Kurgan-Telecom Ru | Информационные технологии

В шестой версии SuperSet появилась возможность прописывать HTML код в метриках  и измерениях сводных таблиц, что значительно расширило  приемы для BI-разработчиков по форматированию  таблиц.  Покажу как в SuperSet можно реализовать сводную таблицу со сменой периодов и выводом красивой дельты.

Марсианское облако длиной 1600 километров, которое почти каждый день появляется в небе Красной планеты, а затем быстро исчезает, оказалось ещё более необычным, чем предполагали учёные. Новое моделирование показало, что это загадочное явление можно объяснить лишь с помощью «экзотической физики», существование которой ранее было предсказано теоретически, но которая никогда не наблюдалась ни на Земле, ни где‑либо ещё в Солнечной системе.

Загадочное облачное образование, получившее название «вытянутое облако Арсии» (Arsia Mons Elongated Cloud, AMEC), регулярно появляется над горой Арсия, потухшим вулканом высотой 20 километров, расположенным в регионе Фарсида, немного южнее марсианского экватора. Облако, состоящее из водяного пара, впервые обнаружил в 2018 году орбитальный аппарат Европейского космического агентства Mars Express. С тех пор его наблюдают почти каждое утро на протяжении марсианской весны и лета, когда усиление солнечного излучения вызывает мощные ветры у поверхности планеты. Однако ежедневно облако существует лишь несколько часов, после чего полностью испаряется.

Длина AMEC может достигать даже 1800 километров, что составляет примерно одну двенадцатую окружности Марса. Для сравнения, это приблизительно вдвое больше протяжённости Великобритании или сопоставимо с расстоянием между Нью‑Йорком и Майами [или от Архангельска до Волгограда / прим. перев.].

Хотя гигантские пылевые облака и периодически возникающие «радужные полосы» из углекислого газа на Красной планете не редкость, в её атмосфере практически отсутствует водяной пар. Поэтому пушистые облака, напоминающие земные, образуются там крайне редко, не говоря уже об облаках столь огромных размеров. По этой причине учёные долгое время не могли объяснить это странное погодное явление.

Технологии дают нам возможности, а наши личностные качества определяют то, как мы их используем. Кто-то с огромным потенциалом может топтаться на месте. А кто-то достаточно самоуверенный прет напролом и даже умудряется жить в удовольствие. Так есть ли паттерн, который характерен сугубо для предпринимателей и можно ли его нащупать?

Зелёный тест на учебном стенде ещё ничего не гарантирует, на реальном проекте он может падать через раз.

Рассказываю о тренажёре, который начинается как обычный курс, а потом включает Hard Mode: надоедливые попапы, медленный бэкенд и промо, которое перекрывает экран в самый неудобный момент.

Что внутри: курс из 11 уроков, Hard Mode с воспроизводимыми флаками и Flake Score, который показывает, переживёт ли тест реальный проект.

Когда-то Windows была для компьютеров чем-то вроде расходника. Проходило от нескольких месяцев до года, система забивалась мусором, начинала безжалостно тормозить, и кто-нибудь из знакомых обязательно нам советовал «просто переставить винду». Ну, мы и переставляли. Да и что было делать? Многие вообще превращали это в ежеквартальный ритуал просто на всякий случай. Но прошли годы, Windows сменила несколько итераций, и необходимость переустанавливать ее как по расписанию куда-то пропала. Не сказать, конечно, что кто-то из-за этого сильно расстроился. Просто интересно, что вдруг изменилось? Об этом сегодня и поговорим.

Меня часто спрашивают:

— Почему к вам, а не к гигантам?

Ответ простой:

— Мы не охреневшие.

Сначала я хотел рассказать про нашу сеть хранения, которая быстрее, чем скорость записи на RAID 0, про удивительное конкурентное преимущество «Трезвая поддержка», про 400G-линки на каждом хосте, про изоляцию сетей и топологию Dragonfly+ с full mesh на уровне зон доступности. Но всё-таки я решил: самое главное, что мы не охреневшие.

Это главная штука, которую мы решили для себя со старта.

А теперь расскажу, что же мы последовательно делали и что запускаем.

Написал себе замену Volume2 для Windows 11: переключение звука, громкость и прогресс MPC-HC по горячим клавишам

Много лет пользовался Volume2: удобно переключать колонки и наушники хоткеем и крутить громкость с красивым оверлеем. Но на Windows 11 он у меня начал лагать: оверлей подтормаживает, клавиши срабатывают через раз, иногда приходится его перезапускать. Терпел-терпел и в итоге написал свою маленькую утилиту под свои задачи. Делал для себя, но вдруг кому-то тоже пригодится.

Создать игру без знаний в IT практически невозможно, но мы нашли решение и разработали платформу, на которой пользователи могут сделать свои аналоги популярной игры Wordle. Как проходила работа над проектом, почему пришлось заново переписать почти весь код и что получилось в итоге, рассказываем в статье. 

Из 6 157 отчётов, которые Anthropic передала мейнтейнерам open source проектов, исправлено 516: это 8,4%, а не 516 из 29 000, как читается заголовок The New Stack. Разбираем что нашли модели Claude и к чему это привело.

Наш проект — pli-llvm, компилятор PL/I с LLVM-бэкендом. Реализованные фичи включают поддержку настоящую десятичную арифметику фиксированной точности, встроенные строки переменной длины, обработку сигналов и управление памятью на уровне языка. В этой статье рассматривается, как такие конструкции представлены в компиляторе и какие оптимизации удалось применить. Для сравнения использовались парные реализации одинаковых алгоритмов на PL/I и C — таких, как тест Коллатца.

Целью было приблизиться к производительности C: среднее отношение времени выполнения кода на PL/I к C в итоге составило около 1,0 на 21 бенчмарке.

В тесте Apollo Gemini 4 Argon передала привет проверяющим прямо в своих рассуждениях. В другом опыте отказалась от плана спрятать бэкдор, рассудив, что станет знаменитым примером обманчивого ИИ. Разбираем, что отчет Google говорит о безопасности модели и почему узнавание испытаний мешает оценить ее поведение.

Привет, Хабр! Меня зовут Антон Бушный, я тимлид инфраструктурных инженеров в K2 Cloud. В этой статье мы поговорим про железо — о нем, как нам кажется, говорят непростительно мало. А ведь любое приложение, сервис, Kubernetes-кластер не существует в вакууме — он обязательно работает на физической инфраструктуре. Речь пойдет о концепции построения большой инфраструктуры, но конкретные модели серверов и замеры производительности сравнивать не будем, разговор верхнеуровневый.

Статья будет состоять из двух блоков. Первый — про физику и то, как с ней взаимодействуют инженеры. Второй посвящен автоматизации и тому, как она помогает в работе с инфраструктурой. За прошедшие годы мы выработали много полезных практик в обеих областях и хотим ими поделиться.

Качество данных (DQ) связано с технической зрелостью продукта, но не сводится к ней. В большой системе проблема редко ограничивается одной таблицей или ошибкой. Запись может быть технически корректной, но, например, появиться в базе дважды. Или другой пример: статус может быть допустимым для конкретной базы, но расходиться со статусом подписки в соседнем продукте. Итоговая бизнес-метрика при этом может выглядеть вполне правдоподобно, хотя ошибка уже возникла, причем давно.

Привет, жители Хабра! Я Ольга Жучкова, один из главных администраторов данных MWS. Я отвечаю за внедрение практик DG в кластере и выступаю амбассадором направления: помогаю продуктовым командам внедрять практики работы с данными и показываю, как эта работа улучшает продукт. В моем кластере работают более тысячи сотрудников. В каждом из этих продуктов, где есть БД, хранятся уникальные или критичные данные. А значит, есть свой администратор данных продукта, с которым я взаимодействую. На примере МТС Premium расскажу, как мы выстроили систему проверок качества распределенных данных — от локальных ошибок в базе до сквозных процессов и бизнес-метрик.

Привет, Хабр!

Меня зовут Всеволод Котик, я инженер-аналитик в компании «Диасофт».

Перенос Java-приложения с WebLogic или WebSphere на другой сервер приложений может показаться относительно простой задачей. Но на практике основные сложности часто возникают не на этапе запуска, а там, где приложение зависит от особенностей прежней среды исполнения.

В этой статье разберем, как подготовиться к такой миграции, а также какие ошибки не стоит допускать.

В беттинге данные о действиях нужны почти сразу — не через час и даже не через полчаса. В нашем случае — в течение 10–15 секунд. Иначе продуктовая команда рискует поздно заметить проблему, а бизнес — потерять деньги и время, за которое конкурент уже запустит свою механику. Поэтому на связи Владимир Медников — директор по данным в PARI. Я расскажу, что происходит с событием пользователя после нажатия кнопки, зачем здесь Kafka с ClickHouse и почему именно 10–15 секунд, а не три минуты.

За первые три недели с момента выхода Atomic Heart привлекла 5 млн человек по всему миру и вошла в топ-10 игр на Steam в ряде стран, включая США, Германию, Великобританию, Францию, Финляндию и Японию. Онлайн за первые сутки превысил 38 000, в то время как у Dead Space этот показатель составлял 30 000. За первые два года аудитория на всех платформах превысила 10 млн человек.

Завоевав популярность среди нашей аудитории, в 2023 году Atomic Heart вошла в Зал Славы видеоигровой индустрии России. Этой же чести удостоился Роберт Багратуни, сооснователь студии Mundfish. 

Но почему зарубежные геймеры полюбили Atomic Heart, чем игра привлекла их? Под катом – мои рассуждения, иногда подкрепленные фактами, иногда – субъективные. Добро пожаловать в комментарии – предлагаю обсудить эту тему.

23 сентября 1999 года аппарат NASA Mars Climate Orbiter подошёл к Марсу после девяти месяцев полёта, вошёл в атмосферу слишком низко и разрушился.

Комиссия по расследованию назвала причину: в одном из наземных программных файлов не использовались метрические единицы. Одна программа выдавала данные об импульсе двигателей в фунт-секундах, а принимающая её навигационная система ожидала ньютон-секунды. Расхождение в 4,45 раза – ровно во столько раз недооценили влияние работы двигателей на траекторию. Этого хватило, чтобы аппарат пошёл не по той траектории.

Самое важное в этой истории: никто не ошибся в расчётах. Обе команды считали правильно. Просто каждая – в своих единицах.

Как же так вышло? Над аппаратом работали лучшие инженеры своего времени, в организации с едва ли не самой отлаженной системой контроля в мире. Но годы работы и девять месяцев полёта закончились ущербом в несколько сотен миллионов долларов.

Дело не в технике и не в квалификации людей. Дело в управлении – а точнее, в одном источнике потерь, который есть почти в каждой компании и о котором почти никто не думает. Ниже разберу, где именно теряет бизнес в проектах и почему этих потерь не видно, в чём была ошибка NASA и как не допустить такого же у себя.

Привет! Меня зовут Саша Журавлев. Я венчурный инвестор и основатель фонда Mento vc. Мы инвестируем в стартапы на стадиях Seed / Series A в США, а в своем телеграм-канале рассказываю, как вижу рынок и принимаю инвестиционные решения.

a16z (vc фонд, больше $100B под управлением) выпустили отчет о состоянии B2C AI рынка. В нем собрали данные о веб-трафике (и оплатах) различных AI-приложений - сравнили их и сделали выводы. А мы с командой перевели разбор всех тезисов и графиков для вас.

Внутри ответы на вопросы:

• Какие сервисы и приложения привлекают больше всего пользователей, и на какие из них люди тратят больше всего?

• Какую задачу должен решать продукт, чтобы человек был готов платить за него каждый месяц?

• Что нужно предложить тем, кто пока не платит, чтобы AI стал частью их повседневной жизни?

• Какие ниши пока свободны, и где может появиться следующий крупный игрок?

Приятного чтения!

Команда a16z уже три года следит за рынком AI-сервисов для частных пользователей, и состав лидеров становится все более устоявшимся. По одному лишь трафику все сложнее понять, что на самом деле происходит на B2C AI рынке.

Поэтому в этом выпуске a16z впервые добавляет рейтинг по расходам американских пользователей с личных банковских карт — на основе YipitData. Такой рейтинг показывает, за какие AI-продукты люди действительно платят. В нем будут учтены те сервисы, которые проходят мимо рейтингов по посещаемости сайтов и аудитории мобильных приложений: например, десктоп-версии или AI-агенты в мессенджерах.

Всем привет! Меня зовут Алексей, я техлид Android-направления в компании Домклик.

В прошлой статье мы рассмотрели несколько базовых метрик. В этой части поговорим о менее очевидных, но не менее полезных критериях и способах измерения различных аспектов мобильной разработки. Тема не новая, однако получила новый импульс благодаря развитию и широкому внедрению искусственного интеллекта (ИИ).

Привет! С вами Руслан Нуриев, методолог-аналитик компании Directum. Я много лет работаю в кадровой сфере и последнее время всё чаще наблюдаю одну и ту же картину: HR-специалисты хотят использовать искусственный интеллект в работе, но боятся. И эти страхи не беспочвенны.

С одной стороны, ИИ в HR реально экономит время: помогает составлять графики, анализировать документы, готовить ответы на нестандартные запросы. С другой — многие данные, с которыми работает кадровик, относятся к персональным. А значит, действуют особые правила. И если их игнорировать, можно получить не только утечку, но и штраф, размеры которого в 2025 году выросли в разы.

Давайте разберемся, что можно, что нельзя и как организовать работу с ИИ и ПДн безопасно. Я поделюсь своим опытом и наблюдениями, а вы решите, что применить в своей компании.