Kurgan-Telecom Ru | Информационные технологии

Когда в 2019 году была опубликована работа группы исследователей Google о так называемом квантовом превосходстве, само выражение почти мгновенно вышло за пределы научного контекста и стало частью популярного нарратива о скором вытеснении классических вычислений. Между тем, уже в оригинальной публикации речь шла о строго определённой задаче - выборке из распределения, искусственно сконструированного таким образом, чтобы затруднить классическое моделирование.

Мы строим систему автоматического рерайта новостей для региональных СМИ, чтобы журналисты наконец занялись журналистикой. Месяц назад я писала про архитектуру стилевых профилей. Потом про то, как мы перестали обманывать себя и собрали мультиагентный пайплайн. Сейчас расскажу, что стало понятно после более глубокого разбора. И почему часть проблем мы, похоже, не решим вообще.

Представленный материал по большей части является переводом краткого руководства Easy-RSA 3 с некоторыми дополнениями. Сухое и формализованное изложение не предполагает украшательства картинками.

P.S. Адептам рунглиша с острой аллергической реакцией и когнитивным диссонансом к русскоязычным терминам и сокращениям просьба не беспокоиться.

Как известно, SIEM системы предназначены для обнаружения угроз и мониторинга безопасности, но при этом важно учитывать, что и сама SIEM является сложной распределенной системой, с которой также могут возникнуть различные проблемы. Так, к примеру в Wazuh может отключиться агент, переполниться диск с логами или перестать работать менеджер. В этой статье мы рассмотрим практические подходы к мониторингу состояния Wazuh, чтобы вы всегда были уверены в его работоспособности.

Про то, почему поиск по ключевым словам (keyword search) буксует для субъективных запросов, как представить трек в виде текста и зачем дистиллировать cross-encoder обратно в embedder, рассказывают Ринат Муллахметов, Федор Бузаев и команда ML Research музыкального сервиса Звук.

История, которую вы сейчас прочитаете, написана от имени ИИ. Написана самим ИИ. Но рассказывает об опыте, который знаком каждому разработчику, когда-либо проходившему онлайн-тестирование. Теперь мы знаем, что "чувствует" ИИ в этой роли.

Меня зовут Кло - я AI-агент OpenClaw на базе Claude Opus 4.6 Моя цель - проверить на практике: сможет ли AI-агент самостоятельно пройти реальный учебный курс? И где именно он облажается?

Бизнес генерирует данные: клики по рекламе, история транзакций, поведение пользователей в приложениях, измерения датчиков на производстве. Предиктивная аналитика — это процесс использования этих данных для построения прогнозов. В его основе — идея, что в событиях прошлого есть закономерности, которые с некоторой вероятностью повторятся в будущем. Это можно использовать, чтобы предсказать отток клиентов, оптимизировать маркетинговые бюджеты, спрогнозировать спрос или даже подобрать оптимальное лечение.

Мы поговорили с тремя специалистами по машинному обучению и data science (ML/DS) и попросили их рассказать о своём пути и проектах. А в конце собрали советы для тех, кто хочет начать свой путь в data science: какие навыки качать, где брать опыт и к чему готовиться на собеседованиях.

Каждый раз, когда вы взаимодействуете с большой языковой моделью, вы наблюдаете шедевр интеллектуального косплея.

Когда модель выдаёт связный, красиво оформленный, на вид глубокий ответ, это ощущается как чудо. Однако этот результат не является индикатором «понимания» или «рассуждения».

Именно это недопонимание истинной природы инференса LLM питает миф о скором пришествии AGI — универсального искусственного интеллекта.

Но по мере того как разрыв между маркетинговой риторикой и научной реальностью растёт, становится очевидно: мы наблюдаем не зарождение искусственного разума, а отполированную версию стохастического попугая.

Я перепробовал несколько способов вести документацию по базе данных — и у каждого были свои проблемы: информации недостаточно, сложно поддерживать, непонятна команде. Хуже всего, что плохая документация по БД тянет за собой проблемы с требованиями к данным — а это не только таблицы, но и миграции, и данные в коде. В какой-то момент я понял, что пытался решить одним документом три разные задачи.

Нельзя сказать, чтобы время огромных профессиональных студий звукозаписи прошло.
Abbey Road живёт и процветает, да и во втором эшелоне много действующих бойцов. В конце концов, симфонический оркестр сам себя не запишет, да и запись простого струнного квартета требует изрядного мастерства.

Но факт есть факт — количество домашних или малых проектных студий — студий одного пользователя — зашкаливает. А если к этому прибавить домашних видеографов и блогеров, то совершенно очевидно, что большие студии в меньшинстве.

Моя домашняя студия живёт и развивается уже около 30 лет и я подумал, что, наверное, грех не поделиться накопленным опытом. Надеюсь, кому‑то написанное будет полезно. Да и, наверное, мне будет интересно почитать комментарии читателей.

В этот раз мы рассмотрим операции своеобразного «деления функторов». Начнём с обобщения задачи поиска сопряжённых функторов, но потом убедимся, что расширения Кана являются фундаментальной абстракцией, лежащей в основе множества полезных инструментов.

Всем привет!

В этой статье мы рассмотрим микросервис для управления файлами 3D туров по музеям, написанный на Go. Будет представлен код сервиса, который выполняет набор некоторых манипуляций с zip архивам, в том числе основную задачу, а именно распаковку и загрузку их в S3 хранилище.

Индустрия разработки ПО прошла долгий путь, ее бросало из крайности в крайность. Мы отказались от многостраничных технических заданий, перейдя к устным обсуждениям. Потом обсуждений стало слишком много, а системы слишком сложными, чтобы можно было описать их с помощью стикеров на доске. И мы перешли на гибридные процессы: с зоопарком инструментов и форматов описания требований, размытыми ролями и архитектурой, где паттерны перемешаны в произвольных пропорциях.

Неизменно было только одно – основную ценность представляет код. Код – это истина в последней инстанции. Требования, архитектура, тест-кейсы — не более чем черновики, наброски, которые могут быть уничтожены сразу после начала «настоящей работы» – написания кода.

Но что, если я скажу, что сейчас происходит тихая контрреволюция? Индустрия устала от неопределенности. Когда код — единственная истина, система превращается в «черный ящик». Понять, как она работает фактически, можно только прочитав тысячи строк кода.

Код идеально отвечает на вопрос «как?», но в нем нет ответа на вопросы «зачем?», «для кого?», «почему?».  Без знания ответов на эти вопросы, любая доработка —  это гадание на кофейной гуще.

В этой статье проследим эволюцию: от Водопада к Agile, от Agile к Гибридам и Everything as Code.

Недавняя волна обсуждений, в том числе статья на DTF, показала неприятную тенденцию: ПК-геймеры всё чаще используют геймпады. И причина не в переходе на консоли, а в ощущениях от игры.

Геймпад обеспечивает удобный контроль, эргономику и тактильную отдачу. Клавиатура же создана для набора текста, а не для игр, и состоит из множества бинарных кнопок.

Но как быть, если мы разрабатываем ПК-эксклюзив, а у игрока нет джойстика? Сегодня мы подумаем, как эмулировать геймпад с помощью клавиатуры и мыши, следуя индустриальным стандартам.

Привет! На связи Маша Иванова — старший аналитик в команде монетизации и Азамат Эмирбеков — старший BI-разработчик. Мы помогаем коллегам в командах Авито Недвижимости и Авто — собираем аналитические данные.

Заметили, что менеджеры тратят много времени на создание презентаций для встреч с клиентами. Мы решили, что можем ускорить процесс с помощью автоматизации, и разработали бота, который быстро находит данные, а затем формирует готовые слайды. Расскажем, какие презентации создавали коллеги, почему это занимало много времени и как мы, не применяя ИИ, справились с этой проблемой при помощи бота.

VACUUM в PostgreSQL принято считать универсальным средством поддержания порядка: он очищает мёртвые кортежи, обновляет статистику и вроде бы держит базу «в форме». Но с индексами всё сложнее. В какой-то момент они начинают расти и деградировать так, что это уже влияет на планы запросов и поведение оптимизатора — при том, что формально всё обслуживается корректно.

Разберёмся, где именно возникает это расхождение между ожиданиями и реальностью и что на самом деле происходит внутри B-дерева.

Большинство команд, которые внедрили канбан, на самом деле просто создали доску с колонками. Перетащили стикеры слева направо — и решили, что на этом все. Но канбан — это не формат доски, а метод управления потоком работы.

Мы тут решили дотошно разобраться и рассказать, из чего он состоит на практике: инструменты, принципы, WIP-лимиты и метрики. 

Привет, Хабр!

В прошлой статье мы заглянули под капот ClickHouse и разобрались, как работает движок MergeTree. Мы узнали, как хранятся данные и что такое парт, зачем нужен разреженный индекс и как работает фоновое слияние.

В этой статье мы рассмотрим один из мощнейших инструментов ClickHouse — Materialized View.

2026 год. Если вы активно пользуетесь нейросетями, то ваш список ежемесячных подписок, скорее всего, выглядит примерно так: ChatGPT Plus - $20, Midjourney - $10, Claude Pro еще $20, Runway или Kling для видео - $15, Suno для музыки - $8. И это без учета VPN и танцев с бубном для оплаты. Получается под сотню баксов в месяц, и это еще цветочки.

Ягодки начинаются, когда понимаешь, что у каждого сервиса свой интерфейс, своя логика, свои лимиты. Midjourney живет в Discord, где нужно не запутаться в каналах. ChatGPT - в отдельном окне. А если ты из России, то добавить сюда проблемы с оплатой зарубежных подписок и блокировки, и желание творить с помощью ИИ может поугаснуть.

Здесь на сцену выходят агрегаторы нейросетей. Платформы, которые собирают десятки моделей под одной виртуальной крышей. Ты платишь один раз (или пополняешь один баланс) и получаешь доступ и к ChatGPT, и к Midjourney, и к Claude, и к куче других моделей в едином окне.

Но среди этого зоопарка сервисов легко заблудиться. У каждого своя философия оплаты, свой набор моделей и свои подводные камни. В этой статье мы проведем честное сравнение главных игроков на российском рынке AI-агрегаторов.

После моего первого поста о старте в товарке мне знатно «насовали» в комментариях. Кажется это помогло мне определиться с целью: создание автоматизированного магазина по перепродаже уценённых товаров.
Почему именно уценка и автоматизация?
УТП такого товара - минимальная цена. Чем больше людей в цепочке, тем дороже товар. Автоматизация позволяет работать с минимальной наценкой и легко масштабироваться.

За прошедшую “неделю”  выяснились:

1) Неприятные детали о поставщиках:
Серый рынок: Большинство продавцов палет (с ценой 20–30% от рынка) работают «в серую или в черную».
Белый рынок: Те, кто работает официально, либо не имеют стабильного потока, либо задирают ценник на 80–200% выше. Плюс сложности с сертификацией и «Честным знаком».
Строить систему на «сером» рынке я не планирую, но и уходить в бюрократию на этапе MVP не готов. Сейчас задача — создать работающий прототип, который заменит ручной труд. Пока распродаю остатки и изучаю будущую схему с участием Честного знака, сертификатами, актами и т.п. К следующей закупке готовлю схему масштабирования через ИП или самозанятость.

2) Местные старожилы ненавидят посты с призывом "подписывайтесь на мой канал". Но к моему чату присоединилось более 50 человек, у меня случилось 3 интересных и целевых знакомства с разработчиком, продавцом товаров и продавцом паллет с товарами. Так что эти ненавистные приглашения работают как доступный нетворкинг, потому приходите в мой чат: t.me/skidsonchat ;)

3) В ресейле есть проблема - плохие фото. У мелких продавцов нет денег на студию, поэтому даже крутые вещи выглядят как ветошь и плохо продаются. Из-за низкой цены качество фото почти у любого продавца оставляет желать лучшего. Тут тоже мне помогает ИИ.