Kurgan-Telecom Ru | Информационные технологии

Как мы сделали лёгкий игровой тест по мотивам соционики. Задача — дать короткую, но содержательную обратную связь о вероятной командной роли (мыслитель, душа компании, хранитель или лидер) и предложить, как применить свои сильные стороны в работе и учёбе. Это не «ярлык», а удобный язык для разговора о взаимодействии: разнообразие ролей помогает точнее проверять гипотезы и принимать более устойчивые решения.

Сегодня мы с вами на практике разберем что такое динамические матрицы в Github Actions и как с их помощью экономить время и ресурсы на практике.

Я подготовил монорепозиторий с несколькими микросервисами url-shortener-demo с очень коротким флоу: feature_branch(через PR) →  main. Как понятно из названия это проект позволяющий генерировать короткие ссылки.

Небольшой гайд для продуктовых команд, руководителей и всех, кто принимает решения об опыте пользователей и клиентов.

Тема моего сегодняшнего повествования выбивается из привычной канвы. Но рассказать об этом считаю очень важным, так как информация имеет общественное значение и может кому-нибудь облегчить жизнь.

Решиться говорить на психологические темы не так просто, потому что многие относятся к ним с обоснованным недоверием. Под камуфляжем «психологии» действуют всевозможные шарлатаны, фрики, а то и вовсе сектанты. А количество бреда, которым они инфильтрировали интернет, сложно переоценить. Я постараюсь построить свой рассказ конкретно, понятно, не перегружая терминологией.

Все рекомендации, которые я дам, не будут содержать призывы принимать медикаментозные средства и вряд ли способны кому-то навредить. Моя основная цель — просветительская.

Динамические списки использование в разработке редактирования документов выпуска продукции в ERP (часть2)

На связи Андрей Рыжик, руководитель отдела BI-разработки компании «Белый код». Мой опыт показывает, что данные о поведении клиентов — кладезь инсайтов для бизнеса. Особенно это касается программ лояльности: без аналитики трудно понять, как гости пользуются вашими услугами, кто возвращается, а кто уходит навсегда. Сегодня расскажу, как всего за месяц мы разработали аналитическое приложение в Qlik Sense для крупного курорта (аквапарк + СПА, отель, рестораны) и какие возможности это открыло бизнесу.

ИИ легко справляется с генерацией текстов и даже пишет код, но вот в поиске настоящих научных формул всё ещё часто полагается на человека. Почему современные языковые модели, казалось бы, такие умные, пока не могут заменить настойчивого исследователя?

Новое исследование находит неожиданный выход: если дать модели возможность не просто подсказывать, а действовать — анализировать данные, строить гипотезы, запускать код, сравнивать свои же находки шаг за шагом — она начинает разгадывать научные зависимости самостоятельно. Вплоть до того, что качество её выводов уже сопоставимо с ручной работой, а иногда — даже выше.

Как такое вообще возможно? За счёт чего одна и та же ИИ-модель вдруг превращается из помощника-программиста в настоящего научного исследователя — и насколько это меняет наше представление о будущем науки? Смотрим, как SR-Scientist учит ИИ думать на несколько ходов вперёд и находить настоящие законы природы среди реальных данных.

Все разработчики знают о теге <input>, это рабочая лошадка веба.

Но что такое <output>? Большинство его никогда не касались. Кто-то даже не подозревает о его существовании.

И очень жаль, ведь этот тег решает проблему, которую мы годами пытались решить связкой <div> и ARIA: динамические результаты, по умолчанию объявляемые программам для чтения экрана.

Этот тег уже много лет находится в спецификации, но почему-то скрывается у всех на виду.

Привет, меня зовут Юля Карпова, я дизайнер в ОТП Бизнес, занимаюсь разработкой интерфейса для Daily Banking.

Недавно наша команда обновила раздел истории операций. Я хочу рассказать о процессе исследования и редизайна раздела. В первую очередь, статья может заинтересовать дизайнеров, UX-исследователей, продакт-менеджеров и других участников профессионального сообщества. Также, клиентов финтеха: малый, средний и корпоративный бизнес. Ваши комментарии «из первых рук» особенно интересны.

Сегодня утром Anthropic представили Claude Skills — новый подход к расширению возможностей своих моделей. Идея настолько проста, что гениальна, и, возможно, это куда более значимый шаг, чем нашумевшие в свое время кастомные GPT.

Привет, меня зовут Анастасия. В MWS я ведущий инженер в ИТ-кластере «Бизнес-платформы». А еще у меня есть хобби, которым я занимаюсь вот уже семь лет, и это — вязание крючком. Шок-контент, но это, казалось бы, «бабушкино» занятие во многом похоже на тестирование и разработку в целом. Сегодня я решила рассказать, в чем именно сходство и как любовь к вязанию помогает мне лучше делать свою работу.

Практически каждый предприниматель сталкивается с ситуацией: он и его команда — настоящие эксперты, они создают качественный продукт, вкладывают душу и время в дело, но клиенты не приходят. Причина не в том, что товар хуже, чем у конкурентов. Просто бренд неизвестен, клиенты ничего не знают о компании.

Люди по привычке выбирают те товары, которые видят каждый день. И главный вызов для предпринимателя — не только донести ценность продукта, но и построить доверие с нуля с помощью грамотной рекламной кампании. Эксперты click.ru разбирают, как и где запускать рекламу для ноунейм-бренда.

В начале года, когда об AI не говорил только ленивый, я написал статью о том, как на самом деле LLM меняют рынок труда и меняют ли они его вообще. Спустя полгода многое изменилось. Из хороших новостей: чёрный лебедь не случился, рабочие места сохранились, AI-агенты не привели к массовой безработице. 

Однако изменения произошли. И если в начале года они были незначительными, то теперь AI-эффект стал ощутимее. И неоднозначнее. 

AI одновременно трансформирует бизнес-процессы, становится базой для автоматизации и меняет спрос на навыки, создавая турбулентность на рынке.

В этой статье, опираясь на источники, исследования и собственный опыт, я расскажу о том, как на самом деле AI поменял рынок труда, при чём здесь политика и что вообще будет дальше.

При работе с большими объемами данных каждый разработчик сталкивается с фундаментальным ограничением — объемом оперативной памяти. Наивный подход, заключающийся в загрузке всего набора данных в одну структуру, например, список, быстро приводит к исчерпанию ресурсов и значительному падению производительности. Единственное верное решение в такой ситуации — обрабатывать информацию по частям, избегая переполнения памяти.

Сегодня важный день. Возможно, вы только что выпустили на рынок новый продукт или услугу. Возможно, сегодня были опубликованы результаты опроса клиентов. Десятки тысяч комментариев, вопросов, отзывов, заявок в службу поддержки или каких-то еще текстовых документов заполонили вашу систему, и вашей команде необходимо всё это как можно скорее осмыслить и выявить ключевые паттерны и тренды, чтобы успеть эффективно использовать окно возможностей для принятия верных бизнес-решений. Но для этого кто-то должен структурировать полученный массив документов и перевести его в поддающуюся осмыслению форму. Эта задача решается путем выявления иерархической системы категорий, называемой таксономией, которая помогает структурировать основные темы, встреченные в массиве документов.

Используя традиционные методы, команде из нескольких аналитиков может потребоваться 3–4 недели на таксономизацию данных. За это время выявленные проблемы уже перезреют, возможности будут упущены, а критически важное окно для быстрого реагирования закроется. Конечно, вы можете использовать ранее заготовленную таксономию, но она будет охватывать только те категории, которые вы смогли предвидеть заранее.

Основанная на применении искусственного интеллекта (ИИ) технология Таксономия «Точно в Срок» (ТВС-таксономия) решает эту проблему. Вместо того, чтобы тратить недели на ручное создание категорий или пытаться рассортировать новые данные по заранее выбранным категориям, вам будет достаточно нажать кнопку «Старт», и пара ИИ-агентов проанализирует ваши данные и создаст новую пользовательскую таксономию менее чем за час. ТВС-таксономия, созданная на основе семантического анализа ваших данных прямо в день их получения, позволяет оперативно выявить все важные темы (категории), в том числе ранее неизвестные, и провести классификацию документов по этим категориям.

«Праздник к нам приходит, праздник к нам приходит, праздник к нам приходит всегда с Coca-Cola…»

Спорим, вы пропели? Такие креативы врезаются в память на десятилетия, но вот парадокс: сколько из нас могут назвать конкретный эффект от той самой новогодней кампании?

Как правило, такие креативы стоят дорого, а их показ на многомиллионную аудиторию — еще дороже. Маркетологи спорят, работает ли брендовая реклама, но главный вопрос не в этом. Как измерить ее эффект, если рекламная стратегия с множеством каналов и форматов стала слишком сложной для точного измерения эффекта? Об этом — в статье.

Привет! Меня зовут Михаил Барских, я руковожу отделом верификации в YADRO. В этом посте я поделюсь нашим опытом верификации и рассмотрю организацию этой работы на разных уровнях. Останавливаться на всех технических подробностях не планирую, но постараюсь осветить все важные моменты, чтобы по итогам поста у вас сложилась цельная картина.

Привет! На связи Андрей Иванов, старший системный администратор по облачным продуктам. Очень часто к нам обращаются клиенты по вопросам автоматизации работы с инфраструктурой. Лучший подход для подобных задач — IaC (Infrastructure as Code), когда весь комплекс элементов и их взаимодействие описывается с помощью кода, вместо настройки вручную. 

Самый известный инструмент для этого — Terraform от компании HashiCorp, который стал отраслевым стандартом для воплощения IaC в жизнь. Сегодня рассмотрим принципы работы с ним, а в качестве примера создадим кластер Managed Kubernetes версии 1.33.5.

Мы всё чаще делегируем ИИ-ассистентам рабочую рутину и бытовые вопросы. Но во взаимодействии с ними есть существенная проблема: модели не помнят пользователя. Между сессиями теряются имя, контекст работы, желаемые ограничения и предпочтения, значительно влияющие на то, что и как стоит ответить пользователю. В итоге диалог каждый раз начинается «с нуля», а ответы звучат усреднённо. Это снижает эффективность и подрывает доверие: когда ассистент не помнит важное о вас, он превращается в поисковик с красивыми фразами.

Мы в команде RnD для B2C SberAI хотим это исправить. Представляем вашему вниманию задачу GigaMemory: global memory for LLM. Мы предлагаем участникам построить долгосрочную персональную память для языковой модели — систему, которая хранит, обновляет и надёжно извлекает знания о конкретном пользователе. Привычки, предпочтения, ограничения и прочие факты о пользователе, которые могут пригодиться в дальнейшем общении.

Цель — научить ИИ отвечать не «в среднем по больнице», а исходя из вашего реального контекста: от прошлых задач на работе до семейных дат и спортивных планов.

Привет, Хабр! Я вещаю от лица команды разработки ии-ассистента для поиска работы и это моя 4 статья здесь.

Сегодня я хочу осветить более важную тему, которая касается рынка найма в IT - трудоустройство джунов. 

Мы провели анализ и выявили 3 основных проблемы, которые, как нам кажется, мешают найти работу Джунам.

И решили их с помощью ии..