Kurgan-Telecom Ru | Информационные технологии

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.

Часто можно услышать, что цвет субъективен, а электромагнитные волны объективны. Однако электромагнитные волны связаны с физической теорией, которая выражается посредством математического формализма. Это в свою очередь поднимает вопрос, что можно сказать об электромагнитном поле без использования математических уравнений теории Максвелла.

Для обсуждения связи математики и физики вводится метафора математических очков. Понимание физической теории достигается надеванием математических очков, а без них мы теряем возможность содержательного обсуждения физического мира. Вначале кратко рассмотрена история связи физики и математики в ходе научной революции 17-го века, а затем показано, что без математических очков нельзя ответить на вопрос, что такое электромагнитное поле. Это не вызывает особых проблем, поскольку можно понять связь теории с работой реальных устройств.

Тем не менее, вопрос об объективности электромагнитного поля связан с объективностью используемых математических очков. Обсуждены два варианта ответа - математические очки принадлежат либо миру, либо мышлению человека. Первый вариант приводит к математическому платонизму, когда остается отрытым вопрос о связи мира математической Платонии с физическим миром. Во втором варианте теряется возможность использования значения слова объективный для мира самого по себе.

Можно ли разложить 15+ млн хаотичных товаров по 1100 категориям за месяц? Да – без зубодробительного ML и миллионных затрат на LLM-инференс!

В статье о том, как:

1. ML проиграл системе простых бизнес-правил;

2. мы присвоили артикулы товарам для целой отрасли;

3. заставить работать даже самые зашумлённые данные из CRM.

Не секрет (для тех, кто меня читает), что мои вкусы в области языков программирования весьма странные как для энтузиаста, так и для профессионала. В нескольких моих постах, посвящённых Go, я пишу, что программировать на этом языке — всё равно, что завтракать овсянкой на воде.

Чтобы держать марку, расскажу и ещё об одном языке, программировать на котором — всё равно, что разбавлять утренний кофе самогоном. Естественно, речь пойдёт о C++.

Если вы из тех мучеников, которым довелось работать с C++ профессионально, то вы знаете, насколько в самом деле плоха стандартная библиотека C++. С чего бы начать?

Привет! Меня зовут Александр Щербаков, я DevOps-инженер в X5 Tech. В одной из прошлых статей я рассказывал о домашних серверах на потребительском железе. Сегодня поговорим о том, как моя лаборатория доросла до серверной платформы и двух CMP 50HX с 20 ГБ видеопамяти каждая.

С локальными LLM я пока разбираюсь и хочу поделиться тем, что получилось: от покупки карт и неудачного первого запуска до настройки сервера и замеров. Кому интересна такая затея — добро пожаловать под кат.

Когда на принятие решения есть десятки миллисекунд, зависимость от облака становится проблемой для промышленной автоматизации. Edge AI позволяет обрабатывать данные прямо на оборудовании, но его внедрение требует учитывать ограничения железа, особенности интеграции с АСУ ТП и сопровождения моделей. Разбираемся, какие технологии подходят для промышленных задач и как запустить пилот, который не застрянет на стадии эксперимента.

Облако — удобно, пока работает. Статья о том, какие архитектурные решения нужны, чтобы умный дом продолжал жить своей жизнью, даже когда чужой дата-центр недоступен.

Те, кто читал прошлые статьи, знают, что я потратил довольно большое количество времени на борьбу с шумом домашнего ЧПУ-станка 3018 (что это за станок, подробно описывал вот здесь).

И в первой статье я изложил интересную идею, которая пришла мне в голову — а что, если полностью глушить дикий шум от фрезерования дорожек печатной платы с помощью заливки её сверху толстым слоем воды или мыла? Так никто не делает, и мне было очень интересно, так как, чисто теоретически, идея должна была увенчаться успехом!

Что-то эта идея меня так в результате увлекла, что я не стал останавливаться на выдвижении голой теории и проверил её самостоятельно на практике — тем более что мне это было очень легко: станок-то был у меня под руками!

К сожалению, вся затея не увенчалась успехом — слой воды/жидкого мыла абсолютно не гасил звук!

Однако в процессе размышлений над всей этой темой и проведения тестов мне пришла в голову одна поразительная идея, своего рода озарение, которое я сразу проверил и, можно сказать, остался в шоке: я смог полностью устранить дикий шум при изготовлении дорожек и не только!

В комментариях к прошлой статье меня просили рассказать о ней — так вот, рассказываю...

Архитектура фронтенд приложения — вопрос не простой. Подтверждением тому служит то, что многие до сих пор считают архитектурой FSD. Больше того, считают хорошей архитектурой.

Отчасти из-за того, что сложность фронтенд-приложений выросла быстро и сообщество за ним не успело. Отчасти из-за того, что фронт достаточно долго обладал самым низким порогом хода в программирование и в какое-то время его наводнили ребята, обученные на курсах «Стань React разработчиком за 20 дней».

Эта статья — моя вторая попытка доработать архитектуру фронтенд-приложения, позволяющую вести контролируемую и предсказуемую разработку, минимизировать зависимость от внешних инструментов и упростить интеграцию llm в процесс разработки.

Раньше для замены лица на фото или видео требовались навыки работы с графическими редакторами: нужно было уметь создавать маски, совмещать изображения, корректировать освещение и цвет.

Сегодня заменить лицо можно без специальных навыков — для этого существуют нейросети и специализированные сервисы, которые выполняют большую часть работы автоматически. Однако качество результата зависит от выбранного инструмента: одни точнее сохраняют внешность человека, другие лучше справляются со сложными ракурсами, освещением и мимикой.

В статье разберём, как работают инструменты для замены лиц, сравним специализированные сервисы и генеративные модели на одинаковых исходных материалах и выясним, какие ограничения есть у каждого подхода.

Печатная плата без маркировки похожа на чемодан без бирки: доехать она, скорее всего, доедет, но разобраться, кому она принадлежит и что с ней происходило, будет сложнее. Сегодня хотели бы рассказать, зачем платам QR- и DataMatrix-коды, где их лучше размещать и какие нюансы предусмотреть ещё на этапе заказа.

Летом я сделал сайт, который собирает публичные Telegram‑каналы российских стримеров в одну ленту. Идея была простая: я подписан на десяток таких каналов и устал листать их по очереди, чтобы узнать, будет ли сегодня стрим.

Через три месяца у проекта 260 коммитов, 450 каналов, больше 60 тысяч постов в базе, около 4 тысяч страниц в поиске Яндекса и доход от рекламы — 1–2 рубля в день. Это честная ретроспектива: что сработало, на какие грабли я наступил и что показали данные про то, зачем люди на самом деле приходят на такой сайт. Спойлер: не за тем, для чего я его делал.

С гордостью представляем очередное издание книги, которая за 20 лет выдержала 8 переизданий, а её общий тираж превысил 30 000 экземпляров. За это время она зарекомендовала себя как надежный путеводитель, который провел в мир схемотехники и микроконтроллеров тысячи читателей: от школьников, впервые берущих в руки паяльник, до опытных программистов, решивших разобраться, как «железо» работает изнутри.

Идея была простая, почти наивная: если попросить модель в конце ответа честно написать, уверена она в своём коде или нет, можно ли по этой метке заранее отлавливать плохие решения? Не гонять тесты, не читать код глазами, а просто смотреть на последнюю строку.

Я прогнал 20 небольших задач на Python через три модели, по три повтора на задачу, и собрал 179 ответов. Все 179 закончились строкой CONFIDENCE: SURE. Вариант UNSURE в промпте был, им не воспользовался никто. При этом четыре решения завалили скрытые тесты. Одно превращало 1024 байта в 1.0 MiB, другое падало на разнице между двумя самыми обычными датами. Под обоими стояло SURE.

Дальше расскажу, как это было устроено, покажу все четыре ошибки и честно перечислю, чего из этого эксперимента вытащить нельзя (а нельзя многое).

Патч UniqueKeys для PostgreSQL предлагает научить планировщик распознавать случаи, когда строки запроса уже гарантированно уникальны. Сейчас он не всегда может это определить и выполняет лишнюю работу: повторно проверяет данные на дубликаты, хотя в этом нет необходимости, или упускает более дешеый план выполнения. Механизм UniqueKeys позволяет прослеживать уникальность данных через сложные соединения и подзапросы, чтобы исключать ненужные операции DISTINCT и GROUP BY и точнее оценивать стоимость запросов. В Tantor Postgres этот механизм уже реализован, а патч предложен для рассмотрения сообществом PostgreSQL в рамках CommitFest.

Как я собрал внутреннюю систему учёта документов и рейсов на Google Sheets, Glide, Apps Script и Telegram. Разбираю действующую архитектуру, состояние диалогов бота, роли, отчётность и архивирование — и объясняю, почему следующим шагом стала модель данных в PostgreSQL.

Xtep со штаб квартирой в Гонконге специализируется на производстве спортивной экипировки. Компания была создана в 2001 году предпринимателем Дин Шуй По, а уже к 2019 году открылись более 6 тысяч фирменных магазинов бренда по всему миру. История успеха китайского спортивного гиганта в нашем материале. 

fsync(fd) доводит до носителя содержимое файла. А rename() меняет каталог, и эта запись остаётся в page cache ровно как любая несохранённая страница. Чтобы переименование пережило отключение питания, нужно синхронизировать ещё и каталог — строки, которой почти нигде нет.

Я не стал спорить, а измерил. dm-log-writes — цель device-mapper в ядре Linux — складывает копию каждой записи с отметками сброса кэша. Журнал воспроизводится на чистое устройство до каждой точки отказа, устройство монтируется и отрабатывает настоящее восстановление журнала ext4, xfs или btrfs. Не модель POSIX — то, что блочный слой действительно отправил вниз.

Двенадцать способов сказать «сохранено» — от голого writeFileSync до SQLite и git commit. Десять теряют подтверждённую запись, на всех трёх файловых системах.

Среди них write-file-atomic — 102 миллиона загрузок в неделю, его использует сам npm CLI, когда пишет ваш package-lock.json. SQLite на настройках по умолчанию. git commit даже при core.fsync=all: шесть вызовов fsync, и все на файлы, ни одного на каталог.

Внутри — как устроено измерение, почему ширину окна потери задаёт интервал фиксации журнала (и почему совет «поставьте commit=60» расширяет это окно в двенадцать раз), и отдельный раздел про четыре ошибки, которые я допустил в собственном инструменте. Включая вывод, сделанный из одного зелёного прогона CI — в инструменте, написанном ради тезиса «один зелёный прогон ничего не доказывает».

Инструмент: gray, MIT.

Какие альтернативы сервисам Яндекса действительно независимы? Разбираем такси, доставку, офлайн-карты, почту, облако и платежи. План действий на случай сбоя.

Запасное приложение еще не означает независимый сервис. Разбираемся, чем заменить продукты «Яндекса», что можно подготовить заранее и почему одна резервная копия в другом облаке иногда важнее десятка установленных программ.

Многие научные изыскания, особенно в современном мире, получают свое научное доказательство либо сразу же, либо спустя короткое время. Однако научное сообщество прошлого века или даже еще раньше было источником огромного числа теорий, которые долгое время оставались теориями ввиду отсутствия технических возможностей их подтверждения. Какие-то из них были опровергнуты современными учеными, какие-то до сих остаются в подвешенном состоянии, а какие-то наконец-то получили свое утвердительное подтверждение. К последним относится теория, выдвинутая физиком Хансом Бете еще в 1931 году, названная в последствии «струны Бете». Ученые из Инсбрукского университета имени Леопольда и Франца (Инсбрук, Австрия) смогли создать и наблюдать «струны Бете» — необычные квантовые состояния. Как именно ученые их создали, какого было их поведение, и что доказательство данной теории может предложить квантовый физике современности? Ответы на эти вопросы мы найдем в докладе ученых.