Kurgan-Telecom Ru | Информационные технологии

Привет, Хабр. Меня зовут Никита Драгунов, я из команды «Интерпретируемый ИИ» лаборатории FusionBrain AIRI. У себя в группе мы активно пытаемся понять, почему большие языковые модели и другие архитектуры ведут себя так или иначе, и разрабатываем инструменты, которые помогают нам в этом разобраться.

Среди прочего нас очень заинтересовал сравнительно свежий подход, в котором предлагается перейти от генерации токенов к генерации целых предложений — Large Concept Models, LCMs. Мы углубились в эту тему и смогли предложить новый способ, как использовать идею LCM эффективнее.

О том, что мы сделали — в статье ниже.

Хабр, привет!

Меня зовут Семён Семёнов, я руковожу Data Science и Machine Learning в Страховом Доме ВСК. В этой статье расскажу, как мы создали систему автоматического обучения и развёртывания моделей машинного обучения с открытым исходным кодом.

Первый вопрос, который может задать себе читатель, знакомый с темой современного машинного обучения:
«Почему бы не взять одну из десятков (если не сотен) открытых AutoML-библиотек?»

Ответ прост: мы не стремились создать ещё один «стандартный» проект AutoML. Наша цель — сфокусироваться на вещах, которые редко встречаются в готовых решениях:

Инвестиции всегда считались занятием рискованным. На неудачных вложениях погорело немало людей, некоторые разорились. Что же нужно, чтобы этого не произошло? Играет ли роль интуиция, или все удачные инвестиции — результат лишь спокойного и трезвого анализа? 

Как считают сами инвесторы? Признают ли они ценность интуитивного восприятия при решении инвестировать?

Для руководителей логистических служб, IT-директоров и владельцев складских комплексов

В 2018 году у меня возникла необходимость ознакомиться с передовыми логистическими практиками по обработке овощей и фруктов. Сразу несколько моих знакомых загорелись идеями по организации «логистического оператора нового уровня», в связи с чем мы целой организованной группой направились в Нидерланды, где уже много лет работал однокурсник одного из знакомых. Нам была обещана экскурсия с полным погружением «от фермы до прилавка», и обещание было сдержано. Однако, посещая склад за складом, мы все больше недоумевали: где же роботы? Где максимальная автоматизация? Складе уже эдак на шестом‑седьмом, куда мы приехали под обещание, что нам — наконец — покажут полностью роботизированный склад, мы не выдержали, и «приперли к стенке» нашего гида: «Где? Где мега‑технологии?». Тот усмехнулся, вывел нас во двор, и ткнул пальцем в явно давно не используемое здание неподалеку: «Вот!».

Картинка: freepik

Многие знают и даже сталкивались с таким явлением, как «ионный ветер» — направленным движением воздуха, которое вызывается стекающими с одного электрода и ускоряющимися к другому электроду зарядами.

Благодаря простоте реализации, подобный эффект может быть протестирован практически любым желающим, хоть немного знакомым с электроникой и электротехникой.

Привет, Хабр! Статья не входила в планы, пишу с чувством лёгкой сюрреалистичности. В воскресенье утром наш основной API-гейтвей пережил маленькую апокалиптическую битву с памятью и выиграл без моего участия. Делюсь с Вами, как небольшой скрипт, на который я не полагал абсолютно никаких надежд, отработал аварию.

Привет, Хабр! Меня зовут Александр Корнилов. Я старший разработчик в «Лаборатории Касперского» — в мобильном подразделении Kaspersky OS. Так получилось, что большую часть своей жизни я занимался системным программированием. Сегодня хочу поднять важную и болезненную тему практически для всех С/С++-разработчиков — поговорить про билд-системы.

Искусственный интеллект давно вышел за рамки научной фантастики и стал частью нашей жизни — от поисковых систем до чат-ботов и голосовых помощников. Но у этого удобства есть немалая цена: для генерации ответа ИИ расходует значительные вычислительные ресурсы и энергию.

Правда, здесь разработчики современных языковых моделей тоже продвинулись. Недавно Google сообщил о впечатляющем результате: всего за год энергопотребление одного AI-запроса удалось снизить в 33 раза. Это не просто техническое достижение, а сигнал для всей индустрии, который может изменить подход к разработке и использованию ИИ. Давайте разберем, каким образом Google этого добился, какие технологии помогли и как это повлияет на будущее искусственного интеллекта.

Шахматы — это не просто игра, а сложный интеллектуальный процесс, где каждый ход отражает не только стратегическое мышление, но и эмоциональное состояние игрока. В эпоху искусственного интеллекта и больших данных мы стоим на пороге новой эры анализа шахматных партий, где психоэмоциональные паттерны становятся ключом к пониманию и предсказанию исходов.

Проект, представляемый здесь, интегрирует эмоциональный и когнитивный анализ в шахматную аналитику. Наблюдения показывают, что даже великие гроссмейстеры, такие как Магнус Карлсен или Гарри Каспаров, иногда проигрывают не из-за тактических ошибок, а под влиянием стресса, усталости или эмоционального всплеска.

Значимость проекта огромна: он помогает шахматистам лучше понимать свои слабости, тренерам — разрабатывать персонализированные стратегии, а исследователям в психологии и нейронауках — изучать, как эмоции влияют на принятие решений в условиях высокой нагрузки. В преддверии крупных турниров, таких как FIDE World Cup 2025 в Гоа, Индия (30 октября — 27 ноября 2025 года, 206 участников, нокаут-формат, призовой фонд $2 млн), такой подход может стать инструментом для более точного прогнозирования и подготовки.

Привет!

Меня зовут Валентин, я — руководитель направления тестирования моделей машинного обучения в Альфа-Банке. Моя команда занимается тестированием ML-моделей и модельных сервисов для наших клиентов уже более четырех лет, и более трех из них я погружен в наши процессы QA.

Я попал в Альфу через проект компании KTS, над которым работал раньше, и первое время занимался ручным тестированием. За несколько лет прошел путь от линейного тестировщика до руководителя команды из 8 человек, и в этой статье рассказываю о своем опыте и делюсь советами, которые дал бы самому себе несколько лет назад.

Эта статья будет полезна:

• тем, кто только начинает выстраивать процессы тестирования моделей;
• начинающим тимлидам QA-команд до 10 человек;
• тем, кто просто хочет познакомиться с примером организации QA-процесса с нуля.

Я поделюсь этапами развития команды, нашими подходами и инструментами. А ещё расскажу о том, почему принимались те или иные решения, и каких ошибок мы смогли избежать или не смогли.

«С ростом числа внутренних сервисов и платформ в компаниях всё актуальнее становится задача унификации доступа сотрудников к корпоративным ресурсам. HR-системы, CRM, документооборот  — каждый из этих инструментов требует авторизации. В итоге у сотрудников накапливается десятки учётных записей, а у администраторов — необходимость управлять ими. Чтобы сократить избыточные точки входа и упростить контроль доступа, компании всё чаще внедряют механизм единого входа — SSO (Single Sign-On)», — рассказывает моя коллега Екатерина.

Вот короткая правда, которую лучше принять в начале: Игры запоминают не по графике и не по количеству механик. Их запоминают по моменту, когда у игрока что-то внутри щёлкнуло. Это может быть утрата, вина, сожаление, редкая надежда — но всегда эмоция, а не «ещё один уровень». Маркетинг способен дать всплеск, но если внутри пусто — всплеск затихнет. Если внутри есть эмоциональный якорь — даже маленькая инди может жить годами в памяти.

Мы часто начинаем с «геймплей — король». Верно. Но «король» без истории это картон. Роберт Макки напоминает: история это смысл событий, а не их перечень. Джесси Шелл добавляет: проверяй игру через линзы эмоций, что именно чувствует игрок каждую минуту. Если действие не рождает чувство, оно не останется в голове.

Этот материал не про банальности. Здесь не будет «делайте оптимизацию» и «нужна страница в магазине». Это понятно. Здесь то, что обычно упускают даже сильные команды: как прошить историю в механики, где прячется настоящая атмосфера, почему тишина иногда громче оркестра, и как один продуманный кадр продаёт игру лучше десяти параграфов описаний. И главное — почему негативные эмоции (утрата, сожаление, вина) кодируются мозгом глубже и становятся теми самыми «моментами, которые вспоминают».

Для кого этот текст. Для соло-разработчиков и маленьких команд, которые хотят не просто «выпустить игру», а создать опыт, о котором говорят. Если вы делаете новеллу, метроидванию, рогалик или что-то гибридное — принципы одинаковы: эмоция → история → память игрока. Остальное слои, усиливающие ядро.

Привет! Меня зовут Артем Герасимов, я владелец продукта SimpleOne SDLC. В статье расскажу о проблеме, с которой сталкивается большинство ИТ-компаний: они тратят миллионы на разработку функций, которыми никто не пользуется.

Привет, Хабр! Сегодня я хочу рассказать о применении одного из интересных методов работы со статистическими данными — расчета коэффициента конкордации, который также называют коэффициентом Кендалла W. Он помог нам упростить выбор BI-платформы на замену многострадальному Qlik, который сегодня вообще непонятно как продлевать. Под катом — куча BI-систем, наши попытки усреднить результаты рейтингов…и г-н Кендалл с его методом 100-летней давности.

На HR-специалистов одновременно ложатся задачи рекрутинга, адаптации, обучения, аналитики. Поэтому многие пользуются нейросетями: кто-то просит помочь с составлением вакансии, кто-то — с подготовкой документов. Чаще всего это происходит стихийно, и только 5% российских компаний системно внедряют ИИ-решения в процессы. Это требует настройки инфраструктуры, обучения моделей, контроля качества данных и соблюдения правовых норм. Но именно такой подход дает бизнесу ощутимый результат.

Разберемся, какие задачи может взять на себя полноценный ИИ-помощник, и когда действительно оправдывает ожидания.

На собеседованиях HR-специалисты часто используют метод STAR. Соискателям его тоже полезно знать: метод помогает структурировать рассказ о себе и понять, что хочет услышать от вас интервьюер. Расскажу, как адаптировать его под себя, чтобы структурировать опыт и подчеркнуть вашу ценность перед нанимающим специалистом и продуктовым менеджером.

В этом посте будет исследовано, как математическую концепцию можно постепенно переформулировать во всё более «вычислительных» понятиях, от высокоуровневого языка, далее до машинного кода и, наконец, до прямого исполнения компьютером. Для этого определю одну и ту же логику в нескольких разных, но перекликающихся друг с другом форматах:

1.       Математика – чистая математика

2.       Haskell – язык для функционального программирования

3.       C – язык для императивного программирования

4.       Ассемблер – сравнительно удобочитаемое представление машинного кода

5.       Машинный код для архитектуры x86-64 – вот это уже интересно

Если вам интересно, какие отличия бывают между языковыми стилями или любопытно, как ваш код может выглядеть после компиляции — добро пожаловать под кат!

Многопроцессорный вычислительный комплекс (МВК) «Эльбрус-2», созданный в СССР в 1984–1985 годах, является выдающимся достижением советской вычислительной техники и заслуживает высокой оценки по ряду ключевых параметров — числу процессоров, архитектуре и производительности, существенно опережающим многие зарубежные аналоги своего времени.

Всем привет! Меня зовут Артём Сидоров. Я ведущий разработчик из ИТ-команды «Северстали». Сегодня хочу рассказать, как мы реализовали «Универсальный сервис по сбору телеметрии с CAN-шин на технике».

«Факты никого не переубеждают», «спорить бесполезно», «люди всё равно никогда не меняют своего мнения» — ловили себя на таких мыслях? Может, прямо сейчас вы думаете так же? Тогда у меня для вас кое-что интересное.

Сегодня поговорим о том, способны ли люди вообще менять своё мнение, что мы сами думаем о чужой изменчивости взглядов — и как всё это влияет на наше общение. Но для начала взглянем на два радикальных взгляда утверждающих одно и то же.