Kurgan-Telecom Ru | Информационные технологии

Мой двоюродный брат был счастливым обладателем устройства под названием «Электроника Видеоспорт-3». Для ребёнка из середины восьмидесятых игровая видеоприставка действительно выглядела чем-то фантастическим: оказывается, телевизор может показывать не только съезды КПСС и передачу «Играй, гармонь», но ещё и самую настоящую графику — две ракетки с летающим между ними квадратным мячиком и мишени, по которым можно стрелять из светового пистолета. Игровая приставка «Электроника Видеоспорт» стала предметом гордости своих немногочисленных обладателей, и лютой зависти — всех остальных. Недавно я наткнулся в интернете на объявление о продаже такого девайса, и меня захлестнули ностальгические воспоминания.

Представьте: вы месяцами обучали языковую модель, она выдает блестящие ответы — и вдруг после загрузки нового датасета словно теряет память и начинает ошибаться в задачах, которые раньше решала без проблем. Знакомо?

Причина такого поведения — не баг, а побочный эффект обучения нейросетей, известный как катастрофическое забывание (catastrophic forgetting). Оно особенно досаждает при тренировке LLM и мощных систем компьютерного зрения, которые приходится регулярно докармливать свежими данными. Увы, с каждым таким апдейтом есть риск, что старая информация «испарится» из модели. 

Почему забывание происходит — и всегда ли это нежелательный эффект? Давайте разбираться.

Жизнь и смерть традиционно рассматриваются как противоположности. Но появление новых многоклеточных форм жизни из клеток мёртвого организма продемонстрировало «третье состояние», которое лежит за пределами традиционных границ жизни и смерти.

Обычно учёные считают смерть необратимым прекращением функционирования организма в целом. Однако такие практики, как донорство органов, показывают, что органы, ткани и клетки могут продолжать функционировать даже после гибели организма. Эта устойчивость поднимает вопрос: какие механизмы позволяют определённым клеткам продолжать работать после смерти организма?

GameStop Corp. — американский ритейлер видеоигр и гик‑товаров. Компания прошла путь от умирающей сети магазинов до культурного феномена и объекта внимания розничных инвесторов. Основанная в 1984 году, она пережила экстремальный всплеск котировок в 2021‑м, смену менеджмента и перезапуск стратегии. Сегодня GameStop делает ставку на коллекционные товары и активно защищает свой бренд.

В предыдущей статье я показал, что любая методика управления проектом — осознанно или нет — вводит проектную сегментацию. По сути, речь идёт о способе, с помощью которого многомерное пространство задач приводится к управляемой линейной форме.

Мы использовали сегментацию как оптический прибор — чтобы увидеть, почему современные методики управления так различны и в чём на самом деле заключается их сходство. Теперь пришло время сменить фокус: от наблюдения перейти к применению. Взять найденный ключ и попробовать открыть им дверь.

Рассматривая сегментацию как самостоятельный элемент контроля и анализа, мы получаем полноценный инструмент управления, применимый на практике. Однако, как и любой инструмент, он не нейтрален: сегментация может как усиливать управление проектом, так и незаметно разрушать его. Именно поэтому, прежде чем переходить к теории сегментов, имеет смысл зафиксировать правила обращения с этим инструментом — правила, которые помогут использовать его осознанно и избежать типичных ошибок.

В этой статье я сформулирую основные принципы сегментирования. Часть из них покажется очевидной — но именно такие вещи особенно важно проговаривать явно. Другие принципы следуют из рациональных соображений, а третья группа представляет собой попытку обобщить полезную практику, с которой сталкиваются многие проектные команды.

Привет, Хабр! Тема входа в IT популярна уже много лет подряд. Меня зовут Анжелика, и я работаю ведущим инженером в тестировании уже 3 года, хочу поделиться своими наблюдениями и дать парочку советов для того, чтобы этот вход был эффективнее. В статье мы рассмотрим рынок труда в 2025 году, построим прогнозы на 2026 год, разберем необходимые навыки для поиска работы, а также узнаем, как выделяться на рынке труда для получения заветного оффера.

Приветствую всех!

Думаю, всем нам известно: ещё каких-то лет десять назад "компьютером для интернета" назывался очень бюджетный офисный ПК, тогда как теперь потребление ресурсов возросло настолько, что порой современный веб - чуть ли единственное, с чем не справляется тот или иной девайс.

А как насчёт чего-то совсем старого? Можно ли выйти в сеть с компьютера тридцатилетней давности и остались ли ещё какие-то сайты, которые можно полноценно просматривать с такого ПК? Сейчас и узнаем...

Поскольку мы все еще только осваиваем создание приложений с использованием базовых моделей, ошибки вполне нормальны. Это краткая заметка с примерами некоторых из наиболее распространенных ошибок, которые я видел как в публичных кейсах, так и в своем личном опыте.

Эти ошибки являются распространенными, поэтому, если вы работали над каким-либо продуктом, связанным с ИИ, вы, вероятно, уже сталкивались с ними.

В первой части мы разобрались как заставить работать GNS3 под MacOS. Ну а в этой мы пройдем путь от создания простейшей сети до построения сегментированной инфраструктуры с политиками безопасности. Вы освоите не только базу, но и понимать логику построения безопасных и масштабируемых сетевых решений. Ну и в конце мы должны получить вот такую схемку.

Трехмерные карбоновые, они же углепластиковые, ткани постепенно становятся одним из самых перспективных направлений развития современных материалов. Их структурное строение позволяет создавать изделия, способные выдерживать сверхвысокие механические нагрузки при меньшем весе и увеличенном сроке службы по сравнению с традиционными композитными углеродными материалами. На наших глазах технология выходит за пределы лабораторий и внедряется в производственные процессы. Рассказываем, как она развивается в России, на примере компании «Карбонтекс», пионера в области трехмерных композитных материалов и армированных преформ для последующего промышленного применения.

Как и в жизни, в проектах есть некоторые вещи, нарушение которых с высокой вероятностью приведет к проблемам в проекте, а некоторые последствия могут быть фатальными.
 
Мои рекомендации ниже – это техника безопасности по управлению проектом. Они написаны «кровью» проектов, которые закончились плохо, и основаны на моем опыте, опыте моих коллег и сотрудников.

Выбрать облако для стартапа — это как пройти минное поле с завязанными глазами. Хочется взять грант, чтобы сэкономить, но страшно: а вдруг отберут, если проект «неинновационный»? Или дадут миллион, но потратить его можно только на четверть? Я сам столкнулся с этой дилеммой, поэтому провел детальное расследование. Оказалось, что есть провайдер, который дает грант без ограничений на использование, другой — возвращает 30% всех расходов в течение года, а третий — выдает деньги моментально, но лишь на чашку кофе. Ломаю мифы и раскладываю по полочкам все грантовые программы российского облачного рынка.

Все говорят про embedding-модели в RAG: бенчмарки MTEB, размеры моделей, chunking-стратегии. Но никто не задаёт главный вопрос: а сколько вообще документов может найти single-vector retrieval?

Google DeepMind посчитали. Оказалось, что даже 4096-мерные эмбеддинги упираются в математический потолок — есть задачи, где они физически не смогут найти нужный документ из топ-2, даже если модель идеально обучена.

В статье разбирается исследование LIMIT, показаны примеры, где dense retrieval проваливается (а BM25 справляется), и объяснено, почему для production-систем нужен гибридный поиск, а не слепая вера в SOTA-эмбеддинги.

Культура непрерывного обучения в поддержке — это не «провести тренинг раз в квартал». Это встраивание постоянного развития в ежедневную работу так, чтобы всем казалось, что иначе и быть не может. В современных компаниях обучение перестаёт быть разовой акцией по необходимости и становится системой. Руководитель в этом процессе меняет роль: вместо «организатора тренингов» он становится «строителем среды», в которой знания постоянно рождаются, обновляются и применяются.

Продактов часто спрашивают:
«С чего начать дерево метрик?» и почти сразу —
«А можно ли строить бэклог без него?»

Формально — можно.
Практически — тогда бэклог быстро превращается в набор идей без системы.

Эта статья — о том, как дерево метрик связывает стратегию, эксперименты и ежедневные продуктовые решения, и почему без прокси-метрик эта связь не работает в реальном времени.

У вас есть продакшен-сервер. Он спокойно работает часами. А потом внезапно падает. Без предупреждения, без graceful-деградации. Просто мёртв.

Виновник? Одна строчка кода, которая выглядит совершенно безобидно...

Если оглянуться на последние пару лет, легко заметить: рынок компьютерного железа научился выживать в режиме постоянных встрясок — то майнинг, то пандемия, то еще что-нибудь. Но нынешний кризис оказался каким-то особенно упорным. Все началось с оперативной памяти: к концу 2025 года цены на обычные модули DDR5 в отдельных сегментах выросли в несколько раз и с тех пор продолжают ползти вверх. И это, похоже, не временный скачок. «Идеальный шторм» дефицита электронных компонентов не только не утих, но со временем стал лишь набирать силу. Давайте разберемся, в чем тут дело и есть ли шансы, что ситуация придет в норму.

Когда чиновники из испанской Генеральной дирекции дорожного движения придумывали обязательные "умные" маячки V16, они явно представляли себе будущее в духе умного города: водитель попал в аварию, нажал кнопку, и вся инфраструктура мгновенно узнала о проблеме. Дорожные табло предупреждают других участников движения, навигаторы прокладывают объезд, службы спасения уже в пути. Красиво, да? 

Вот только никто не учел, что первыми на место происшествия начнут приезжать не полицейские или дорожные службы, а предприимчивые ребята с эвакуаторами, украшенными липовыми логотипами страховых компаний. Под катом нас ожидает увлекательная поездка в мир, где обязательная IoT-безопасность превратилась в аналог меню для грабителей с доступом по API.

Привет, Хабр! Пока кто-то думает, что полеты к другим небесным телам слишком дороги, в Америке уже давно посчитали: они обойдутся не дороже МКС, от которой, соответственно, американцы хотят избавиться. Но если здесь с расчетами у США все хорошо, то вот место, куда они планируют высадить своих астронавтов через 2,5 года выбрано не очень продуманно. На самом деле оно находится в точке, прямо противоположной нужной.

Меня зовут Александр Березин, я научный журналист и автор команды спецпроектов МТС Web Services. Пока весь мир напряженно следит за земными планами американцев, я решил обратиться к куда более важной для будущего теме: их высадке в предположительно самой богатой ресурсами и научными данными части Луны. Ну или им так кажется — скоро читатели сами составят представление о том, насколько это верно.

Делимся практическим кейсом рефракторинга автотестов учетной системы: от линейных скриптов к архитектурному подходу, который ускорил написание тестов в три раза.

Технический долг в автотестах — это катастрофа, которая нарастает незаметно. Сначала «простые и быстрые» линейные скрипты кажутся хорошим решением, но с ростом продукта они превращаются в «спагетти-код», где любое изменение в интерфейсе вызывает часовую рутину правок. Мы прошли этот путь в проекте по разработке учетной системы и нашли выход через внедрение архитектурного паттерна Page Object Model (POM).

Состояние «до» с линейными автотестами

Когда мы только начинали работу над учетной системой для одного из наших заказчиков, то писали автотесты в простом линейном формате – они представляли собой цепочки команд, полностью отражающих сценарии пользователей. На старте это позволило нам оперативно покрыть продукт тестами и получать быстрый фидбек по продукту. В приоритете была скорость.