Kurgan-Telecom Ru | Информационные технологии

Если у вашего приложения 2–3 установки в день и кажется, что «ниша не та» — скорее всего, дело не в нише, а в том, что про вас просто никто не знает. В этой статье коротко и по делу расскажу о том, что такое ASO (App Store Optimization) и почему без него ваше даже классное приложение никто не найдёт.

Разбираемся, зачем оно нужно инди‑разработчикам, как это работает и с чего вообще начать — без формул, понятий и лишней воды. На пальцах.

Меня зовут Витя, в Selectel я работаю проектировщиком интерфейсов. В нашей команде анализом решений, связанных с пользовательским образом, занимается дизайнер. Такой подход позволяет быть ближе к пользователям и проектировать сценарии взаимодействия, продумывая метрики, на которые мы будем смотреть в перспективе, и оценивать их эффективность. Возможно, вы читали мои статьи и знаете, как мы используем PostHog в работе.

За долгую практику работы с сервисом накопилось большое количество кейсов, когда PostHog помогал мне получать и обрабатывать данные. Хочу поделиться знаниями с начинающими дизайнерами, аналитиками и продактами.

Конец 1960-х. Пассажиры в салоне реактивного лайнера раскуривают сигары (тогда это было нормой), а пилоты неторопливо выводят самолет на эшелон. Керосин стоит копейки, расписания не такие напряженные, никто не заметит лишние пять минут в пути. В то время скорость была символом прогресса: Concorde летал быстрее звука, сокращая полет из Парижа в Нью-Йорк на целых три часа (пусть и за астрономическую цену билета). В эпоху реактивного романтизма мало кто задумывался об экономии секунд.

Перенесемся в настоящее. Авиационное топливо нынче на вес золота, а конкуренция заставляет авиакомпании выжимать эффективность из каждого рейса. Времена, когда можно было лететь что есть мочи не думая о расходах, прошли. Сегодня каждая секунда в полете это деньги: либо потраченные, либо сэкономленные. Речь буквально о стоимости каждой минуты работы двигателей, зарплаты экипажа и амортизации самолета.

Например, всего пара лишних минут в воздухе на каждом рейсе способны вылиться в десятки миллионов долларов дополнительных затрат в год.

Приручить это не одомашнить. Одомашнить, это когда зверь становится минимально агрессивным всю жизнь и рождаются от него такие же не агрессивные животные. Его как минимум можно гонять из пункта А в пункт Б, без ружья и вил. Скажем коровы не совсем и ручные, особенно постоянно пасущиеся, но одомашненные. Например пасти и гонять собачками стадо зебр или гну просто невозможно. Тоже самое лошади — они часто не ручные, но одомашненные. Если просто взять щенка волка или лисы из леса, то первый месяц он может быть даже добренький, а потом дикость ( которая есть выражение регуляции генов ) полезет буквально из пасти, он вас грызть начнёт, выть, биться об стенки, в общем вы поймёте что он не приемлем для жизни среди людей. Иногда дикие волчата до полового созревания туда‑сюда, приемлемы. Но после всё — суши воду, расплетай канаты, зверь есть зверь и может даже тебя сожрать.

Эксперимент с одомашниванием лис мягко говоря известный, но не все факты на широкую аудиторию вышли. Современные генетики всё таки нарыли способы как одновременно получать красивую, пушистую лису и не злобную. У Беляева с 1959 года получилось сделать лис добрыми, но тут же просело качество меха, а заодно он не смог даже к 1985 гарантированно получать по 2 сезона размножения от лис, хотя были планы выйти на уровень размножения собак. Дикие лисы размножаются строго 1 раз в год, включая всех лис содержащихся на фермах. Современная генетика за три десятка лет с 1980х, баг почти исправила. Почти, не не все баги и не полностью.

У Дмитрия Беляева в 1950-х был со всех сторон СССР, а значит отпадал вопрос в той же звероферме. В СССР это дело было связано с колхозами и значит не реагировало на понятие — выгодно‑не выгодно. Сегодня ему б никто не выдал такие ресурсы. А тогда ферма в Эстонии — 60 гектаров, 1500 чернобурок и вот готов первый опыт отбора лис. Важность меховой продукции была такой, что в Москве существовал отдельный — Московский пушно‑меховой институт, 1929 — 1954. Мех тех же чернобурок шёл на экспорт, это валюта. В общем на этой звероферме Беляев познакомился с будущими коллегами по одомашниванию, присмотрелся к проблемам, приметил нужный способ проверки животных, которых можно размножать.

Все смотрят на Илона Маска, а зря. Китайский сверхтяж CZ-9 — это спящий гигант. В этом посте — не фантазии, а готовые инженерные решения: супер-лёгкие баки, двигатель с рекордной мощностью и умная посадка без копирования SpaceX. Смотрите в этой статье, как Поднебесная может совершить рывок и оставить всех позади.

«Надо думать на английском!»

«Как только начнёшь думать на английском, сразу заговоришь!»

«Перестань переводить в голове, просто думай на нём!»

Сколько раз ты слышал эти советы от блогеров, репетиторов и даже от своих друзей, которые «уже в теме»? А сколько раз сам пытался привить себе эту мысль?

2ГИС Ситискан — это мобильное приложение для автоматизированной съёмки городской среды. Оно устанавливается на смартфон, закреплённый в автомобиле, и во время движения делает снимки, собирает координаты, скорость и другие параметры. Эти данные обрабатываются с помощью ИИ, чтобы находить проблемы в инфраструктуре: ямы, мусор, повреждённые объекты и другое.

Одна из ключевых задач приложения — снимать изображения с высокой частотой, особенно при объездах сложных участков. Но на практике оказалось, что стандартный метод съёмки takePicture во Flutter может занимать до 3 секунд на один кадр. Это делает невозможной съёмку даже 1 кадра в секунду, не говоря уже о 4 кадрах, которые нам нужны для точного анализа.

В этой статье мы — Руслан Цицер и Арген Жукеев @zhukeev— расскажем, как исследовали узкие места, перепробовали разные подходы — от RepaintBoundary до нативной обработки на C и Java — и в итоге добились стабильной съёмки с минимальной задержкой. Наш кейс будет полезен Flutter-разработчикам, которым необходима высокая частота съёмки (до 4 fps и выше) для своих приложений и инженерам в области компьютерного зрения и машинного обучения или разработчики AR/VR-решений на Flutter, где важны каждая миллисекунда и каждый пиксель.

Всем привет! Меня зовут Анастасия Козлова, я Senior BI Analyst в маркетинге Skyeng. Сегодня хочу рассказать, как мы научились справедливо оценивать вклад каждого рекламного канала с помощью кастомной мультиканальной модели атрибуции, что нас к этому подтолкнуло и как мы её настроили технически. 

Знаете ли вы, что у микропроцессоров существуют памяти, которые могут ответить на вопрос: «А нет ли внутри тебя информации, похожей на вот эту?» То есть они не просто запоминают, что им «скажут», и выдают ранее записанное, но еще и умеют сопоставлять свое содержимое с запросом извне. Как в каждой большой дружеской компании есть товарищ, у которого на любую тему найдется подходящий анекдот или мем.

За последние пару лет в интерфейсах появился новый паттерн — ✨. Магическая искорка сигналит, что здесь работает ИИ. Но с маркировкой сгенерированного контента всё сложнее. Нет единого стандарта: кто-то прячет информацию, кто-то показывает крупный дисклеймер, кто-то вообще не маркирует. Я столкнулась с подобной задачей в Контуре.

Туман в голове и провалы в памяти — это не просто усталость. Возможно, прямо сейчас в нашем мозге тлеет пожар, и топливом для него становятся «полезные» углеводы! В новой статье о том, почему Альцгеймер некоторые называют «диабетом 3-го типа».

Nexign (ex. Петер-Сервис)

С 2019 года занимался проектированием и реализацией инфраструктурного компонента биллинг-контура, который являлся «enabler‑ом» bpm‑сценариев, написанных на apache camel. Из технологий: микросервисная архитектура на Java + Spring + Akka Actors, в качестве базы данных использовали Oracle + PL/SQL для чистки партиций, брокер rabbitmq. Проектировали в терминах DDD, Event Sourcing. Система обслуживала биллинг мобильного оператора «Мегафон».

Yandex FinTech

В феврале 2022 года мой близкий знакомый, уже работавший в инфраструктурной команде Яндекс Финтеха, убедил меня попробовать свои силы в доменной области финансовых организаций и рефнул меня. Подготовившись к алгоритмическим секциям через прорешивание задачек из раздела «yandex» на leetcode, я отправился проходить секции. Было два этапа алгоритмов и один этап архитектурной секции. В результате, чуть поторговавшись относительно грейда, который мне присуждают, меня приняли на работу в команду клиентского досье, где я участвовал в разработке сервисов для хранения и проверки персональных данных клиентов банка, а также идентификации новых клиентов через портал «Госуслуги». Параллельно с работой над клиентским досье переключался в трек «Логистической платформы», где допилил текущее состояние кодовой базы до тестового запуска и внедрения в эксплуатацию базовых сценариев заказа пластика/документов на подписание через контрагента в лице логистической компании. Из технологий: микросервисы на kotlin + spring boot + очередь stq для async запуска bpm‑сценариев, в качестве баз данных использовали Postgresql и YDB.

В своей статье Клим Бондарь, специалист инженерно-квантовой лаборатории ООО «СФБ Лаб», разбирает, как реализуется и чем опасна широкополосная атака Trojan Horse на систему КРК.

Автор объясняет, каким образом злоумышленник может использовать отраженный лазерный сигнал, чтобы получить сведения о состоянии квантовой системы, и показывает, какие методы защиты позволяют свести риск утечки информации к минимуму.

Cursor сделали программисты для программистов. Это не очередной чат-бот, это полноценная среда разработки. Он очень неплохо интегрирован с возможностями больших языковых моделей. 

Но насколько он хорош? Сможет ли сочинить симфонию, написать картину… то есть, конечно, сможет ли заменить живого разработчика? Мы его потыкали, протестировали и теперь хотим рассказать, на какой грейд он мог бы рассчитывать в российской ИТ-компании

Мы думали, что аналитика с помощью ИИ сможет освободить нас от рутинных задач, но она оказалась бессильна перед неожиданными ситуациями. Даже самые совершенные ИИ-агенты не справляются, когда дело касается задач, выходящих за рамки заранее установленных сценариев. Агенты сталкиваются с трудностями при выполнении задач, требующих адаптивности и самостоятельного мышления. В то время как разговорные модели демонстрируют впечатляющие успехи, «автоматический дата саентист» почему-то не может преодолеть этот барьер и достичь полной самостоятельности.

Последнее исследование привнесло неожиданный поворот: эффективность не определяется размером модели или набором жестких правил, а обусловлена самой конструкцией ее рассуждений. Модель освоила не просто последовательное выполнение отдельных задач, но и гибкое управление анализом данных. Она научилась понимать ход событий, планировать действия, корректировать подход в процессе, экспериментировать с новыми подходами, допускать ошибки и учиться на собственном опыте, при этом все меньше полагаясь на вмешательство человека.

Что лежит в основе этой «встроенной интуиции»? Давайте разберемся в возможностях модели DeepAnalyze-8B и методах ее обучения, а также рассмотрим, как это может повлиять на сферу продвинутой аналитики и искусственного интеллекта.

На сегодняшний день ритейл стал частью нашей повседневной жизни. Поход в магазин, покупка на онлайн-платформе или заказ доставки товаров стали обыденностью для миллионов пользователей. Учитывая этот факт, нужно понимать, что ритейл всегда был важной частью экономики, отражающей как макроэкономические показатели и технологические тенденции, так и повседневные изменения в поведении потребителей. Будучи связующим звеном между производством и конечным потребителем, розничная торговля выполняет не только утилитарную, но и стратегическую функцию, выступая своеобразным индикатором экономического здоровья страны. По существующим экономическим индикаторам и показателям в розничной торговле можно легко увидеть колебания потребительской активности, изменения в структуре расходов населения и реакции бизнеса на экономические вызовы и структурные перестройки.

Цифровизация в ритейле активно меняет способы, которыми компании взаимодействуют с потребителями, организуют логистику и управляют складскими запасами. Это не просто тренд, а необходимость для выживания в условиях высокой конкуренции и быстрых изменений на рынке.

В подготовленном мною материале я предлагаю рассмотреть ключевые технологические тренды, формирующие будущее глобального продуктового ритейла. На основе данных из международных отчетов, таких как ReportsInsights, Statsmarketresearch, WiFiTalents и др., анализируются аспекты цифровизации, способные определить конкурентоспособность розничных игроков в новой экономической реальности.

Привет! Меня зовут Антон, я iOS-разработчик в Банки.ру. Когда я только начинал изучать Combine, он казался для меня магией. Пара команд – и вот у тебя уже есть какие-то данные. Чтобы Combine перестал оставаться черным ящиком давайте заглянем внутрь. Эта статья – мое виденье этого фреймворка.

Небольшая сводка, Combine – фреймворк для работы с асинхронными событиями в декларативном стиле. Он помогает разработчикам управлять потоками данных, избавляя от множества колбэков, ручного управления очередями и других сложностей, связанных с асинхронностью.

Давайте рассмотрим Combine изнутри!

Задача: быстро выполнять агрегирующие запросы (JOIN, GROUP BY, COUNT) по десяткам миллионов строк в офлайновых сценариях на Big Data‑платформе. Мы сравнили три подхода: Parquet + Impala в экосистеме CDH, MPP‑движок Greenplum и MPP‑СУБД StarRocks. В единой тестовой среде (SAD ~7 млн, ITEM ~3 млн записей) выполнили серию запросов JOIN + GROUP BY + ORDER BY и замерили суммарное время 10 прогонов. Показано, что внедрение MPP заметно ускоряет аналитику (типично 1–2 с на запрос), при этом StarRocks в среднем немного обходит Greenplum. В статье — методика, параметры развертывания, нюансы импорта из Oracle (CloudCanal) и сводные метрики.

ClickHouse — одна из самых популярных систем для анализа данных. По информации TheirStack, этот инструмент использует более 3 700 компаний по всему миру. 

У ClickHouse быстрая аналитика, эффективное сжатие и отличное масштабирование. Но у системы есть и недостатки — ограниченная поддержка UPDATE и DELETE, а также сложная миграция.

Привет, Хабр! Меня зовут Михаил Филимонов, я руковожу разработкой хранилища данных в группе Магнит OMNI. В этой статье я расскажу о проблемах работы с ClickHouse, как их решать и какие инструменты для этого потребуются. 

Когда мы говорим о большом сервисе с десятками миллионов пользователей по всей стране, надёжно и эффективно должен работать каждый уровень: и приложения, и инфраструктура, и сеть. Если в уравнение добавляются петабайты видеоконтента, сеть становится ещё более критичным элементом. 

В этой статье на примере эволюции сети RUTUBE разберём: с чего начинать ревизию legacy-сети; какие оптимизации помогут пережить резкий рост нагрузки и выиграть время для масштабного обновления; и наконец, что учесть при проектировании новой современной сети, подходящей для актуальных архитектурных подходов и стека технологий.