоху AI

Midjourney — около 40 человек. Полмиллиарда долларов выручки. Двенадцать с половиной миллионов на сотрудника.

Cursor — 300 человек. Больше миллиарда. Три с лишним миллиона на человека.

Медианная SaaS-компания — 130 тысяч.

Разрыв — в сто раз.

Британский стартап HoloMem представил технологию, которая может стать серьёзной альтернативой традиционным картриджам, широко используемым в центрах обработки данных и для долговременного архивирования. Слышали? Но обо всём по порядку.

Последние пару лет я наблюдаю за тем, как меняется запрос аудитории. Не алгоритмический, а именно человеческий. Тот, который формируется не в рекламных кабинетах, а в усталости, в раздражении от очередного «продуктивного утра», в тихом желании закрыть все вкладки и просто выдохнуть.

Чтобы разобраться, что стоит за этим ощущением, я погрузилась в несколько крупных международных отчётов: Kantar Marketing Trends, Artlist AI Trend Report, Pinterest Predicts, TikTok What's Next, а также данные Google Trends по запросам вроде slow life, mindfulness, burnout recovery. И вот что получилось.

Общая картина складывается из трёх больших движений. Первое: люди хотят замедлиться. Не из лени, а из зрелости. Второе: они ищут человеческое, настоящее, неидеальное. Третье: им важны маленькие группы, где есть доверие, а не массовые платформы, где есть охват.

Теперь по порядку.

В микросервисной архитектуре один падающий эндпоинт может скрывать проблему в совершенно другом сервисе. В этой статье я покажу пошаговый процесс расследования реального инцидента: от обнаружения 100% error rate до точной причины сбоя — и всё это менее чем за минуту.

Мы будем использовать Uptrace - OpenTelemetry-native платформу для трейсинга и мониторинга. Все примеры основаны на реальном demo-приложении с микросервисами.

50 миллионов человек каждый день открывают Duolingo. Акции упали на 80%. А ChatGPT Voice Mode не исправляет произношение. Неделю копал - почему AI-тьюторы это дорогая иллюзия прогресса.

В октябре 2024-го года в офисе Anthropic родился один из первых инструментов автоматизации, выходящей за рамки простых ответов на вопросы. Новая функция позволяла модели Claude управлять компьютером. В ноябре 2025-го года появляется опенсорсный проект ClawdBot, намного расширяющий эти возможности. Уже через месяц проект меняет название (дважды) и превращается в OpenClaw. В феврале 2026-го года мы внедряем OpenClaw в маркетинг и… Рассказываю, что было дальше!

Параллельные и распределённые вычисления часто ставят рядом, но это далеко не одно и то же. В новом переводе от команды Spring АйО разберем, как устроены обе модели, чем отличаются их архитектура, способы обмена данными, масштабируемость и отказоустойчивость. Статья подойдет тем, кто хочет понять, когда достаточно ресурсов одной машины, а когда без сети из нескольких узлов уже не обойтись.

Привет, Хабр! Меня зовут Александр Зевайкин, и мы с командой делаем YDB (СУБД Яндекса). В конце прошлого года Яндекс представил специализированного ИИ‑помощника — Нейроюриста, для которого обучил языковую модель на основе Alice AI LLM. Сервис работает на базе RAG, под капотом у которого находится YDB c миллионами различных юридических документов.

Под катом — история о том, как команда разработки Нейроюриста сделала семейство векторных индексов, чтобы находить нужное количество документов при любых параметрах фильтрации. Я кратко расскажу про архитектуру векторного индекса, покажу, как выбирать правильные настройки, и продемонстрирую бенчмарки получившегося решения.

Акторы в Swift решают проблему гонок данных. Cам по себе актор гарантирует, что к его состоянию обращается только одна задача одновременно. Никаких мьютексов, семафоров, очередей — компилятор сам следит.

Звучит неплохо. Но есть подвох, и он называется повторный вход (reentrancy). Актор защищает от одновременного доступа, но не защищает от того, что состояние изменится между двумя вашими обращениями к нему.

Привет, Хабр. Меня зовут Владимир, я бэкенд-разработчик. Это моя первая статья здесь — о том, как пет-проект для нишевого варианта шахмат прошёл путь от «а что, если...» до первого места в рейтинге на chess.com. Без нейронок. На чистом alpha-beta поиске, написанном на Rust.

Статья будет полезна тем, кто интересуется шахматным программированием, оптимизацией CPU-bound задач или связкой Python + Rust через PyO3.

Привет, Хабр! На связи команда идентификации и авторизации Рунити. Мы отвечаем за сервисы, через которые проходит каждый пользователь: регистрация, авторизация, верификация личных данных и жизненный цикл договора пользователя.

Perl принято хоронить примерно с 2010 года. В феврале 2026-го TIOBE вернул его в топ-10 — и это немного всколыхнуло профессиональное сообщество. В группе компаний Рунити на Perl работает 25–30% продакшн-сервисов: биллинг, авторизация, очереди, ядро платформы. Расскажем, почему так вышло, что происходит, когда мы пытаемся это переписать, и почему нам за это не стыдно.

Смотреть шоу, телеканалы, спортивные трансляции, фильмы и другой контент на Smart TV, используя приложения видеоплатформ — уже типовой сценарий. По данным на конец 2025 года, объём потребления контента в VK Видео увеличился в 2,1 раза (на 110%) по сравнению с аналогичным периодом 2024 года. Наибольшее вовлечение аудитории зафиксировано на платформе Smart TV: в начале 2026 года среднее время просмотра на одного пользователя — 241 минута. При этом многие не думают, как устроен софт для большого экрана.

Сервер внезапно перестал отвечать, а в логах ошибка Too many open files? Дело не в нехватке памяти или перегруженном процессоре — просто ваш процесс исчерпал свои файловые дескрипторы. Под катом расскажу, что это такое, почему они заканчиваются, как быстро обнаружить проблему и как её пофиксить.

Представьте: внутренняя команда аналитики завершила квартал и большой набор инициатив, все прошло по плану. Но тут же при подведении итогов возникает вопрос: «А наши внутренние пользователи заметили разницу? Это как-то повлияло на их работу?». В ответ получаем разрозненные отзывы: где-то похвалили, где-то пожаловались, а где-то вообще промолчали. 

В статье расскажу про решение, которое помогло команде платформы аналитики, а затем и целому департаменту аналитики в Туту системно собирать обратную связь и измерять пользовательский опыт. Поделюсь опытом, как нам удалось превратить разрозненные отзывы в систему и как мы заставили метрики «говорить».

Меня зовут Игорь. Я практикующий продуктовый маркетолог в Product Unit ☘️.
В этом материале я расскажу как маркетологу учитывать юнит экономику при планировании рекламной кампании. Для этих важных дел мы будем использовать специальную таблицу.

Маркетолог должен разбираться в юнит экономике, чтобы давать оценку РК в деньгах – главном показателе для любого бизнеса.

Недавно пообщался с квант-исследователем (Quant Researcher) из топ-тир фонда с опытом 10+ лет. Его годовая зарплата превышает посевные раунды некоторых стартапов (в конце статьи будет подробная разбивка по доходам). Я спросил у него, как вообще вкатиться в кванты. В ответ он скинул мне эту статью как отличный набор базовых ссылок и материалов. Сказал, что текст не то чтобы идеальный, но как база — очень даже неплох. Я решил перевести его, чтобы поделиться с вами. 

В исходниках PostgreSQL встречаются ироничные комментарии, а самый веселый, на мой взгляд, находится в строке прямо перед запуском сервера. Судя по логам Git, это комментарий Тома Лейна, который сообщает: "We are ready to rock and roll", а следующей строкой идёт запуск сервера СУБД. Действительно, когда пытаешься запустить кластер PostgreSQL, порой не покидает ощущение "rock and roll", а потом вдруг кластер не стартует или внезапно переключается на другой узел из-за отступов в YAML-конфиге :).

В этой статье разберём ключевые элементы отказоустойчивого кластера и типовые места, где чаще всего допускают ошибки.