Kurgan-Telecom Ru | Информационные технологии

Есть вопросы, которые кажутся простыми — пока вы не оказываетесь на собеседовании и вам их не задают. «Расскажите про сложную задачу, которую вы решали сами и которой гордитесь». Казалось бы, что тут сложного? Вы работаете несколько лет, задач было море, истории есть. Но именно в этот момент что-то идет не так.

Меня зовут Ольга Колюкова, я консультант-эксперт в департаменте 1С в «КОРУС Консалтинг» с 13-летним опытом внедрений. В этой статье я на основе своего опыта расскажу о том, какие вопросы нужно отрабатывать заранее при подготовке к собеседованию.

Приветствую всех!

Осенью того года я однажды показывал начинку типичного карточного таксофона. Но, как нетрудно догадаться, самими аппаратами перечень такого оборудования не ограничивался. Сегодня мы поговорим об одной железке, напрямую к таксофону не подключавшейся, но имеющей к нему самое прямое отношение.

Зачем вообще была нужна эта коробочка и что она делает? Сейчас и разберёмся...

Привет, Хабр! Меня зовут Витя, я проектирую интерфейсы в Selectel. Недавно мы запустили новую функциональность — выделенные ядра для облачных серверов. Чтобы понять, как спроектировать интерфейс управления новой фичей, я решил погрузиться в матчасть: от работы планировщика Linux до архитектуры NUMA-нод.

В тексте разберем, чем физические ядра отличаются от vCPU, как Hyper-Threading влияет на производительность и почему «шумные соседи» — измеряемая потеря денег.

Привет, Хабр! Меня зовут Андрей Басов, я руководитель команды технической поддержки стрима корпоративных продуктов и сервисов в MWS, занимаюсь технической поддержкой и сопровождением продуктов линейки Partner Experience Platform.

В прошлом материале я рассказал о том, как мы с коллегами попробовали искать аномалии в логах наших систем с помощью методов машинного обучения. Сейчас мы провели работу над ошибками, все переработали (архитектуру, математический аппарат), внедрили генеративную LLM и Principal Component Analysis — и в итоге создали новую систему анализа жизни продуктов, которая самостоятельно балансирует, обучается, выявляет аномалии, паттерны и даже заглядывает в будущее.

Но не только сама разработка этой «живой» системы стала для меня в проекте вызовом. Мы столкнулись с тем, что некоторые коллеги из разных подразделений не всегда понимают, чем конкретно мы занимаемся и как это все работает. Не всегда разделяют границы ИИ между машинным обучением и генеративным интеллектом.

Поэтому я открываю серию материалов о том, как математика способна превратить пассивную кластеризацию в активную и самосознающую систему: от основ байесовской адаптации, динамических границ и топологического анализа до внедрения в практику. Разбираться будем на примере нашей новой архитектуры.

Восьмая статья с "деврел-супервизии". После мрачняка про рынок вакансий обсудили, что делать, если сокращать не сокращают, но нагрузили аж до выгорания.

Анонимный вопрос участника: как восстанавливаться, когда тебя ждут постоянного драйва и креатива, а ты выдохся, выгорел? На нынешнем рынке совсем не хочется никакого креатива — хочется сжаться и пересидеть. Что делать из такого состояния?

// todo: тут N+1 на invoice — надо переделать через entity graph.

Этот комментарий висел в коде полтора года. Все, кто заходил в файл, его видели. Никто не завёл тикет. В пятницу вечером он сработал — и забрал с собой три пода, 30% запросов на критичной ручке и моё спокойствие на выходные.

За последние три месяца у Anthropic вышло много, но большая часть — не там, где кричат. Subagents существуют год, skills — с октября 2025, MCP — больше полутора лет. Делать вид, что это новинки квартала, — нечестно. А вот реально новое: Agent Teams (5 февраля 2026), Claude Cowork в GA на Mac и Windows (9 апреля), Opus 4.7 с командой /effort и режимом /fast (поздний апрель), Plugin Marketplace с auto-update и --plugin-url, Agent View (12 мая). Я гоняю это всё на своих проектах и собрал честный топ-5 — что меняет workflow, что разочаровало, и одна анти-новинка, которая выжгла лимиты всей моей команде за один день в марте. Внутри: разбор каждой фичи через юзкейсы, виральная история про парня, который через Claude нашёл пароль от Bitcoin-кошелька на $400K, и контр-тезис, почему /effort на extra-high делает работу часто лучше Agent Teams в 3 раза дешевле.

← Третья часть

Сколько себя помню, я любил играть в LEGO. Больше всего меня восхищало то, что из одного и того же набора типов блоков можно построить что угодно: главными были не блоки, а воображение или план, показывающий, в каком порядке их соединять. Мой проект работает аналогичным образом: один набор исходников, хороший план и множество различных способов собирать и тестировать его.

В этой части я расскажу об окружениях и их взаимосвязи.

Главный принцип этого фреймворка заключается в том, что единственный набор файлов исходников на Verilog можно без изменений использовать в различных средах сборки:

ModelSim для потактово точной симуляции HDL с волновым выводом

Verilator для быстрой симуляции на C++, с тестовой обвязкой (calctest) и другими инструментами

Десктопное приложение на Qt для интерактивной работы с интегрированным отладчиком на уровне исходников

Qt WebAssembly для запуска калькулятора в браузере с попиксельной точностью

Quartus для синтеза и записи на физическую плату FPGA

Каждое из окружений позволило выявлять свой класс багов. ModelSim отлавливает проблемы таймингов на уровне сигналов. Verilator обладает достаточной скоростью для проверки тысяч тестовых векторов. Симулятор на Qt позволяет удобно пользоваться интерактивной отладкой. WebAssembly доказывает работоспособность кода в совершенно иной среде исполнения, в которой видением приложения можно поделиться со всем миром. Целевая платформа FPGA, реальная плата — это то, что можно потрогать, окончательная реализация идеи.

В прошлой статье я говорил, что конвейерная модель производства софта несовместима с AI, и что вместо конвейера нужен дирижёр — сильный инженер с продуктовым мышлением, управляющий оркестром агентов.

Ту статью многие прочитали как «вот и хорошо, нанимаем нескольких сеньоров, увольняем середину, экономим на FTE». Это понятно с точки зрения CFO — но это полупонимание.

Дирижёр без мотивации — это не дирижёр. Это дорогой пассивный наблюдатель. AI рядом с ним даст ровно ноль ускорения.

Сегодня — про вторую половину. Кто реально получает 10× от AI и почему это вопрос лояльности, а не технологии.

Представьте семинар у физиков или математиков. Идёт автоматическая запись лекции, а затем распознавание речи в аккуратный текст. В большинстве мест современные ASR-системы справятся неплохо. Но значительная часть такой записи будет состоять из фраз вроде «интеграл от икс в квадрате до бесконечности», «сумма по i от единицы до n» или «производная по t от функции f».

Формально голос может быть распознан правильно. В расшифровке даже могут появляться отдельные символы вроде +, π или x. Но если человек произносит длинную формулу, результат почти всегда превращается в линейную фразу, читать которую физически больно. Хочется другого: чтобы система сразу понимала, где обычный текст, где математическое выражение, и выдавала не «один делить на икс плюс два», а корректный LaTeX-код, например, \frac{1}{x+2} или \frac{1}{x}+2, в зависимости от смысла.

Эта задача называется Speech-to-LaTeX или S2L: преобразование озвученных математических выражений и предложений в формальную LaTeX-запись. В отличие от обычного speech-to-text, здесь нужно распознать не только слова, но и структуру: дроби, индексы, степени, пределы, суммы, интегралы, скобки, вложенные выражения и границы формул.

Например, фраза «два делить на пи» в обычной расшифровке может остаться как «2 делить на π». Но в LaTeX она должна стать \frac{2}{\pi}. Именно такой формат нужен для статей, учебников, конспектов, Overleaf и других LaTeX-редакторов.

Несмотря на прогресс в automatic speech recognition (ASR), задача прямого преобразования озвученной математики в LaTeX долго оставалась почти неразработанной. Более того, нормальных открытых датасетов с человеческими аудиозаписями для такой задачи практически не было. В нашей работе мы попытались закрыть этот пробел: собрали открытый двуязычный датасет и сравнили несколько подходов к Speech-to-LaTeX. В статье, которую мы представили на ICLR 2026, описан датасет из более чем 66 тысяч человеческих аудиозаписей и 571 тысячи синтетических аудиозаписей на английском и русском языках. 

Проанализировал более 200 портфелей. Показываю фишки, слабые места, структура, самые необычные решения и портфели на века

Два года назад я уже делал разбор портфолио. В этот раз я вернулся, чтобы узнать что происходит с портфолио дизайнеров. Во-первых, как дизайнеру мне самому важно. Во-вторых, важно не советовать менти по памяти из 2024 года, а понимать, что работает сейчас: как дизайнеры показывают кейсы, как обходят NDA, как рассказывают про маленькие фичи, как используют метрики, анимации, шоурилы и личный бренд.

В выборке — портфолио продуктовых и UX/UI-дизайнеров из Т-Банка, Додо, Figma, Альфы, Revolut и других сильных компаний.

Всем привет! Я Ольга Матушевич, преподаватель курса «Нейросети для бизнеса», а в прошлом наставница на курсе «Аналитик данных». В этой статье расскажу, какие отечественные аналоги редакторов электронных таблиц появились в России, на что именно можно заменить Excel и Google Таблицы в 2026 году и нужно ли это делать.

Я пишу FFI-код на Rust уже несколько лет и за это время понял одну неприятную вещь: на FFI-границе всё, что может сломаться, ломается молча. Компилятор не предупреждает, тесты проходят, а данные на C-стороне оказываются просто мусором. Или, что хуже, оказываются почти правильными, первые три поля совпадают, а четвёртое сдвинуто на два байта, и ошибка всплывает через недели.

Большинство этих проблем связано с двумя вещами: как структура лежит в памяти (layout) и как данные передаются при вызове функции (ABI). В чистом Rust-коде об этом можно не думать, компилятор всё решает за вас. Но на границе с C эти детали становятся вашей ответственностью.

Плохую презентацию видно еще до первого графика: немного о компании, немного о рынке, немного о продукте, потом три слайда преимуществ, финальное «спасибо за внимание». И ничего не понятно. Формально все на месте, а смысла мало.

Нейросети ускоряют и облегчают эту работу. Если попросить ИИ не просто нагенерить случайных слайдов, а использовать ИИ как команду из редактора, стратега, дизайнера и тренера спикера — нейросеть соберет логику, визуал и аргументацию.

Мы подготовили 5 рабочих промтов, которые помогают подготовить презентацию без ощущения, что это нейросетевой шаблон.

С нашего последнего разговора прошло пять недель. Вы, дорогой читатель, наверняка подумали, что ваш покорный слуга всё это время бездельничал. Но это не так.Сразу после публикации прошлой статьи ко мне обратился подписчик по имени Сергей. Он занимается лазерной резкой металла и после прочтения материала решил, что я смогу проапгрейдить его алгоритмы расчёта. Очевидно, после прочтения моих статей вы уже поняли: как охотничий пёс при виде зайца не может остановиться, так и я при виде интересной задачи просто не могу пройти мимо. Получив задачу, я вник в суть и сделал то, что мы с вами так любим, — полноценный веб-сервис. Написан он в лучших традициях хакерского стиля: с динамическим обновлением и, конечно же, «заряженным» движком под капотом.

За пять лет ФНС России сократила штат на 46 тысяч человек — треть от всей численности. И при этом запустила больше 20 новых функций: единый налоговый счет, единый реестр МСП и населения, национальную систему прослеживаемости товаров, реестры майнеров, администрирование туристического налога.

История знакомая любой инженерной команде, которая мигрировала с легаси-монолита на data-driven архитектуру. Только здесь «монолит» — это огромная сеть инспекций и разрозненных региональных баз из девяностых, а новая архитектура — это единые федеральные центры обработки данных и непрерывный автоматический сбор информации от маркетплейсов, банков, перевозчиков и государственных реестров с агрегацией на стороне ФНС.

29 апреля 2026 года руководитель ФНС Даниил Егоров выступил на пленарном заседании Совета Федерации в рамках «правительственного часа». В докладе — итоги перехода и план следующего этапа: система СПОТ с QR-кодами для импорта из ЕАЭС с 1 июня, формализация роли маркетплейсов в налоговом администрировании, расчет имущественных налогов на стороне ФНС без участия налогоплательщика. Разбираем, что это значит для ИТ-компаний с аккредитацией Минцифры, селлеров на маркетплейсах и собственников бизнеса в целом.

При проектировании REST-интеграций часто возникает конфликт заголовков, когда и целевая система, и шина данных требуют дефолтный Authorization. В этой статье мы пошагово разберем, как перенастроить FESB на анализ кастомного заголовка для отдельной группы методов. Вы узнаете, как отключить стандартную проверку, распарсить Base64 с помощью Groovy и вернуть корректный HTTP-ответ.

Большинство CISO готовятся к прошлой атаке. После громкой утечки компании срочно закупают новый EDR, донастраивают SIEM и усиливают антифишинг, хотя следующая проблема почти наверняка придёт совсем с другой стороны — через подрядчика, старый API или уязвимость, про которую никто ещё не написал в отчётах.

В статье разбираем, почему ИБ‑команды часто защищаются «по зеркалу заднего вида», как это ломает стратегию безопасности и что делать, чтобы бюджет ИБ работал не только против вчерашних угроз.

ИИ уже меняет рынок разработки — но не так, как многие ожидали. Пока Anthropic говорит о «90% AI-кода», Klarna вынуждена возвращать сотрудников после эксперимента с массовым AI-замещением. Разбираем, почему AI-native сотрудники становятся новой нормой, что такое пересборка ролей и как компаниям адаптировать команды к эпохе LLM.

В 2026 году уже никто не спорит, что искусственный интеллект радикально меняет тестирование, как и все сферы бизнеса. Вопрос только в том, кого он заменит и кого сделает значительно ценнее как эксперта.

По данным World Quality Report 2025, 89% компаний пилотируют или внедряют Generative AI в процессы Quality Engineering. При этом только 15% сделали это на уровне всей организации. Остальные находятся в стадии осторожного эксперимента.