Kurgan-Telecom Ru | Информационные технологии

Раньше маршруты на Картах ранжировались по времени в пути: работал принцип «самый быстрый — самый первый». Но в реальном мире скорость не всегда равна удобству и пользователь мог оказаться в ситуации, что маршрут вроде бы позволяет добраться до конечной точки быстрее, но придётся долго разбираться, а куда вообще ехать. 

Теперь ранжированием маршрутов занимается ML‑модель, которая обучена на реальном поведении пользователей. Она учитывает не только время, но и то, по каким маршрутам водители доезжают до конца. Поэтому сейчас первый вариант — тот, который вы, скорее всего, выбрали бы сами.

Я Илья Хохлов, руководитель службы разработки сервисов маршрутизации. Наша команда отвечает за ключевые алгоритмы навигации в Картах и в Навигаторе: маршрутизацию, прогноз времени в пути и позиционирование. В этой статье я расскажу о том, как мы переосмыслили ранжирование маршрутов в навигации на Картах и в Навигаторе: как именно ML‑модель понимает, какой маршрут предлагать первым, и как это решение повлияло на количество сходов с маршрута.

12 июля 1929 года на берегу Боденского озера, у швейцарского городка Альтенрайн, стояла толпа. Смотрела на воду. На воде лежало нечто, от чего инстинктивно хотелось отступить на шаг и проморгаться. Самолет размером с корабль: 40 метров в длину, размах крыла — около 48 метров. Над крылом, на шести пилонах расположились 12 двигателей, расставленных попарно: шесть тянущих, шесть толкающих.

14 человек экипажа заняли свои места. Капитан отдал команду бортмеханику через телеграф. Бортмеханик перевел 12 газовых рычагов на взлетный режим. Машина тронулась, набирая скорость. 50 секунд разбега по воде — и Dornier Do X оторвался от поверхности озера.

Самый большой, самый тяжелый и мощный летательный аппарат. Три палубы, курительный салон с баром, обеденный зал, спальные каюты и 12 моторов, каждый из которых в одиночку мог бы тянуть легкий самолет. Машина, которая поднимет в воздух 169 человек (больше, чем любой самолет еще 20 лет после нее), перелетит Атлантику, простоит в Нью-Йорке год как аттракцион, соберет миллионы поклонников и не найдет ни одного покупателя.

У всех кто работает с LLM моделями случалось, что модель на 32B параметров не влезает в 24 ГБ VRAM вашей RTX 4090, offload на CPU убивает скорость, а облако — дорого и данные уходят на сторону. NVIDIA обещает нам решение: DGX Spark (он же GB10) с 128 ГБ unified memory за ~400-500 тысяч рублей. Мы потратили две недели на глубокие бенчмарки устройства и результаты оказались... неоднозначными.

В статье будет много графиков, сравнение нескольких форматов квантизации, тесты разных объемов подаваемого контекста, сравнения с более привычными GPU и оценка финансовой эффективности такой покупки. Цель бенчмарка разобраться, в каких ситуациях DGX Spark показывает свои преимущества, а где его архитектурные ограничения становятся узким местом и предпочтительнее выбирать другие решения.

Привет! Меня зовут Евгений Шаламов, я продакт-менеджер в Битрикс24 и отвечаю за мобильное направление. В нашем основном продукте, в веб и десктопной версиях, реализованы десятки инструментов и сценариев, но весь этот масштаб сложно уместить в мобильный интерфейс. Да и сценарии работы в веб и на мобильном устройстве сильно отличаются. Поэтому мы актуализировали мобильное приложение и сделали из него рабочий инструмент, удобный для многих пользователей.

В последнем релизе мы представили обновленный интерфейс мобильного Битрикс24. Нам нужно было решить, как реализовать некий «обязательный минимум» для различных групп пользователей, ведь приложением пользуются сотрудники с совершенно разными ролями. 

Вспомните, как вы онбордили аналитика: показывали данные, примеры рабочих SQL, неочевидные легаси и костыли — и через какое-то время он начинал перформить самостоятельно.

Чтобы научить AI-агента — нужно пройти ровно те же шаги, только вместо недель, на обучения потратятся часы, а в результате большая часть рутины аналитика будет автоматизирована.

В этой статье я расскажу, как я автоматизировал свой анализ данных, и дам пошаговую инструкцию, которую вы с легкостью сможете повторить это у себя в проекте.

Статья будет полезна как предпринимателям, которые хотят оптимизировать процессы, так и аналитикам, которые хотят прокачать себя. Погнали!

AGI это следующий этап развития ИИ. Подобная модель сможет самостоятельно изучать и решать задачи, совершать новые научные открытия, и в принципе это таблетка от всех проблем. По крайней мере, так считают современные техногиганты, в особенности Илон Маск или Сэм Альтман, которые яро пропагандируют идеи AGI и вот-вот обещают выпустить подобную модель. Но, к сожалению или к счастью, это невозможно, и вот почему.

Привет, Хабр!

Обычно мы, ИТ-инженеры, что-то создаём: вводим в эксплуатацию системы, ставим новое железо, настраиваем ПО, добавляем память в серверы и диски в СХД.
Но иногда жизнь подкидывает прямо-таки противоположные задачи — и тогда бывает нужно аккуратно разобрать то, что строилось годами. Или разделить монолитную инфраструктуру на части так, чтобы бизнес даже не заметил этого хирургического вмешательства без анестезии.

Такие проекты требуют не только технической экспертизы, но и инженерного творчества.
И, что важнее, — человеческой выдержки. Потому что отключать то, что ты сам когда-то запускал и поддерживал, бывает эмоционально больно.

Эта история — про локализацию московского офиса крупного международного банка. Она будет особенно близка тем, кто уже участвовал в «разводе» инфраструктур. А тем, кому это только предстоит, — может сэкономить пару нервных клеток.

Глава 1. Постановка задачи

Однажды меня вызвали на разговор и поставили задачу: помочь ИТ-подразделению московского филиала международного финансового института отделиться от «материнской» компании.

Сразу стало понятно: проект будет сложным, а никаких приятных перспектив на горизонте не маячит. Но отказаться было нельзя — такие задачи не выбирают, они выбирают тебя.

NB: В подобных проектах решающую роль играют отношения между командами заказчика и исполнителя.
Я ожидал атмосферы тотального недоверия. Но ошибся — команда заказчика оказалась профессиональной и адекватной. Пользуясь случаем, ещё раз передаю им респект.

Формально задача выглядела просто: в нужный день рубим кабель, режем трафик на firewall — и всё, офис независим.

Редко когда дизайнеры сочетали в себе функции философов и ярких модернистов, двигающих практику создания внешне нестандартных вещей вперед. Одним из таких исследователей, оставивших заметный теоретико-практический результат, был Виктор Папанек. О нем и расскажем подробнее в нашем сегодняшнем материале.

Хорошая новость: рекламы “тестирование - это легкий вход в айти” от крупных онлайн-платформ больше нет, экономика вместе с IT-наймом упали и курсы по тестированию начали закрываться.

Плохая новость: первыми закрываются курсы с уровнем трудоустройств студентов 50%.
А не те, после которых офферы в IT получают 5%.
Значит, инфоцыган пропорционально становится только больше.

Расскажу, как собрал бота для AI-суммаризации Telegram-каналов: архитектура, выбор LLM-провайдера, оптимизация скорости и неочевидные проблемы при деплое на российский VPS.

Привет, Хабр! На связи Вадим, сооснователь проекта Аврора.

В октябре мы запустили MVP AI-агента автоматизирующий поиск работы. Стек классический для стартапа образца 2025 года: Python-бэкенд + Telegram-бот в качестве фронтенда.

Логика казалась железной: «Зачем пилить сайт, верстать адаптив и мучить юзера регистрацией, если все сидят в телеге? Сделаем инлайн-кнопки, и погнали».

Мы ошиблись.

Если вы делаете «напоминалку» или «генератор картинок» — бот идеален. Но если вы делаете инструмент для тонкой настройки поиска (грейды, исключения, сложные фильтры), интерфейс чата превращается в ад.

Сегодня расскажу, как мы уперлись в UX-стену, временно закрыли регистрацию новых пользователей и за неделю переехали в Web App, чтобы реализовать то, что невозможно сделать кнопками — Real-time превью выдачи.

Всем привет! Это Данила Ляпин, наставник курса «Специалист по Data Science». Собрал для вас подборку материалов по компьютерному зрению и обучению нейросетей. Здесь вы найдёте полноценные курсы, туториалы, обзорные статьи и справочные материалы. Подборка пригодится как новичкам в ML, так и практикующим инженерам — старался пояснять в описаниях, для кого подойдёт конкретный материал.

wdwd (talk · contribs)

Некоторое время назад, мы рассматривали такую интересную штуку, как умножитель напряжения — он часто используется и позволяет минимальными средствами, удваивать напряжение на каждом каскаде. 

Однако, на практике, с завидным постоянством возникает и абсолютно противоположная задача — уменьшение напряжения! :-) Причём для этой задачи существует множество решений, где одно из них стоит особняком, в виду своей способности решить задачу, также, как и умножитель, минимальными средствами. 

Посмотрим, что же это такое…

Бренд — это не логотип и не коммуникация. Это система решений, которая формирует продукт, опыт и траекторию развития компании. Одни компании строят продукты. Другие — выстраивают систему, где бренд становится архитектурным принципом. Разница определяет выживаемость.

Почему одни кандидаты проваливаются из-за одной фразы, а другие проходят дальше, даже без идеальных ответов? Семь реальных подводных камней собеседований, о которых обычно узнают слишком поздно.

В прошлый раз мы Beeline Cloud делали большой разбор о том, чего уже добились «ИИ-ученые», и обсуждали, способны ли нейронки делать самостоятельные открытия. Сегодня посмотрим, как обстоят дела с одним из легендарных драйверов науки (и не только) — озарениями или прозрениями — ситуациями, когда идея приходит в голову «из ниоткуда». Смотрим на свежие исследования о том, как возникают «эврика-моменты», почему они хорошо запоминаются и можно ли вообще доверять внезапным озарениям.

Вы когда-нибудь задумывались, почему в вашей любимой игре одни двери открываются, а другие - просто декорация? Почему за одной дверью - босс, а за другой - пустая комната? И я сейчас не про техническую реализацию, а про то, как дверь влияет на восприятие мира, на доверие игрока к системам игры и на саму логику игрового пространства. Это так называемая «Проблема дверей», и сегодня мы разберем, почему эта, казалось бы, простая вещь ломает мозг каждому геймдизайнеру.

Представьте: вы делаете свою первую игру. Вы добавляете дверь. Казалось бы, что может быть проще? Но тут же возникает куча вопросов.

Можно ли открыть эту дверь? Если да - как? Ключом, кнопкой, после выполнения квеста? А если нет - почему она вообще здесь? Является ли она просто частью декорации? Но тогда как игрок поймет, что одни двери - интерактивны, а другие - нет? Ведь если половина дверей в мире нерабочая, а другая - функциональная, но визуально они неотличимы, вы создаете фрустрацию, а не загадку.

А что, если дверь открывается только с одной стороны? Игрок проходит через неё, оборачивается - и видит, что обратно пройти нельзя. Это намеренное ограничение? Или баг? Как вы донесете до игрока, что это часть замысла, а не недоделка?

Или вот ещё: дверь закрывается за спиной. Это должно вызывать напряжение - как в Resident Evil. Но если игрок не был готов к этому, он может подумать, что застрял. Где тут грань между атмосферой и плохим UX?

Еще сложнее - когда дверь становится частью нарратива. Например, вы не можете открыть дверь в дом, потому что «герой ещё не готов эмоционально». Но механически это выглядит как обычная запертая дверь. Игрок не видит внутреннего конфликта персонажа - он видит стену. И начинает биться головой в попытках найти ключ, которого не существует. Так вы рискуете разрушить погружение, а не усилить его.

Когда я начинал карьеру в ИТ в роли разработчика, я довольно рано начал слышать одну и ту же фразу от более опытных коллег и руководителей:

«Тут проблема не в разработке. Тут проблема в управлении».

Эта фраза всплывала в самых разных контекстах — когда срывались сроки, когда продукт не давал ожидаемого результата, когда архитектура начинала сыпаться, а команда выгорала, продолжая делать работу ради работы.

Она звучала убедительно и как будто бы всё объясняла, но в этом и заключалась проблема: такая формулировка работает как универсальное объяснение, которое не требует ничего уточнять. Она не заставляет указывать причину, место возникновения или критерии доказательства — и потому разговор неизбежно уходит в абстракцию, где управление превращается в туманную смесь «не той культуры», «не того мышления» и «не тех людей».

Как говорил Луначарский, дайте мне томик Ленина — и я найду в нём такую цитату, которая способна объяснить любое явление в этой вселенной.

Первое крупное контролируемое исследование влияния ИИ-ассистентов на поддерживаемость кода: код, написанный с GitHub Copilot и Cursor, не стал сложнее в эволюции для других разработчиков. В двухфазном эксперименте с 151 участником (95% — практикующие специалисты) одни разработчики создавали фичи с ИИ и без, а другие — развивали чужой код, не зная его происхождения.

Результат: нет значимых различий по времени, качеству кода (CodeHealth) или покрытию тестами. При этом в первой фазе ИИ дал типичное ускорение на 31–56%. Авторы предупреждают о двух невидимых рисках — раздувании кода и когнитивном долге — которые краткосрочные метрики не захватывают.

Привет, Хабр! В прошлой статье я разобрал 5 техник тест-дизайна, которые спрашивают на собеседованиях.

Статья будет полезна и новичкам, и тем, кто хочет систематизировать знания перед собеседованием. Каждую тему объясняю с нуля - с аналогиями из жизни, и тут же даю профессиональную глубину.