Kurgan-Telecom Ru | Информационные технологии

Долгое время лечение мигрени каннабисом оставалось в «серой зоне» медицины, пациенты утверждали, что это работает, а врачи разводили руками, указывая на отсутствие качественных исследований. Большинство данных опиралось на опросы, где эффект плацебо отделить невозможно.

Также неясен механизм действия. Мы до сих пор не до конца понимаем, как работают даже самые привычные обезболивающие. К примеру, парацетамол, один из самых популярных анальгетиков, частично реализует свой эффект через эндоканнабиноидную систему. Экспериментально показано, что анальгезия парацетамола в значительной степени зависит от активации CB1-рецепторов в центральной нервной системе. Блокада CB1 или нокаут этих рецепторов у животных полностью снимает обезболивающий эффект парацетамола. И это те же самые рецепторы, на которые действует ТГК, психоактивный компонент каннабиса. В связи с этим идея использовать каннабис при боли выглядит не такой уж неожиданной.

Пару лет назад команда из Калифорнийского университета в Сан-Диего решила внести лепту в изучение этого вопроса. Их работа, опубликованная в журнале Neurology в 2024 году, стала первым рандомизированным двойным слепым плацебо-контролируемым исследованием (РКИ) использования испаряемых соцветий каннабиса при острой мигрени.

Химия кажется сложной магией? Узнайте, как решение задач по химии с помощью ИИ превращает бессонные ночи в понятный процесс. Лучшая нейросеть для химии уже здесь — полный гайд: от школьной программы 8 класса до сдачи ЕГЭ 2026.

Доброго времени суток, господа и дамы! Иногда у некоторых людей возникает желание заняться откровенным непотребством в программировании — то, что не несет практической пользы напрямую, но раздвигает границы дозволенного. А иногда позволяет найти необычные эффективные решения. В этой статье я хочу рассказать вам об интересных алгоритмах, и невозможных возможных трюках.

Идея написать эту статью зародилась из моего поста, после него я начал серию статей, которая раскрывала много интересных моментов — от математических алгоритмов и оптимизации до ГПСЧ и битовых трюков.

Если вы видите на экране эту часть нашей бесконечной саги о ненормальном программировании на C, значит, мы с вами прошли уже немало.

В этой статье будет еще порция свежих алгоритмов, фанов, трюков, еще больше магии и скорости! Код Мортона, GNU расширенияи и многое другое.

Добро пожаловать в новую часть. Прошу под кат — там будет жарко, быстро и очень, очень круто.

Как достаточно типичный почти современный человек, я решил аккуратно пройтись по всем своим аккаунтам, чтобы не утерять к ним доступ в наше чудесное время взаимных санкций, ковровых блокировок и массового банометания... И расскажу об итогах.

Аккаунт не волк - в лес не убежит
Знал бы  где сломают - подложил емайл
Второго фактора бояться - на Госуслуги не ходить
Век живи, век учись, а МАКС поставишь

(и мое любимое!)
Готовь сани летом, а второй фактор и третий способ сегодня

Задача, которую я поставил перед собой - сделать всё необходимое для того, чтобы мои аккаунты остались моими, то есть к ним не получили доступ те кому не положено и мог получить доступ я. Рассказываю, от каких рисков удалось защититься - от каких нет.

Думаю, одним из самых ярких впечатлений у тех, кто застал действительно старые компьютеры и игровые приставки, стала впервые услышанная реалистичная речь в компьютерной игре. На фоне весьма условных звуковых эффектов и довольно примитивно звучащей синтетической музыки это казалось невероятным чудом: компьютер разговаривает человеческим голосом.

Похожие впечатления в те времена вызывали и говорящие электронные игрушки, телефоны, часы, и прочая подобная техника — несмотря на столетие существования звукозаписи, речь, доносящаяся из электронного устройства, была способна удивить.

Сегодня покопаемся в истории появления голоса в электронных игрушках и компьютерных играх: когда он впервые появился, какие исторические примеры отразились в поп-культуре, и какие технологии для этого использовались.

Разбор метрики «Северная звезда» как инструмента продуктового и бизнес-роста. В статье объясняется, почему одной ключевой метрики недостаточно, как деревья метрик связывают стратегию с повседневными решениями команд и какую роль продуктовая аналитика играет в поддержании этого подхода на практике.

Возможно, я проклята. Иначе как объяснить, что снова и снова мне приходится собирать команды? Интервью — привычная часть моей работы, даже если прямо сейчас своей команды нет. Такая уж роль — «Technical Product». В какой-то момент я неизбежно становлюсь нанимающим менеджером, а значит, снова нужно тратить время на поиск, воронку, собеседования и онбординг.

В некоторых компаниях с этим проще: есть сильная HR-функция, и HR действительно помогают — продумывают онбординг, соединяют корпоративную часть и командную, следят, чтобы ничего не упало по пути. Но бывает и по-другому: есть рекрутеры, но нет HR-департамента, потому что компания ещё просто не доросла. И тогда весь онбординг — ваша личная головная боль. Если хотите, чтобы новые ребята не просто вышли на работу, а вросли в команду — придётся делать всё самостоятельно. У меня как раз такой кейс.

По большой традиции, каждые полгода мы на Хабр Карьере смотрим, какие зарплаты вы оставляли в нашем калькуляторе: выгружаем их, анализируем и собираем исследование о том, сколько сейчас зарабатывают в IT. 

Для этого среза за вторую половину 2025 года мы выгрузили 52 123 зарплаты. Вы тоже можете указать, сколько вы зарабатываете в своей специализации и заодно оценить, ниже или выше рынка сейчас ваш оклад — это анонимно. 

А если зарплаты покажутся вам привлекательными и вы задумаетесь о переходе в IT или развитии навыков, у нас есть маркетплейс курсов с рейтингом онлайн-школ и отзывами, чтобы вы выбрали качественное обучение.

Давайте смотреть, чьи оклады выросли, чьи снизились, а чьи совсем не изменились во второй половине 2025.

Недавно я публиковал статью про HeadHunter. Судя по количеству комментариев, она взбудоражила сообщество и превратилась в настоящее поле для дискуссий.

Из всех этих комментариев мой взгляд зацепился за один: там утверждалось, что соискатели сами виноваты в трудностях с поиском работы, потому что они врут в резюме и прочее.

Сегодня я хочу объяснить, почему считаю, что ложь часто становится вынужденной мерой.

Тема CI/CD уже давно набила оскомину — если не вам, дорогой читатель, то уж точно мне. Впервые я столкнулся с этим ещё 15 лет назад, когда поставил свой первый Jenkins. Потом были TeamCity, Travis CI, GitLab CI и другие. Из всего этого зоопарка единственное решение, которое оставило тёплые воспоминания, — это Drone CI.

А что интересного сейчас? После недолгих поисков и чтения документаций я наткнулся на Woodpecker CI — лёгкий, open-source инструмент для непрерывной интеграции, форк Drone CI и "Github Actions" платформы Codeberg.org.

Привет, Хабр! Меня зовут Андрей Качетов, я эксперт и партнер по ML-платформам.

Пару лет назад я писал статью о ‭«молодом и подающем надежды» подходе MLOps, и по сей день продолжаю внедрять его в жизнь наших дата-сайентистов. С тех пор ландшафт в мире машинного обучения заметно изменился. Многие компании уже понимают ценность MLOps и внедряют у себя MLflow, Airflow и другие подобные решения. Сегодня я расскажу о практическом кейсе одной из таких компаний.

Из новостей: Avowed и The Outer Worlds 2 не оправдали ожиданий Microsoft, Crimson Desert насобирала 2 миллиона вишлистов, общие продажи Slay the Princess превысили миллион копий, разработчик «Зайчика» решили выпустить обновлённую версию игры.

Из интересностей: посиделки с инди с Петром Сальниковым, безупречный левел-дизайн Astro Bot, Dispatch и эпизодические игры — с Ником Германом, симуляция груди в Unreal Engine, новая часть документалки про Disco Elysium.

Привет! Меня зовут Максим Морозов, я AI Project Manager в Битрикс24.

В предыдущей статье я рассказывал о локальных нейросетях как безопасной и экономичной альтернативе облачным API. Сегодня — практический кейс, где мы применили этот подход в реальном проекте.

Главная идея этой работы: вместо дообучения (Fine-Tuning) нейросети на своих данных — что долго, дорого и требует поддержки датасета — мы используем штатную модель без дополнительного обучения. Модель генерирует regex, а скрипт сохраняет эти правила и использует их автономно.

Я покажу архитектуру системы, где локальная LLM генерирует регулярные выражения для парсинга логов, экономя сотни часов ручной отладки. Все вычисления происходят внутри периметра компании, без отправки данных в облако.

Онкология это область медицины, где время является самым дорогим ресурсом. И за последние пять лет цифровые технологии радикально изменили правила игры. Появились способы раннего обнаружения опухолей, автоматическая разметка ренгтеновских снимков и многое другое.

Искусственный интеллект, цифровая патоморфология и телемедицина перестали быть футуристическими концептами и вошли в реальную практику, делая качественную помощь доступной для пациентов из любого региона России.

Разбираем четыре ключевых направления, где «технологии будущего» спасают жизни уже сегодня.

В предыдущей статье "Безумная проблема масштабирования OpenAI" я допустил ошибку. К стыду моего отца-бухгалтера, я перепутал Annualised Recurring Revenue (годовую выручку в пересчёте) с Annual Recurring Revenue (годовую повторяющуюся выручку). Поэтому я думал, что OpenAI заявила о получении $20 миллиардов выручки в прошлом году. Я утверждал, что этой суммы просто недостаточно, так как это всё равно означало бы стремительно растущие убытки для OpenAI, и эта цифра предполагает, что Microsoft подбрасывает OpenAI кость, как ранее обнаружил Эд Зитрон. После исправления этой ошибки я обнаружил, что ситуация в стране Альтмана катастрофически хуже, чем я полагал. Позвольте объяснить.

30% тикетов возвращаются с L2 на L1. Клиенты в ярости. SLA горит. А в чатах техподдержки чёрт ногу сломит.
Знакомая картина? Первая линия передаёт запросы «наверх», вторая возвращает их назад с комментарием «добавьте подробностей», клиент ждёт неделю, а проблема остаётся нерешённой. Клиент злится, SLA горит. В итоге инциденты ходят между уровнями по кругу — просто потому, что изначальная передача была неполной или не по делу.

То тут, то там до сих пор всплывают новости о том, что какая-нибудь компания уволила N-процент сотрудников и заменила их ИИ.

На первый взгляд логика в этом есть: зачем платить кожаным мешкам, если ту же работу можно поручить нейросетям?

Подборка посвящена A/B-тестированию, бутстрапу, кросс-валидации и ансамблевым методам — эти четыре темы образуют ядро практического Data Science. Они позволяют формулировать и проверять бизнес‑гипотезы, количественно оценивать неопределённость результатов, гарантировать обобщающую способность моделей машинного обучения и существенно повышать их точность и стабильность. 

Всем привет! Это Данила Ляпин, наставник курса «Специалист по Data Science». Ниже вы найдете статьи с реальными кейсами, учебники, видеолекции, а также гайды с примерами кода и ноутбуками для практики. Здесь есть материалы и для специалистов с опытом, и для абсолютных новичков. 

NotebookLM - один из самых полезных, но при этом недооцененных ИИ-инструментов сегодня. В этой статье я расскажу, как использовать NotebookLM владельцам телеграм-каналов.

В первой половине 90-х годов мне попадает в руки отчет СКБ Турбонагнетателей о их попытке создания аналога французской системы ГиперБар (турбонаддув дизелей корветов и танков Леклерк). Мое мнение было таково: «Мужики, а зачем вы так сложно подходите?.. Основной тренд сейчас — некая упрощенная механика и перенос сложности в электронику… И созданием такой электроники я бы мог заняться..» (Предупреждение: далее много Букоффъ).