Kurgan-Telecom Ru | Информационные технологии

О том, как одна базовая задумка – сделать разработку управляемой, пережила эпоху тяжелых каскадных проектов, DevOps, CI/CD, и подошла к 2026 году уже в совсем зрелом виде.

Target encoding кажется удобным способом «сжать» категориальные признаки и добавить модели сигнал, но вместе с этим он легко приводит к утечке таргета и завышенным метрикам, которые не переживают прод. В статье разбирается, где именно возникает leakage, почему наивная реализация ломает модель и как правильно считать признаки через LOO и K-Fold, чтобы получать честный результат, а не иллюзию качества.

Есть мнение: раз ты рекрутер, то знаешь рынок изнутри, понимаешь, как устроены собеседования, и по вакансиям сразу видишь, чего хочет работодатель. Это не так

Пишет Катя, ИТ-рекрутер Outlines Tech. Я в найме с 2013 года, но когда сама выходила на рынок, то сталкивалась с тем же, что и многие: ожиданиями, сомнениями, непонятными отказами со стороны компаний и ситуациями, которые трудно объяснить логикой. Хочу поделиться несколькими такими историями из моего опыта и что я из этого почерпнула.

Когда в медиа появилась новость, что выращенный в лаборатории мозговой органоид научили решать задачу управления, многие увидели в этом очередную научную сенсацию из серии «человечество создало живой компьютер». Другие, наоборот, отмахнулись: мол, это красивый эксперимент, который не имеет отношения к реальной индустрии и никогда не выйдет за пределы научной статьи. Обе реакции понятны, но обе упускают главное.

Ценность подобных работ в другом: они показывают, что на стыке вычислительной техники, нейронауки и биоинженерии постепенно формируется новое поле, в котором вычисление перестает быть исключительно задачей кремниевой электроники в ее привычном виде. Еще недавно разговор о нейроморфных системах воспринимался как смесь академической романтики и идеологического футуризма. Но теперь у этого разговора появляются собственные артефакты — метрики, архитектуры, платформы, ранние продукты и, что особенно важно, инженерные ограничения, которые уже можно обсуждать всерьез.

Поговорим о том, что такое нейроморфные вычисления, почему ими занимаются не только нейробиологи, но и крупнейшие технологические компании, почему между лабораторным прототипом и настоящим рынком лежит огромная дистанция и как, несмотря на разрыв, за развитием этой сферы уже стоит следить почти так же внимательно, как когда-то за первыми GPU-ускорителями, квантовыми компьютерами или edge AI.

Всем привет! Я Ольга Матушевич, преподаватель курса «Нейросети для бизнеса», а в прошлом наставница на курсе «Аналитик данных». В этой статье я постараюсь дать рецепт хорошего промпта на все случаи жизни. Если вы пользуетесь популярными нейросетями вроде ChatGPT или Gemini, но при этом получаете стабильно разочаровывающие результаты — читайте дальше. 

Есть удобное объяснение: человек не делает важное, потому что ленив. Оно красивое, моральное и полностью неверное.

За последние двадцать лет психология прокрастинации собрала достаточно данных, чтобы предложить другую версию. Она сложнее, но объясняет гораздо больше: почему прокрастинируют именно умные, почему фаундеры-технари прячутся в коде вместо продаж, почему взрослый человек с IQ 140 не может сесть и написать одно письмо клиенту — и при этом проводит час, выбирая идеальный шрифт для презентации, которую никто не увидит.

Эта статья — попытка разложить всё это на механизмы. С цифрами, именами и ссылками на исследования. И с разбором того, что из этого реально работает — потому что индустрия «продуктивности» продала миру слишком много матриц Эйзенхауэра и слишком мало правды.

Привет, Хабр! Расскажу, как мы спасли крупный новостной сайт ugra-news.ru от постоянных падений — без покупки нового железа и переписывания с нуля. Только точечные оптимизации, знание архитектуры Битрикс и немного детективной работы. Приступим.

Когда мы говорим о будущем российской нефти, в голове обычно возникает стандартный набор образов: ледоколы, буровые платформы в Арктике, сверхглубокие скважины и бесконечная геологоразведка в поисках новых месторождений. Мы привыкли думать, что нефть нужно искать там, где нас еще нет.

Но что, если главная нефтяная провинция будущего находится прямо у нас под ногами — на тех самых месторождениях, которые мы считаем «выработанными»? Что, если «вторая Западная Сибирь» — это не новая география, а новый способ смотреть на старые промыслы?

В этой статье мы разберем, почему при текущих технологиях мы оставляем в земле до 70% нефти, как советский геолог Иван Нестеров еще десятилетия назад предложил элегантное решение этой проблемы, и почему сегодня, глядя на свежие публикации китайских ученых в журнале Physics of Fluids, мы рискуем упустить шанс стать лидерами новой технологической волны — волны, которую сами же и начали.

Представьте, что вы создаёте мощное поисковое приложение. Пользователи вводят ключевые слова, а ваш бэкенд должен выполнять запрос к базе данных Manticore Search, чтобы найти подходящие результаты. Распространённый (и соблазнительный!) подход — напрямую вставлять ввод пользователя в SQL‑запросы. Например, вы можете фильтровать по числовому полю, такому как категория или идентификатор записи. Если пользователь передаёт обычное значение, например 5, запрос будет SELECT FROM products WHERE id=5. А что, если он передаст 1 OR 1=1? Запрос станет SELECT FROM products WHERE id=1 OR 1=1 — условие всегда истинно, поэтому запрос вернёт все строки вместо одной. Это SQL‑инъекция.

К счастью, существует более безопасный и эффективный способ: prepared statements. По сути, prepared statements отделяют ваш SQL‑код от передаваемых данных. Вместо того чтобы каждый раз собирать всю строку запроса, вы один раз задаёте структуру запроса с маркерами параметров, а затем отдельно передаёте поисковые термины. Подробнее о концепции можно узнать на Wikipedia .

Manticore Search поддерживает prepared statements через стандартный протокол MySQL, предоставляя мощный инструмент для создания безопасных поисковых приложений. Используя prepared statements, вы не только значительно снизите риск SQL‑инъекций, но и улучшите читаемость вашего кода.

prepared statements — это не просто функция; иногда они являются обязательными. Например, библиотека Rust sqlx работает с MySQL-эндпоинтом, используя исключительно prepared statements. Кроме того, некоторые OLE DB‑коннекторы, позволяющие MS SQL работать с сервером MySQL, тоже используют prepared statements внутри.

Привет! Мы — команда hh.ru: Андрей Панкратов, исследователь пользовательского опыта, Регина Насибулина и Лиза Спицына, специалисты по рекруту респондентов. Мы на регулярной основе проводим интервью с пользователями, чтобы лучше понимать их опыт и быть на связи с соискателями и работодателями. Важный момент: в этих беседах мы ищем не новых сотрудников в компанию, а именно тех людей, которые готовы поделиться опытом использования нашего сервиса.

Рекрут респондентов в hh.ru ведётся двумя способами: через опросы на сервисе и с помощью целевого обзвона аудитории. По итогам 2025 года из 10 согласившихся поучаствовать до интервью доходят только 7.  Остальные отказываются прямо перед встречей или просто перестают выходить на связь. Мы проанализировали причины отказов участвовать, чтобы найти точки роста и повысить мотивацию пользователей.

Приветствую всех читателей Habr. Время от времени я выкладываю в открытый доступ некоторые свои проекты по электронике. Сегодня я хочу представить устройство, которое делал с особым удовольствием - EFEKTA Open PM Monitor.

Это Zigbee-датчик мониторинга твердых частиц (PM1.0, PM2.5, PM10). В версии 2.0 в проект добавился сенсор ENS160 для измерения TVOC, eCO2 и AQI, а также небольшой дублирующий OLED-дисплей 128×64.

Но главная его «фишка» - аналоговый стрелочный индикатор.

Хабр, привет! Меня зовут Дмитрий. Я более 17 лет пишу на .NET, а последние 3 года работаю старшим разработчиком серверной логики. В компании более 100 .NET-разработчиков и множество команд.

На прошлом месте работы я был негласным техлидом, и код-ревью входило в мои обязанности. Здесь, в своей текущей команде, нас всего два бэкенд-разработчика, и мне стало не хватать этой практики. Чтобы не потерять этот навык и продолжать следить за кодом, я пошёл на эксперимент: начал делать код-ревью в двух соседних командах.

В этой статье поделюсь первыми ощущениями от кросс-тим ревью, и расскажу, зачем оно нужно, и как эта практика стала общей для всей компании.

Кто мог предвидеть, что главным коммерческим применением космоса станут вычисления? Я прочёл немало научной фантастики, но такого сюжета не встречал. Сегодня сразу несколько серьёзных компаний планируют вывести десятки тысяч спутников на солнечно-синхронные орбиты — эти аппараты станут орбитальными дата-центрами.

Может ли ИИ чему-то научиться, читая промпт? Вот один из примеров того, что сегодня требуется воспринимать ан-масс на почти бытовом уровне.

Мы хорошо знаем, что когда ИИ-модель отвечает, она в этот момент не учится, её веса заморожены. Обучение - это отдельная операция, связанная с обратным пересчётом десятков и сотен миллиардов весов, которая потребовала бы непропорционально много ресурсов.

Давеча пытал ИИ на тему эффективных стратегий промптинга, т.е., стратегий объяснения ему, чего я от него хочу. Когда задача выходит за рамки "расскажи про ...." и подходит хотя бы к "дай прогноз погоды на завтра", дело обрастает толпой условностей: что сначала, поиск, или идти на известный сайт? а надо ли идти на сайт, если прогноз есть прямо в поиске? При этом, рекомендации должны быть достаточно общими, чтобы и прогноз погоды, и пианино на Авито обрабатывались единообразно, и, одновременно, достаточно конкретным, чтобы учесть все общие нюансы.

Конечно, в какой-нибудь Claude Opus можно засунуть портянку инструкций, не отличимых от полного бреда, размером с небольшой роман (нынче это принято называть "навык"), и он сориентируется. Подозреваю, на деле он просто проигнорит всё, кроме заголовков, потому что как чего делать он и сам знает. Но мы используем более компактные модели и нам приходится включать голову.

И вот ИИ подкинул мне интересную концепцию, говорит: "заведи в промпте аббревиатуры для моделей поведения и ссылайся на них". И дал красивый пример.
Я ему: "постой-ка, научи, как ты это делаешь".
Он мне: "ну, вот ты их должен объявить в начале промпта, использовать в однотипных ситуациях, выделять рюшечками и давать по ним обратную связь - он, мол, тогда учится".

Закинул 30 PDF в папку — получил HTML-отчёт с ответами на вопросы и цитатами, привязанными к конкретному месту на странице документа. Research-docs — Claude Code скилл от LlamaIndex на базе парсера LiteParse. Разбираю как работает, какие форматы поддерживает, сколько стоит и где подвох с «никаких галлюцинаций».

Привет, Хабр!

В своих предыдущих статьях (раз, два, три) я рассказывал о зарождении идеи и первых шагах разработки Telegram-бота для управления серверами. То, что начиналось как простенький Python-скрипт для проверки uptime и перезагрузки парочки личных VPS, за последние месяцы обросло «мясом» и превратилось во взрослую экосистему с паттерном Agent-Server, своим WebUI, WAF и PWA.

Сегодня я хочу поделиться опытом, который я получил в процессе масштабного рефакторинга (от версии 1.13.0 до актуальной 1.21.x), рассказать о граблях, на которые я наступил при работе с памятью и сетью, и сравнить свой продукт с тем, что уже есть на рынке.

Сразу оговорюсь: хоть я и числюсь единственным разработчиком, проект создается не в вакууме. Во-первых, для ускорения развития продукта я активно использую инструменты ИИ. Сейчас это модно называть «вайбкодингом» (vibe-coding), но в моем случае это осознанный вайбкодинг. Я не перекладываю на нейросети проект целиком, а использую их для автоматизации рутины, сохраняя при этом полное понимание каждой строчки кода, его структуры и заложенной архитектуры. Во-вторых, у меня есть боевой товарищ — друг-тестировщик, который использует панель для своих повседневных задач, нещадно ломает новые фичи на проде, репортит баги и вносит огромный вклад в развитие. Именно благодаря такой живой обкатке инструмент получается действительно юзабельным. И, забегая вперед, вы тоже можете присоединиться к этому процессу!

Хабр переполнен статьями о VPN и протоколах шифрования. Но корень проблемы — не технический. Я проследил путь от первых блокировок Википедии до 70-миллиардных бюджетов РКН и попытался ответить на вопрос, который почему-то редко задают вслух: почему мы сами оплачиваем собственные ограничения — и соглашаемся с этим?

Открыл MR на ревью. 847 строк. Тесты зелёные. Линтер чистый. Не понимаю ни одной строчки. GitClear проанализировали 211 миллионов строк - и нашли проблему, которую не видно ни в каких метриках.

Строительная отрасль характеризуется высокой сложностью проектов, значительными инвестициями и множеством участвующих сторон. Разногласия между заказчиками, подрядчиками, субподрядчиками и поставщиками закономерно приводят к судебным разбирательствам. Изучение и анализ судебной практики в этой сфере является необходимым условием для минимизации рисков, корректного составления договоров и эффективной защиты прав в суде.

В настоящем материале проведён системный анализ ключевых аспектов судебной практики по строительным спорам с опорой на актуальные прецеденты и разъяснения высших судов. Рассмотрены основные категории споров: разногласия по договорам, взыскание задолженности и авансов, неустойка и убытки, применение норм о неосновательном обогащении.

Споры по договорам подряда

Договор строительного подряда регулируется главой 37 Гражданского кодекса РФ. Судебная практика неизменно акцентирует внимание на необходимости четкого определения предмета договора, сроков выполнения работ и их цены.

Особенности рассмотрения различных видов договоров

Споры по договорам поставки строительных материалов часто связаны с качеством продукции, сроками поставки и оплатой. Судебная практика требует предоставления доказательств ненадлежащего качества (экспертное заключение) и нарушения условий поставки (акты, претензии).

Взыскание задолженности

Основанием для взыскания задолженности является неисполнение или ненадлежащее исполнение заказчиком обязательств по оплате выполненных работ (статья 746 ГК РФ).

Доказательства, необходимые для подтверждения задолженности:

MySQL — это система управления базами данных с открытым исходным кодом, работающая на Windows, Linux и macOS. Ошибка «Command Not Found» возникает в тех случаях, когда система не может запустить службу MySQL, поскольку не находит исполняемый файл.

В этой статье мы разберем, как исправить эту ошибку в популярных операционных системах.