Kurgan-Telecom Ru | Информационные технологии

В прошлой статье мы с вами обсудили основные задачи, которые ставят перед системами позиционирования, узнали про два главных подхода к построению таких систем и четыре метода определения местоположения. В этой части перейдем к практике и рассмотрим три самых популярных стандарта для систем позиционирования: RFID, BLE и UWB. Приступим.

В прошлой статье я познакомил вас с существованием малоизвестных "суперплатформ" управления данными. На абстрактном примере реализации показал как легко кастомизируется платформа - от идеи, к готовому UI. У кого-то это вызвало отвращение, у кого-то просто шок, а кто-то увидел возможность.

Настало время на деле показать как с помощью современного стека разработки (который возможно уже через пару лет станет опять старым) - дать второе дыхание морально устаревшим системам из прошлого, взяв из них лучшее, а именно философию и надёжные концепции и при этом не страдать от старого, дурно пахнущего legacy.

В общем расскажу про импортозамещение Dassault Systèmes 3DExperience, далее Enovia, а точнее - той её части, которая на протяжении многих лет востребована многими крупными предприятиями: гибкого движка для построения бизнес-приложений, с возможностями управления жизненным циклом (без привязки к тяжелому САПР).

Я закупщик с четырнадцатилетним стажем. Работала и со стороны заказчика, и поставщика. В ИT-сфере c 2019 года, а сейчас  являюсь специалистом по тендерам компании НОРБИТ, крупного ИТ-интегратора и вендора решений для автоматизации. За это время я участвовала в более чем  700 процедурах и с уверенностью могу сказать: участие в тендере — как экзамен: можно знать предмет, но не сдать из-за какой-нибудь мелочи.

Чаще всего закупки в ИТ проходят на этих электронных площадках (без учёта корпоративных, например, Лукойла, Северстали и подобных): https://www.b2b-center.ru/, https://bidzaar.com/, https://utp.sberbank-ast.ru/, https://rb.roseltorg.ru/  https://workspace.ru/. 

Сегодня в блоге ЛАНИТ мы разберемся в самых частых сценариях проблем, а я расскажу, как их можно избежать. 

Дано: пользователи не знают, что делать с нейросетями. Это известная проблема. Если им не дать прикладной интерфейс, они не понимают, что можно почти всё.

Мы знали, что те, кто загоняют своё селфи в модель и спрашивают, какую уходовую косметику купить, потом её часто покупают. Потому что модель фигни не посоветует. Ну и это косметика, там «Да, вы абсолютно правы, это была летальная доза, приношу извинения» не бывает. Почти.

Мы дали людям интерфейс приложить селфи. Думали, поиграем и забудем. Фредди, например, модель выдала комплимент про идеально отполированную кожу (ну а что, после такого радикального пилинга он реально блестит), а у Дарта Мола нашла тёмные круги.

В конце модель подбирает 5 пробников и дарит их.

Стоит 200 рублей. Это просто отсечь халявщиков.

Мы не знаем, что именно тут сработало: 5 пробников за 200 рублей или то, что можно загрузить селфи и погадать по нему, но лимит токенов нам выжрали очень быстро. Мы добавили. В целом торговля пробниками и токенами шла в убыток, но если бы была хоть какая-то конверсия, то всё бы более-менее наладилось бы.

Через месяц нам снесли мощности производства — пробники работали, люди хотели большой флакон.

Виноваты, конечно, тиктокеры.

Ночные смены, куча коробок на складе, менеджеры по логистике спрашивают, что это, и так далее.

Мы отработали почти в ноль — всё-таки пробники и токены стоят денег. Но это десятки тысяч заказов, и теперь мы знаем проблемы людей с распределением по карте. Лаборатория дико потирала руки, понимая, что эти проблемы мы легко можем решить за 2–3 года.

Многие проекты рано или поздно утыкаются в «потолок» стандартного поиска. Обычный LIKE перестает справляться, когда данных становится больше 100 тысяч строк, а пользователи начинают ошибаться в каждом втором слове. Типовым решением в такой ситуации считается внедрение Elasticsearch или Meilisearch.

Но внешние движки — это всегда «налог» на инфраструктуру: лишняя память, задержки на сетевой хоп и, самое главное, головная боль с синхронизацией данных. В этой статье мы разберем, как выжать из PostgreSQL производительность специализированного поисковика, используя Node.js как оркестратор параллельных стратегий и механизм AbortSignal для предотвращения лишней нагрузки на БД. Разбираем внутреннее устройство SDK pg-smart-search.

В 2025 году платформа VK Видео стала лидером в России по ежедневной и ежемесячной аудитории. За этим результатом стоит не только рост числа авторов и объёма контента. В его основе системное развитие технологий: мы последовательно масштабируем инфраструктуру, совершенствуем пайплайны обработки видео и инвестируем силы в стабильность воспроизведения на всех пользовательских устройствах и при любых условиях сети. Это постоянная инженерная работа, направленная на предсказуемое и стабильное качество сервиса при быстрорастущей нагрузке. 

Меня зовут Алексей Шпагин, я руководитель разработки бэкенда видеоплатформы VK. В статье расскажу о технологиях, лежащих в основе VK Видео, и жизненном цикле контента на платформе: от загрузки и обработки до доставки зрителям.

Привет, Хабр! Меня зовут Дмитрий Кислов, я системный аналитик в команде автоматизированной банковской системы в ПСБ. 

Рано или поздно каждый ИТ-специалист сталкивается с ситуацией, когда бизнес ставит почти невыполнимую задачу с жёстким дедлайном. Как тут не вспомнить старую шутку: «Можно ли заставить 9 женщин родить ребёнка за один месяц?». Ответ очевиден — нет, законы природы (и разработки) не обманешь.

Конечно, мой главный совет по таким ситуациям — не оказываться в них. Но в реальности случается форс-мажор: внезапные изменения в законодательстве, упущенные сроки, требования ключевых клиентов. Команда оказывается перед фактом: «Нужно сделать невозможное, и, кстати, дедлайн — вчера».

На небольшом примере из своей работы я покажу, как не сгореть, сохранить результат и даже извлечь из этого опыт.

Статья без лишних эмоций о том, как развивался искусственный интеллект. Это попытка проследить паттерны в развитии ИИ, понять, почему прогнозы лидеров отрасли систематически не сбываются, и оценить, где мы находимся сегодня. 

В тексте акцент сделан на трёх составляющих - технических решениях, финансовых результатах и исторических взаимосвязях.

Большая языковая модель это не источник актуальных сведений, а статистическая система, обученная на данных прошлого. Она не обращается к внешним базам знаний и не узнает о новых событиях. Все что она знает было усвоено на этапе обучения и зафиксировано в ее параметрах.

В современных прикладных системах это ограничение часто скрыто за инструментами, поиском и дополнительными модулями. Однако именно архитектурный подход Retrieval-Augmented Generation, RAG стал стандартным способом расширения возможностей модели без ее дообучения. Он позволяет подключать внешние базы знаний, работать с актуальными документами и заметно снижать количество галлюцинаций.

В третьей части серии Базовый минимум разбирается как устроен RAG и как реализовать его минимальную рабочую версию на практике.

К этому моменту мы все понимаем, что OpenAI находится в крайне затруднительном положении, плывя по течению без весел. От их моделей, которые порой выдают совершенно непредсказуемые результаты, до постоянно растущих сокрушительных финансовых потерь - дела у компании Сэма Альтмана идут не лучшим образом. Но в последние недели напряжение вокруг этой саги начало нарастать, и закономерный финал компании наконец-то вырисовывается. Видите ли, колоссальный поток наличных, в котором OpenAI отчаянно нуждается, чтобы не рухнуть, начинает иссякать, и вскоре этот авангард ИИ-пузыря может быть поглощен собственным сжиганием средств. Все верно, OpenAI находится в гораздо худшем положении, чем вы думаете.

Это кейс о комплексном подходе: как одновременно думать про backend, DevOps, продукт, UX и бизнес-метрики. О том, как делать продукты, держа в голове всю картину сразу.

Три недели назад у меня была проблема: найти билеты на Бали для 5 человек с гибкими датами и определённой длительностью поездки. Агрегаторы не справлялись — приходилось проверять комбинации вручную.

На сегодняшний день у меня работающий продукт: телеграм-бот, который проверяет 1000+ комбинаций маршрутов в час, находит билеты с экономией до 52% и уведомляет пользователей в нужный момент.

Что между этими точками:
• Эксперимент "весь код пишет AI" (Claude справился на 90%)
• Обход защитных механизмов сайтов и реверс-инжиниринг API
• Построение аналитики с метриками CTR, retention, воронками

Спойлер: билет туда-обратно может быть на 40% дешевле суммы двух билетов в один конец

Общая проблематика 

Времена, когда для промышленного применения ИИ-моделей можно было использовать только язык Python, безвозвратно минули в прошлое. Сегодня для освоения приемов работы с LLM вообще нет необходимости знать какой-либо язык программирования.

На рынке представлено огромное число чат-ботов и low-code платформ, типа n8n (Activepieces, Zapier, Make/Integromat и множество других, их реально уже не счесть), которые позволяют быстро отточить свое мастерство «промптинга» и подключения различных «тулзов».  

Однако, для корпоративного применения “as is” (в облачном варианте) проявляются ограничения: 

Пара слов о том, как программисты разных конфессий справляются с самой очевидной задачей в Computer Science.

Примеры правильных и неправильных разворотов списка на десяти разных языках.

Статья посвящена интеллектуальным силовым модулям, которые являются основой силовой части современных преобразователей частоты для асинхронных электродвигателей. Приводится описание российского интеллектуального силового модуля ТТМ-1000, который входит в состав преобразователей частоты концерна «Русэлпром» для судовых систем электродвижения: его технические характеристики, особенности, преимущества и недостатки по сравнению с западным аналогом.

На INFOSTART TEAM EVENT 2026 мы делаем серию круглых столов и интерактивных форматов, где важны не «правильные ответы», а живые аргументы, разбор практики и честные кейсы. Это не формат «докладчик - аудитория», а разговор на равных: модераторы задают рамку, спикеры приносят опыт, зал - вопросы, контрпримеры и альтернативные решения.

Круглый стол полезен, когда у вас есть:

Цель проекта — проверить отказоустойчивость Strimzi Kafka в Kubernetes с помощью chaos-экспериментов (Chaos Mesh). Для этого разворачивается полный стенд: кластер Kafka (KRaft, 3 контроллера + 3 брокера), мониторинг (VictoriaMetrics K8s Stack, Grafana), сбор логов (VictoriaLogs), верификация сквозной доставки сообщений через Redis и Go-приложения producer/consumer. Затем последовательно применяются chaos-сценарии (pod-kill, network partition, CPU/memory stress, IO/DNS/JVM/HTTP chaos и др.) и проверяется, что кластер корректно восстанавливается без потери данных.

Привет, Хабр! Важной составной частью Time Intelligence в DAX являются функции работы со временем, в частности, DATEADD, т.к. она является базовой для других (например, SAMEPERIODLASTYEAR является псевдонимом DATEADD('Date'[Date], -1, YEAR)) и возвращает таблицу (в отличие, например, от EDATE , которая возвращает только скаляр), так и использоваться в качестве фильтра в CALCULATE.

Информацию о DATEADD приходится собирать из разных источников. Часть описано в официальной документации DATEADD, что-то есть в DAX Guide, что-то есть в материалах SQL BI, поэтому картина составляется по частям, хотя логика функции неочевидна и велики риски ошибок при использовании DATEADD в случае некорректного её использования.

Интересующимся правилами DATEADD для обеспечения Time Intelligence в DAX — добро пожаловать под кат :)

Исследование 16 000 проектов показало: только 0,5% укладываются в бюджет, сроки и дают ожидаемый результат. Разбираю главные боли оценки проектов в аутсорсе.

Понимание сложности интеграции
Я понимал, что технологии, которые я запланировал, требуют много работы и много навыков в различных отраслях. Это не просто нейросеть, которая распознаёт команды — это целая экосистема взаимодействующих систем.

"Чтобы управление от устройства понимания, в котором расположены веса модели и алгоритм отправки команды, имело механическое действие — необходимо согласование этих механизмов."

Каждый день я открываю десятки проектов, и первое, на что смотрю это  файл сверловки. Можно сразу сказать, где разработчик понимал, что делает, а где просто "нарисовал как в прошлый раз". Самое обидное, когда ошибки в проектировании отверстий всплывают уже на производстве: плату приходится переделывать, сроки горят, бюджет летит в трубу.

Давайте на пальцах разберем, какие ошибки в проектировании отверстий встречаются чаще всего и как их избежать, чтобы не переплачивать и получать надежные платы с первого раза.

Прежде чем начнем: какие вообще бывают отверстия?

Для начала договоримся о терминах. Отверстия в печатных платах бывают: