Kurgan-Telecom Ru | Информационные технологии

Для профессиональной работы с ИИ нужны специализированные решения. Например, для глубокого обучения современных моделей требуется конфигурация с 8 GPU и суммарной видеопамятью более 500 ГБ. В этой статье расскажем, какими характеристиками должен обладать AI-сервер, и покажем конкретные решения от Dell и российского бренда Yadro.

Современный бизнес-ландшафт в дизайне отличает высокая волатильность и сильное давление рынка. Дизайнерам все чаще приходится доказывать свою ценность как инвестиции. Руководители, в свою очередь, ищут новые формы ценности и стремятся к видимым показателям успеха, пытаются добиваться больших результатов при меньших затратах.

Привет, Хабр!

Меня зовут Дмитрий, вот уже два с половиной года я работаю DevOps инженером в крупной фин.тех компании. Специализируюсь, в основном, на брокерах сообщений. Большая часть сервисов у нас написана на java, нам нужна высокая отказоустойчивость, максимальная гарантия доставки и, поэтому, основной брокер — kafka. Собственно, о ней и хочу сегодня поговорить.

В статье расскажу о том, как я реализовал CLI для управления партициями в kafka, их переезд, балансировка.

Привет, Хабр! При работе со стеганографией первый и самый важный вопрос, который возникает перед пользователем: «А мой файл вообще поместится в эту картинку?». Попытка спрятать 10-мегабайтный архив в иконку размером 64x64 пикселя обречена на провал. Именно поэтому оценка стеганографической емкости контейнера — это краеугольный камень любой операции по сокрытию данных.

Емкость — это не просто размер файла. Это сложное понятие, которое кардинально меняется в зависимости от формата контейнера (PNG, JPEG, DOCX) и метода сокрытия (LSB, DCT и др.).

Сегодня на примере кода из нашего проекта ChameleonLab мы подробно разберем, как вычисляется емкость для разных типов файлов, и напишем соответствующие функции на Python.

Python кажется простым и понятным — именно поэтому с него так классно начинать карьеру разработчика. Но за этой простотой скрываются тонкости, которые любят проверять на собеседованиях. И тут начинающий разработчик может неожиданно попасть впросак: вроде бы код работает, но поведение совсем не такое, как ожидалось.

Как автор курса «Python-разработчик» в Яндекс Практикуме, я часто разбираю подобные ситуации на своём YouTube-канале, где провожу открытые тестовые интервью с джунами. Всё, о чём я говорю, — это не абстрактные примеры, а реальные наблюдения и выводы, сделанные прямо в ходе этих собеседований. 

В статье я собрал самые интересные особенности Python, которые неоднократно встречались в подобных интервью и которые почти наверняка всплывут на вашем техническом собеседовании. Покажу, что именно спрашивают интервьюеры, и поясню, почему это важно. Если вы только готовитесь к первой работе или хотите подтянуть фундаментальные знания — продолжайте читать.

Привет, Хабр!

Сегодня мы рассмотрим реализацию Outbox паттерна в разных ЯП. Цель простая: одним атомарным действием обновлять бизнес-данные и фиксировать факт события, а затем надежно доставлять его в брокер. Разберем общую схему, конкуренцию воркеров, ретраи, дедупликацию, метрики и покажу, как это собрать на C#, Java, Go, Python и Node.js.

Привет! Не успел мир договориться, что вообще подразумевать под агентами, как в инфополе обычные агенты заменились аж сразу мультиагентными системами. Обычно большинство статей про агентов начинаются с фразы "на фреймворке X..." — ну так с фреймворком каждый может, а ты попробуй без него.

А вот мы и попробуем! Причем попробуем не самую тривиальную штуку, а замахнемся сразу на эксперимент с агентным управлением браузером.

Задача освещенности – одна из фундаментальных в компьютерном зрении. Например, наша команда CV Lab прошлым летом разработала модуль освещенности для сервиса видеосвязи Контур.Толк: он способен справиться с по-настоящему экстремальной темнотой, но вот в умеренных кейсах ведет себя не так уверенно. И тут не совсем понятно, как решать проблему: то ли держать целую коллекцию моделей под разные уровни освещенности, то ли внедрять вспомогательные эмбеддинги в архитектуру модели. Потенциальных решений уйма, но у всех есть свои недостатки в силу отсутствия пластичности.

Авторы статьи, которую мы разберем, элегантно справляются с проблемой путем внедрения Neural ODE в пайплайн. Если поиграться с моделькой, то работать может шустро, а значит, вполне возможно, что скоро и вы сможете с ней повзаимодействовать в Контур.Толк :-)

Каждый фронтендер знает эту боль: пишешь запрос через fetch - и автоматически добавляешь try/catch. Где-то ловишь TypeError, где-то 500-й статус, где-то подвисший запрос с AbortController. В итоге половина кода в проекте - это обработка ошибок, а не бизнес-логика.

Я прожил с этим годами. Чем больше становился проект, тем больше росла копипаста: таймауты, ретраи, проверки на res.ok, костыли для разных браузеров. Одно и то же, снова и снова.

И вот в какой-то момент я понял: проблема не в том, что ошибки случаются. Проблема в том, что сам fetch вынуждает нас ловить их вручную, каждый раз, в каждом запросе.

Так появилась библиотека @asouei/safe-fetch. Маленькая (3kb), без зависимостей, но с тем, чего нет у самого fetch: общий таймаут, умные ретраи, нормализованные ошибки и поддержка Retry-After.

Искусственный интеллект уже основательно прописался в жизни IT-специалистов. Тогда как, далекий от IT человек, сталкивается с элементами ИИ опосредовано: камеры на дорогах, система "безопасный город", доставшие всех голосовые помощники...

Однако, постепенно влияние ИИ на обыденную жизнь обычного человека становится все больше. Расскажу как я прочувствовал это влияние на собственных примерах из жизни.

Думаете эти примеры были позитивными?

Написать меня эту статью-мнение сподвигла все неутехающая волна хайпа вокруг ИИ (он же AI, он же Исскуственный Интеллект) и огромное число статей, видео и прочего контента на эту тему, который все равно прорывается в мое "инфо-пространство", хотя я прилагаю немало усилий, чтобы беречь его от проявлений любой крайности. Последними каплями стал разговор с хорошим другом-высококлассным ИТ'ником, который делился со мною апокалиптическими сценариями и мыслями о том, "какую рабочую профессию хорошо бы нам, программистам, освоить уже сейчас, чтобы через несколько лет суметь заработать на себе на хлеб?" (предложил ему освоить пчеловодство или переехать в Германию, где до сих пор компании отправлют бумажных писем больше, чем электронных :-)) , и пост в одном популярном канале по Дата-инженерии, где автор канала тащиться от вайб-кодинга и удивляется, что "есть еще люди, которые не верят, что ИИ через два года будет ..." - и далее по списку. Ну а про то, что количество "ура-статей" тут, на хабре, зашкаливает (хотя попадаются и скептические) вообще молчу...

Ученые из МФТИ нашли новое интегральное представление различных произведений функций Эйри, которое позволяет написать точное решение многих задач математической физики. В частности, описывать квантовое движение электрона в постоянном внешнем электрическом поле, что дает возможность распространить теорию туннельной ионизации молекул на случай сильных полей — крайне важный аспект для аттосекундной физики. Работа опубликована в Zeitschrift für angewandte Mathematik und Physik.

Туннельная ионизация является ключевым этапом в отслеживании перемещения электронов и образовавшихся «дырок» в молекулах. В перспективе это может привести к возможности управления их движением, что, в свою очередь, откроет новые горизонты в молекулярной биологии, фармацевтике, органической химии и других направлениях промышленности. 

Для освоения этой технологии, помимо сложностей технологических, предстоит также преодолеть сложности математические. Дело в том, что существующая теория туннельной ионизации молекул построена только для случая слабых полей, в то время как требуется исследовать эти процессы в сильных полях.

Российским ученым в своем новом исследовании удалось сделать важный шаг для построения точного математического описания процесса туннельной ионизации.

На днях при настройке аналитики для клиентского новостного ресурса наша столкнулись с задачей сбора показателей по публикациям отдельных журналистов как с основной площадки, так и с дублирующего канала в системе Дзен.

Требовалось создать общий, удобный отчет, для расчета премий журналистов. Сбор данных на WordPress мы уже давно реализуем посредством встроенных решений, а также через через Яндекс.Метрику, казалось бы все просто.

Однако в данном случае возникли сложности с получением информации об авторах именно с канала Дзена. Анализ отчетности в метрике показал, что система уже собирает информацию по данному ресурсу, но в графе авторов фигурируют другие СМИ. Например АиФ или Комсомолка, а не фамилии отдельных журналистов.

Консультация со службой поддержки Яндекс.Метрики выявила следующее:

В настоящий момент контентная аналитика с сайта не осуществляется, а все показатели в разделе «Контент» формируются исключительно на основе материалов платформы Дзен. Подтверждение этому можно найти в адресах группировки «URL материала» через отчет «Источники переходов на материалы».

В структуре публикаций Дзена отсутствует информация об авторах, поэтому в отчетности такие данные не отражаются. Рекомендуется обращение в их поддержку для корректировки разметки. Относительно материалов сайта - разметку можно настроить самостоятельно. Важно учесть, что в параметрах счетчика выбрана разметка Microdata (применяемая Дзеном), а на сайте такой тип разметки используется только для блока организации, но не для контентных материалов. Для начала сбора данных по сайту необходимо настроить разметку и для его материалов.

Идея создать продающего бота пришла ко мне одновременно с идеей вести онлайн-курс "Основы разработки с применением искусственного интеллекта в 1С". Если я собираюсь рассказывать людям как применять искусственный интеллект в бизнесе, то продавать это должен бот с искусственным интеллектом. На момент написания этой первой части, бот успешно отработал два месяца, а я хочу рассказать вам, как это было

Серия: "Железный разум: взлёты и падения ИИ"Статья 1: От калькулятора до нейросетей — вся правда об эволюции ИИ

Кажется, эпоха, когда ИИ был просто «чёрным ящиком», который выдавал ответы по никому не понятному наитию, потихоньку подходит к концу. Все мы уже наигрались с «галлюцинациями» больших языковых моделей и поняли, что для серьёзных дел одной лишь магии нейросетей недостаточно. Бизнес хочет предсказуемости, врачи — объяснений, а инженеры — надёжности. И вот тут на сцену снова выходят старые, проверенные временем принципы — логика, правила и структура.

Нет, это не значит, что мы возвращаемся назад, к громоздким экспертным системам из 80-х. Это значит, что мы наконец-то научились их «женить» с мощью нейронных сетей. В этой статье мы без хайпа и маркетинговой шелухи разберём, что такое нейро-символический подход. Это не просто очередной модный термин, а, возможно, следующий большой шаг в эволюции ИИ.

Мы пройдёмся по всей истории: вспомним, почему «зимы ИИ» были на самом деле полезны, как нейронная революция перевернула игру, и почему сегодня все так носятся с идеей гибридных систем. Посмотрим на реальные примеры из медицины, финансов и промышленности, где этот подход уже не теория, а рабочая лошадка. Разберём главные тренды 2025 года и поговорим о том, чего стоит бояться на самом деле. В общем, это лонгрид для тех, кто хочет понять не только, что умеет современный ИИ, но и как он устроен под капотом и почему он развивается именно так, а не иначе.

Привет, Хабр!

В .NET живёт старый, понятный инструмент для конкурентной обработки — BlockingCollection<T>. Коллекция, которая упрощает модель producer–consumer, даёт строгую ограниченную вместимость и предсказуемую блокировку при пустоте или переполнении. Да, у нас есть Channel<T>, есть TPL Dataflow, есть миллион самодельных очередей на SemaphoreSlim. Но когда нужны простые правила и железный backpressure без BlockingCollection по-прежнему закрывает задачи хорошо.

Пару дней назад я наткнулся на пост на HN про игру Tron Light Cycle. Если вы не знаете, что такое Light Cycle — позор вам. Кто только не писал Light Cycle. На самом деле, игра достаточно простая. И её писали раньше чисто для тренировок. Написать её просто, и в ней достаточно сложно что‑то запороть.

Но, кто‑то всё‑таки умудрился.

Рассмотрим, как добавить конфигурационную activity для виджета, как сохранять, доставать и применять настройки.

Российский ученый сделал научное открытие в области сверхпроводимости — он обнаружил, что в тонкий слой нормального металла (N), покрывающий сверхпроводник, могут входить и там находиться вихри, несмотря на малую толщину N слоя, а также в N слое может существовать пространственно-модулированное безвихревое состояние. Работа была опубликована в Physical Review B.

В новом исследовании было обнаружено, что в тонкий нормальный слой, покрывающий сверхпроводник, могут входить и там располагаться вихри. Известно, что из-за проникновения сверхпроводящих электронов в нормальный слой в нем наводится сверхпроводимость, и появляется своя длина когерентности xN, которая может быть много больше xS. Удивительным свойством данной системы оказалось возможность размещения в N слое вихрей, несмотря на его малую толщину dN<<xN. Этот результат противоречит устоявшимся представлениям о том, что размер сверхпроводника должен превышать xS или xN, чтобы в нем мог разместиться вихрь.

Последние годы у нас был рефлекс: нужна мелочь — ставим библиотеку; нужен каркас — берём шаблон; надо что‑то «на лету» — подключаем генератор кода. С появлением рабочих моделей кода появился более приземлённый путь: сформулировать требование, написать тесты и получить небольшой, понятный модуль без лишних зависимостей. Это не война с OSS, а сдвиг точки равновесия: сложное и критичное остаётся за проверенными библиотеками, а утилитарное всё чаще выгоднее сгенерировать под себя. Дальше — что именно поменялось, где ИИ «откусил» повседневные задачи, где границы и какие практики работают. При этом пишу с позиции алготрейдинга — поэтому примеры и формулировки из этой области; но сам подход уже заметно работает почти во всех направлениях разработки.