Kurgan-Telecom Ru | Информационные технологии

Привет, Хабр! Пару лет назад мы уже выпускали подборку книг, подкастов и других ресурсов для изучения языка программирования Go. За это время коллекция полезных материалов подросла, и пришло время поделиться продолжением.

Новая подборка ждет вас под катом. Сохраняйте себе и отправляйте коллегам — пригодится как новичкам, так и опытным специалистам.

Привет, Хабр! Меня зовут Маша, я бренд-аналитик, провожу разные исследования, а в перерывах пишу на Хабр. Коллеги из команды спецпроектов попросили меня протестировать на моих реальных задачах MWS Tables и сравнить со своими привычными сервисами. Я проверила его для проведения опросов, обработки данных и отслеживания задач на канбан-доске — и готова поделиться впечатлениями.

Большая часть времени планировщика запросов в СУБД тратится на поиск оптимального способа соединения таблиц. В PostgreSQL используется два алгоритма: алгоритм динамического программирования, также называемый DPsize, и генетический — GEQO. В других СУБД реализовано еще множество других алгоритмов. DPhyp — алгоритм соединения на основе гиперграфов — уже используется такими СУБД как MySQL и YDB. Я задался вопросом: можно ли реализовать его в PostgreSQL? Оказывается, можно. Так и зародилось расширение pg_dphyp для PostgreSQL, реализующее альтернативный алгоритм соединения таблиц. В статье я не описываю подробно сам алгоритм, привожу только концептуальное описание его идеи, а рассказываю вот о чем:

-- Какие решения пришлось принять, чтобы добавить алгоритм DPhyp в существующую кодовую базу без изменения ядра;
-- Как GPLv2 помог найти эффективный алгоритм обхода соседей;
-- Как проиндексировали неиндексируемое гиперрёбра;
-- Планирование какого запроса смогли ускорить в 600 раз;
-- Какой изъян в работе существующего планировщика был найден.

Но главный сюжетный поворот — в конце...

Мы — Светлана Берегулина и Евгений Мео, создатели Go-to-Market Academy, специализируемся на продвижении B2B-IT-продуктов, а также обучаем продуктовому маркетингу, причем как маркетологов, так и не маркетологов.

Хотим поделиться подходом, как составить Go-to-Market план для вашего продукта, а также рассказываем, чем он лучше обычных маркетинговых планов или документации по бюджетированию, к которым все привыкли. Плюс отдаем рабочий шаблон Go-to-Market плана.

Данная публикация — перевод серии статей от Pepe Berba - Hunting for Persistence in Linux.

! Все приведённые в данном материале примеры эксплоитов предназначены исключительно для изучения и проработки мер безопасности. Их использование в злонамеренных целях строго запрещено и противоречит законодательству. Автор и источник не несут ответственности за неправомерные действия, совершённые с использованием данной информации !

Прошлым летом в свет вышла новая архитектура нейронных сетей под названием Kolmogorov-Arnold Networks (KAN). На момент выхода статьи про KAN эта новость произвела фурор в мире машинного обучение, так как KAN показывала существенный прирост в качестве аппроксимации различных сложных функций. Ошибка новых сетей падает значительно быстрее при увеличении числа параметров. Однако, за все приходится платить, и цена таких маленьких значений функции ошибки - медленное обучение: KAN обучается примерно в 10 раз медленнее, чем старый добрый MLP. Из всего этого возникает вопрос: насколько все же уместно использование новой архитектуры вместо привычных всем MLP?

В данной статье будет найдена функция, которая может быть реализована с помощью двухслойного KAN полиномиальной ширины, но не может быть приближена никакой двухслойной ReLU MLP сетью с полиномиальной шириной

Привет! Я Соня Ожерельева — тимлид в команде Monetization Efficiency в Авито. В статье расскажу про новый сетап A/B-теста, который мы использовали при тестировании системы Уровень сервиса на Авито. Он, как и A/B-тест по регионам, позволяет измерять влияние как на покупателей, так и на продавцов. При этом MDE нашего сетапа в 2 раза ниже, чем у регионального. Материал будет полезен аналитикам любых грейдов.

Друг снял офис для работы и ужаснулся, узнав, сколько стоит местный интернет для бизнеса. Он недоумевал, почему такая разница с домашним интернетом. Услуга-то по сути одна и та же.

Я тоже задумался. И в тот же день задал вопрос ИИ. ChatGPT стал рассказывать про гарантированную надёжность, время аптайма, высокий уровень сервиса и прочие вещи, которые должны были обосновать цену. Но меня тот ответ не устроил. Домашний интернет тоже надёжный, стабильный и с круглосуточной техподдержкой.

К счастью, я знаком с генеральным директором одной из крупных телекоммуникационных компаний. Это один из провайдеров интернета Санкт-Петербурга. И я задал ему прямой вопрос. Зацените ответ.

Кирилл и Анастасия сейчас постоянно живут на Кипре. Они рассказали, с какими сложностями столкнулись после переезда и сколько денег уходит на съём жилья, бытовые расходы, продукты и развлечения. Оказывается, не всё так радужно, как нам рассказывают популярные блогеры-журналисты

Инсулинорезистентность — это когда человек имеет много лишнего жира ( обычно там связь прямая ) и значит что бы его получить — есть больше своей нормы. В итоге поджелудочная перенагружена углеводами‑жиром и выпускает максимально много инсулина. Инсулина становится аномально много в плазме крови и получается самое страшное — система переваривания перенагружается таким количеством инсулина, он же без конца выделяется что бы переварить новые и новые порции сладкоты‑жирноты‑мучносты. Особенно весело печени — излишнее количество сладкого ( а это обычно булка+начинка+посыпка ) и жирноты, повышает без конца инсулин, а инсулин в переизбытке сначала подавляет выделение печенью глюкозы. А потом печень перестаёт адекватно воспринимать инсулин и увеличивает выброс глюкозы в кровь — привет нарастание уровня сахара в крови. А дальше поджелудочная в ответ на перегрузку, вообще перестаёт вырабатывать инсулин или снижается его выработка.

Ну если поджелудочная крепкая и в предках удачно были сплошь земледельцы, можно и жрать торты всю жизнь, однако рисковать не стоит. С этой проблемой в первую очередь знакомы те, у кого в генах есть относительно недавние охотники‑собиратели, то есть народы которые выживали на мясе и диких плодах, а не на картошке сортовой и пшенице. Самый массовый удар из диабета, а он следует по пятам за инсулинорезистентностью — пришёлся на США и Канаду. Там индейцы местные буквально эпидемически болеют диабетом, из за еды с сахаром и крахмалом, просто индейцы до прихода европеоидов не имели никогда такого крахмально‑сахарного угара. Ну а крахмал это хлеб, макароны, вообще любое мучное из кукурузы, пшеницы, риса.

Привет, хабровчанин! Я рад, что спустя полтора года после своей первой статьи (https://habr.com/ru/articles/781028/) у меня наконец закончилась разработка и оптимизация всего, что только можно, и я могу с уверенностью поделиться о лучших практиках при разработке огромных 2д рпг с открытым миром для любой платформы на фреймворке Flame (https://flame-engine.org/).

Начну с того, что Flame имеет очень уютное коммьюнити, которое всегда поможет, подскажет, примет вашу критику и охотно аппрувнет ваши исправления в главную ветку если они действительно здравые. Так что такое отношение к своему детищу от разработчиков не может не радовать. Да, движок молодой, но очень быстро набирает все необходимые функции, чтобы уже на данном этапе позволяет делать очень крутые игры.

Всем привет! Я Андрей, ML-разработчик из команды распознавания речи в Т-Банке. Мы занимаемся полным циклом разработки: сбором и разметкой данных, проведением экспериментов по обучению моделей, интеграцией в продакшен.

В русскоязычном сегменте давно не хватает открытых моделей распознавания речи, которые можно было бы быстро кастомизировать под реальные задачи. Более того, почти все доступные модели работают офлайн и не адаптированы под специфику телефонии. Поэтому мы решили опубликовать собственную потоковую акустическую модель с кодом для ее инференса и дообучения, а еще выложить 5-граммную языковую модель.

Акустическая модель является по-настоящему потоковой, легковесной, производительной и обгоняет по качеству более крупные открытые офлайн-модели в телефонии.

В статье расскажу, как устроена потоковая модель распознавания, как и на чем ее обучали и как ее можно использовать.

CAPTCHA‑протоколы призваны отличать ботов от людей, однако в мире автоматизации и тестирования часто возникает необходимость эти капчи обходить. Существуют специальные сервисы распознавания капчи, которые берут на себя решение этих задач с помощью сочетания алгоритмов и человеческого труда. В этой статье мы проведем подробное сравнение четырех популярных сервисов: 2Captcha, SolveCaptcha, DeathByCaptcha и AntiCaptcha. Мы рассмотрим не только цены и виды поддерживаемых капч, но и архитектуру работы, API‑интеграции, скорость и стабильность, а также особенности использования каждого сервиса.

Опытному техническому сообществу будет интересен глубокий анализ — от устройства API и SDK до реальных сценариев применения. Ниже вы найдете таблицу сравнения ключевых характеристик этих решений, списки их преимуществ и недостатков, а также разбор, какой сервис лучше подходит под те или иные задачи автоматизации.

Крупные языковые модели (LLM) меняют представление автоматизации, вычислений и AI-управляемого анализа. Хотя их способности выполнять код, обрабатывать документы и выходить в интернет представляют собой важные достижения, они же открывают новый класс уязвимостей. Это вторая часть серии о критических уязвимостях AI-агентов.

В этой части мы исследуем системные риски, связанные с уязвимостями исполнения кода в агентах на базе LLM, выделяем ключевые векторы атак, риски безопасности и возможные меры смягчения.

Привет! Меня зовут Ксюша, я работаю бэкенд-разработчиком на C# в Контуре. В весеннем семестре я провела курс по функциональному программированию на Haskell для студентов 3 и 4 курса направления ФИИТ (фундаментальная информатика и информационные технологии) в УрФУ и хочу поделиться своим опытом организации и проведения курса.   

Данная статья содержит краткое описание метода связе-ориентированного моделирования и метода разработки само-описанных приложений, работающих на основе этих моделей. Те преимущества, которые дает этот метод позволяют предположить, что гиперсетевая структура мозга – когнитом – устроена подобно этой модели. На основе этого предположения показано, как компьютер может демонстрировать те способности, которые ранее приписывались исключительно мозгу. В частности, работать без заранее написанной программы, иметь сознание, свойства личности и свободу воли.

И мозг, и компьютер являются информационными системами, поскольку каждая из них выполняет функции приема, обработки, хранения и использования информации. Поэтому аналогия мозга и компьютера напрашивается сама собой несмотря на то, что физическое устройство их совершенно различно.

 Однако есть ряд обстоятельств, которые отличают мозг от компьютера в «лучшую» сторону. В лучшую в том смысле, что ряд возможностей мозга компьютер реализовать не может. И несмотря на то, что элементы, из которых устроен компьютер – полупроводниковые микросхемы – имеют несравненно большую скорость работы, чем нейроны головного мозга, а электронные каналы гораздо большую скорость передачи данных, чем нервные волокна, считается, что компьютер заведомо уступает мозгу по возможностям. Это выражается в сакраментальной фразе «Компьютер мыслить не может».

Рассмотрим главные аргументы, которые используются сторонниками этой точки зрения.

Многие до сих пор воспринимают IT-индустрию как пространство для молодых: стартапы, хакатоны, agile-команды и шумные open space. В голове автоматически возникает образ 20–30-летнего разработчика в худи. А если добавить, что речь о программировании на 1С, — так вообще большинство подумает о крепком мужчине предпенсионного возраста с двадцатью годами стажа в одной системе.

Но бывают исключения, которые ломают шаблоны. И об одном таком исключении я расскажу сегодня.

Продолжаю изучать различные UI/UX/CX кейсы в мобильных приложениях, веб-сайтах и в реальном мире. Дизайнерам и менеджерам по продукту, чтобы вдохновиться и добавить в заметки.

Под катом: Netflix, Duolingo, BBVA.

Хотите разобраться с таинственной полярной звездой или North Star Metric (NSM)? Покажу примеры NSM для организаций и разберу несколько реальных продуктовых кейсов. После прочтения этой статьи вопросов про NSM у вас больше не останется!

Привет, Хабр! Меня зовут Тигран Басеян и я — руковожу ИТ-saas продуктом, развиваю российскую методологию управления ИТ в организациях РИТМ, автор телеграм-канала Black Product Owner (Чёрный продакт), где рассказываю о продакстве, менеджменте и стартапах. В индустрии уже больше 15 лет. Руководил различными технологическими командами и продуктами, в том числе высоконагруженными.

Эта статья написана по мотивам воркшопа про North Star Metric или Полярную звезду: расскажу, зачем нужна эта метрика и как её правильно выстраивать. Разберём, как NSM связана с различными бизнес-моделями и какие у неё есть связи с деревом метрик и юнит-экономикой.

Точно и быстро искать секрет в коде — тривиальная задача, если знаешь конкретный формат секрета и осуществляешь поиск в своём проекте. Задача становится сложнее, если твой скоуп включает несколько проектов или один большой корпоративный монорепозиторий. И эта же задача становится вызовом, если область поиска — платформа для разработчиков, а формат твоего секрета — недетерминирован.

Меня зовут Денис Макрушин, и вместе с Андреем Кулешовым @akuleshov7и Алексеем Тройниковым @atroynikov в этом году мы сделали POC платформы для безопасной разработки в рамках команды SourceCraft. Сегодня поговорим о функциональности поиска секретов. Наша appsec‑платформа состоит из двух групп инструментов: анализаторы, которые требуют точной настройки, и слой управления, который отвечает за обработку результатов и интеграцию с инфраструктурой.

В этом материале пройдём стадию discovery для анализатора секретов: посмотрим на актуальные инструменты поиска секретов, их ограничения и определим направления для повышения трёх ключевых параметров Secret Sсanning: точность, полнота и скорость.