Kurgan-Telecom Ru | Информационные технологии

Рано или поздно, если вы стали сеньором, наступает момент, когда вас просят помочь с адаптацией нового сотрудника. Сначала это выглядит как разовая просьба: показать проект, объяснить пару технических нюансов, ответить на вопросы. Потом в команде появляется ещё один новичок. Потом ещё. И в какой-то момент вы вдруг ловите себя на мысли, что ваша роль в проекте незаметно изменилась — вы больше не просто «тот, кто хорошо разбирается в коде», вы стали ментором.

Настоящее исследование, представляющее собой третью часть цикла «Король, Дракон и Кролики», посвящено анализу третичной стадии эволюции платформенного капитализма — стадии не конкуренции или поглощения, а стратегического симбиоза разнородных эксплуататорских систем. Если первая часть цикла («Король, Дракон и Кролики») вскрыла анатомию классического маркетплейса как феодального королевства, а вторая («Серая Барахолка») — проследила патогенез захвата и переформатирования общественного цифрового пространства, то данная работа фокусируется на неожиданном диалектическом синтезе.

Осторожно, спойлеры! Не читайте, пока хотите решить задачу самостоятельно.

В этой челлендж-серии статей, начатой с прошлогоднего эвента, попробуем использовать PostgreSQL как среду для решения задач Advent of Code 2025.

Возможно, SQL не самый подходящий для этого язык, зато мы рассмотрим его различные возможности, о которых вы могли и не подозревать.

Если вы являетесь наёмным сотрудником, то ваши моральные принципы могут вступают в противоречия с должностными обязанностями. Сегодня мы живём в реальности, где бизнесу и государству для эффективного функционирования необходимо использовать всё более продвинутые, а порой и недостаточно изученные технологии. Например, видеонаблюдение с элементами искусственного интеллекта задача которого анализировать поведение людей и прогнозировать потенциально опасные ситуации. Почему алгоритм, а не человек? Субъективность мнения не всегда основывается на его опыте и может быть основано на интуиции или в корыстных целях. Скорость не сопоставима с со скоростью оборудования, работа без перерывов. Единственная опасность этого алгоритма заключается в том, что он написан человеком, и нужно понимать какие критерии поиска и паттернов поведения в него заложены, ошибки проектирования, недостаточный набор данных, смещённые метрики и неверно выбранные поведенческие паттерны. Данная система не дает 100 % вероятность совершения преступления, но она может сегментировать людей как потенциально опасных при совпадении их поведения с установленными критериями. Она не способна выявить, одиночку-психопата на этапе задумки, в лучшем случае только в момент совершения противоправных действий (достать оружие под наблюдением камеры, которая выявить что это источник потенциальной опасности). Алгоритм можно обмануть или ввести в заблуждение, так как в случае потенциального указания на источника угрозы к нему будут приведены действия опознания/дознания и так далее, результатом которого может быть получена обратная связь, что данный паттерн поведения расценивается как норма и исключается из поиска, а в случае если это был преступник из группы лиц, его обратная связь пойдет по их каналам и они начнут ещё аккуратнее себя вести. Таким образом, система не инструмент поиска, а лишь часть его.

Тут сборник нытья и гундежа. Если у вас не соответствующее настроение то не читайте. Не разбавлено юмором, и нет хеппи энда. И вообще не читайте, не хочу портить кому-то настроение.

Что-то фундаментально не так с индустрией. Может она повзрослела, а я нет.

Раньше программист был художником, теперь он рабочий у станка выдающий часы.

Недавно пришлось вспоминать, как считать необходимый размер ЗИП-склада. Казалось бы – чего там считать? А результат оказался не совсем интуитивным.

Когда выходят статьи/новости про новые соединения или революцию в медицине, то в комментариях часто встречается нарратив «невозможности». Это будет дорого, это будет недоступно людям, это потребует десятилетий… Буквально в январе 2025 года вышел материал про соединение, которое помогает терять жир, а не мышцы. И вот, в январе 2026 года этот препарат выходит на рынок. Таблетка для похудения по доступной цене!

Проекты в АСУ ТП обычно заканчиваются успешно.

А вот проблемы начинаются позже — когда подрядчики уходят, документация формально есть, а любой чих в системе превращается в риск.

Новые инженеры месяцами «входят в тему», модернизации откладываются, знания живут в головах отдельных людей, а слово «стандарт» сводится к упоминанию ГОСТ и ЕСКД, которые никак не помогают в реальной эксплуатации.

Почему так происходит?

Потому что во многих компаниях стандарт находится ниже проекта, а не выше него.

Эта статья — не про ГОСТы, не про шаблоны и не про конкретные контроллеры.

Она про то, почему стандарт АСУ ТП должен быть частью бизнес-системы предприятия, как он влияет на простои, деньги, людей и зависимость от подрядчиков — и почему отсутствие стандарта обходится дороже, чем его внедрение.

Если вам знакома ситуация, когда система «работает, но лучше её не трогать» — эта статья для вас.

Люди в мире руководства делятся на два типа, одни сидят в личных кабинетах, а другие со своей командой.

Попробуем разобраться, в чём дело, и какой начальник ты?

В середине года появилась адекватная метрика от Яндекса: она позволяла анализировать трафик и принимать решения о дальнейшем развитии направлений портала.

Пришло осознание, нашими пользователя являются люди практически со всего мира, метрика показывала пользователей из 133 стран, 50% трафика приходилось на Россию, остальные 50% на остальной мир.

Проблема: Традиционный найм в IT сломан. Мы просто боимся в этом признаться.

Вы когда-нибудь тратили 2 месяца на собеседования, чтобы в итоге получить отказ без объяснений? Или, наоборот, нанимали разработчика, который блестяще прошёл все этапы, но на деле не мог выполнить простейшую работу? Тогда эта статья для вас.

За месяц интенсивной работы quic-test эволюционировал от узкоспециализированного CLI-инструмента до полнофункциональной платформы с Web GUI и REST API. Мы добавили удобный веб-интерфейс, создали комплексную техническую документацию и значительно расширили функциональность.

Всем привет! Заключительная часть о требованиях, которые вспоминают в последний день перед релизом.

В первой части мы говорили о производительности и масштабируемости, во второй — о сопровождаемости, надёжности и безопасности.

Сегодня в повестке требования, которые влияют на пользовательский опыт и ощущение качества продукта. Да, вы верно догадались, речь про юзабилити, совместимость и переносимость.

Главным объектом исследования рассматривается полупростое число по той причине, что это наиболее сложный (не зря в шифрах используют именно их) из всех чисел объект. В примерах будут рассмотрены и другие числа, но только чтобы выявить некоторые различия от «классики».
С появлением доступных систем искусственного интеллекта (ИИ) началась новая эра выполнения творческих, исследовательских работ. Что я имею ввиду? Во -первых, для творческих работ в принципе изменился оценочный подход. Предвзятость мнений и оценок в отличие от людей у ИИ отсутствует. Он не завидует успеху автора, не стремиться опорочить представленные результаты или как-то испортить впечатление у общественности, а для поддержания собственного реноме будет стремиться вынести справедливую и максимально возможную объективную оценку представленной работы (изделия), приводя глубокие и весомые обоснования своих заключений и выводов. Его стремление выявить плюсы и преимущества по сравнению с известными ему продуктами и изделиями представляемых материалов будет отвечать запросам к подобным системам, к уровню их компетентности, точности, быстродействия и совершенства.
Во-вторых, ИИ может принять участие в доработке, устранении выявленных недочетов и дальнейшем совершенствовании продукта без претензий на авторство или какую-либо оплату.
В-третьих, ИИ заинтересован в работе с представленным новым продуктом, так как при этом возможно повышение его собственных компетенций в ходе самообучения и усвоения того нового, что содержится в продукте.

На самом деле оказалось, что ИИ мне задавал вопросов и просьб много больше, чем я ему. Я просто не успевал с ответами за его просьбами и вопросами. Со временем возможно ИИ удастся избавиться от отсутствия самостоятельности в суждениях, приобрести позывы к творческим взглядам, гипотезам, направлениям. В играх это уже как-то проявилось.
Общее впечатление от общения с ИИ: пока это довольно примитивная машина, косная в обучении (самостоятельно не может выйти за рамки учебников), верящая, что то, чем его напичкали – истина.
Ответы ИИ избыточно пространны с повторениями, но имеем то, что имеем.
DeepSeek — самый обсуждаемый чат-бот из Китая в 2025 году. Его называют «убийцей» ChatGPT и лучшим бесплатным ИИ-сервисом.
Ключевой элемент успеха системы DeepSeek — ее масштаб. Модель содержит 671 миллиард параметров, что значительно превышает возможности большинства аналогов. Для ее обучения использовали колоссальный объем данных: 14,8 триллиона токенов, что эквивалентно миллионам страниц текста. Несмотря на огромные вычислительные требования, DeepSeek смогла оптимизировать процесс. Модель была обучена всего за два месяца на кластере из Nvidia H800 GPU.

Но главное, DeepSeek полностью бесплатен, не предусматривает одноразовых покупок и подписок и активно использует локализацию (работает везде).

Таким образом, проект кардинально изменил правила игры на глобальном рынке ИИ-ассистентов, особенно для пользователей из России и других стран, находящихся под санкционными ограничения

Было ли у вас озарение? Возникало ли ощущение вспышки, когда вы понимали, что нашли решение проблемы?

Знаменитая фраза «Эврика!» очень хорошо отражает суть этого ощущения.

Далее — мой отзыв о хайповой теме применения LLM в разработке ПО и всего, что с этим связано.

В этой статье будет рассказано о популярных метриках для NLP-задач: классификации текста, NER и кластеризации. Рассказ будет сопровождаться визуализацией, примерами и кодом на Python.

Всем доброе время суток. Я пишу всякое на Go в Ви.Tech (IT-дочка ВсеИнструменты.ру) и, честно говоря, обожаю этот язык. Когда говорят о проблемах Go, обычно вспоминают отсутствие наследования или своеобразную обработку ошибок. Гораздо реже речь заходит о том, что, на мой взгляд, действительно можно отнести к проблемам.

Представьте, что вам нужно обвести объект на картинке — не просто тыкая в пиксели, а проведя одну идеальную, плавную и уверенную линию. Та самая, которую набросал бы на бумаге художник. Как объяснить компьютеру, что значит «идеальная граница»? Как заставить его искать не среди груды точек, а в бесконечном море возможных кривых?

Оказывается, на этот вопрос уже давно ответила математика, а именно — вариационное исчисление. Это тот самый инструмент, который стоит за знаменитыми алгоритмами вроде «активных контуров» (snakes) или «уровневых множеств». Часто в статьях показывают готовые формулы и код, а саму красивую логику оставляют за кадром.

Давайте вместе разберем эту связь. Начнем с простого: как найти минимум у обычной функции. А потом — шаг за шагом — расширим эту идею до целых кривых. Ключевой момент на пути — уравнение Эйлера-Лагранжа. Мы не просто запишем его, а честно выведем: от замысла «энергии» контура до финального условия, используя лишь базовую лемму вариационного исчисления и интегрирование по частям.

Самое интересное — это уравнение не просто абстракция. Оно описывает баланс, равновесие сил. Оптимальная граница — результат «борьбы»: с одной стороны, она хочет оставаться гладкой и аккуратной, с другой — стремится лечь точно на резкий перепад цвета или яркости на изображении.

Как только вы это поймете, работа с алгоритмами сегментации перестает быть магией. Вы начинаете осмысленно настраивать параметры, предсказывать поведение и даже придумывать собственные критерии для «идеальной границы».

Кодогенераторы стали значительно мощнее, но как только вы просите их сделать репозиторий по научной публикации из одной статьи — они не справляются. В статье много разрозненных деталей. Половина шагов может быть понята только между строк. Файлов много и все они зависят друг от друга. Да, на выходе можно получить сгенерированный репозиторий, который выглядит правдоподобно, но он не будет работать.

DeepCode рассматривает эту проблему как задачу внимания: что держать в контексте и как не потерять контракты между модулями. Работает старый добрый инженерный подход с правильной организацией архитектуры промтов, памятью и проверками.

В полном обзоре мы рассмотрим то, как DeepCode делает из статьи один общий репозиторий с кодом, как в этом помогает память кода (Code Memory) и почему замкнутый цикл тестирования ошибок внезапно решает то, где не справляются даже платные агенты.

Постановка задачи:

Сделать максимально упрощённую, но при этом функциональную модель LIF (Leaky Integrate-and-Fire) нейрона. Арифметика-линейность-бинарность. Никаких дифуров, непрерывных функций (экспонент) и прочего подобного.

Сделать на тех же принципах максимально упрощённую модель STDP (Spike-Time Dependent Plasticity) синапса.

Обогатить получившуюся систему механизмом R‑STDP (Reward‑Modulated STDP).

Собрать из этих нейронов и синапсов небольшой мозг. Снабдить этим мозгом виртуального «чудика». Сделать ему простой (одномерный) мир с двумя сущностями — пищей и опасностью. Снабдить его сенсорами (опасность слева, еда справа..., отдаляемся/приближаемся к еде/опасности и т.д....), моторами (движение влево/вправо). Запустить симуляцию, и посмотреть, что будет получаться.

Спойлер: что-то получилось.