Kurgan-Telecom Ru | Информационные технологии

Дофамин – это не просто гормон удовольствия, а нейромедиатор мотивации и предвкушения. Его главная задача – закреплять поведение, которое эволюционно полезно: поиск пищи, социальное одобрение, победы в конкуренции. Но в современном мире появились сверхстимулы – неестественно быстрые и интенсивные источники дофамина: лайки, бесконечный скролл,  новостные ленты, компьютерные игры и т.д. 

nanoCAD GeoniCS – это мощный современный инструмент для землеустройства и изысканий. Однако в высокоспециализированных отраслях, таких как маркшейдерское дело на угледобыче, стандартных инструментов часто бывает недостаточно. Яркий пример этого опыт «Разреза Кирбинский», который не только перешел с Civil 3D на nanoCAD GeoniCS, но и создал цифровую среду, идеально заточенную под сложные процессы: от планирования горных работ до контроля за буровзрывными операциями.

Как им это удалось читайте в этой статье.

Когда амбиции сталкиваются с экономикой, математикой и логикой — математика всегда побеждает.

Я писал об этом ещё в начале января: OpenAI тонет — и рискует утянуть за собой значительную часть ИИ-индустрии. Тогда мало кто был готов это слышать. Оно и понятно — со стороны казалось, что у Сэма Альтмана дела идут просто блестяще.

Посудите сами. OpenAI — Компания года по версии Yahoo! Finance. Оценка на вторичном рынке перевалила за полтриллиона. Главный стратегический партнёр — Microsoft. Крупнейшие сделки с Oracle, AMD, Nvidia. На горизонте восьми лет — $1,4 триллиона инвестиционных обязательств.

Красота, правда?

А теперь давайте посмотрим, что из этого получилось на самом деле.

Поколения сотовой связи меняются приблизительно раз в десять лет. Возможно, в будущем, мы увидим ускорение этого процесса, но пока тайминги более-менее выдерживаются. И если старт внедрения 5G пришелся на 2020-е годы, значит совсем скоро, года через четыре, мы уже можем ждать 6G.

Спойлер: можем. В феврале 2026 года был утвержден драфт техтребований к стандарту.

Каким он будет? На какие запросы пользователей он ответит? И как он собирается изменить нашу жизнь? Давайте обсудим!

Меня зовут Аскольд Романов, я руковожу продуктовой командой в Яндекс Образовании. Сегодня я хочу поделиться историей своего проекта K2-18. Это опенсорс‑инструмент, который трансформирует учебный текст в семантический граф знаний с образовательными метриками. Я назвал его в честь экзопланеты, в атмосфере которой (предположительно) нашли водяной пар: тоже история про извлечение скрытой структуры из наблюдаемых данных. В этой статье — как устроен инструмент, какие решения за ним стоят и что с этим графом можно делать.

Моя основная задача в Образовании — внедрение AI‑технологий в образовательные процессы, и K2-18 вырос из этой работы напрямую. Мне нужно было решить конкретную задачу: как превратить учебный контент в структуру, с которой LLM сможет эффективно работать для построения различных образовательных сценариев.

Идея родилась не на пустом месте. Я закончил ВМиК МГУ и аспирантуру там же с научным фокусом на компьютерной лингвистике. Сейчас, когда LLM научились читать текст, понимать его структуру и контекст, оказалось, что знания, опыт и контекст текущей работы позволяют решить эту задачу системно. 

Конечно, семантические графы — это не новая идея. Но мне всегда хотелось сделать знания в учебных курсах действительно структурированными, а не скрытыми за линейными страницами учебника — так, чтобы и студенту, и преподавателю было легко ориентироваться и развиваться в своем темпе. По сути, это и есть один из продуктивных сценариев применения ИИ в образовании: помогать лучше структурировать знания и выстраивать более персонализированное обучение. 

У многих из нас есть слабость к маленьким многофункциональным гаджетам. К тем самым коробочкам с мигающими светодиодами, которые покупаются под лозунгом «ну это же мне очень надо!», а потом укоризненно смотрят на тебя с полки. У меня к этой категории относятся «тамагочи для хакеров» Flipper Zero и оранжевый свисток M5StickC Plus2.

С «Флиппером» всё понятно: для классических хакерских шалостей (открывать шлагбаумы и пугать соседей) я его не использую, пару раз клонировал ключи от подъезда да дублировал пропуск на работе. Для меня это стильные настольные часы, токен для аутентификации и крошечная панель мониторинга (я переписал под себя приложение для мониторинга ПК, чтобы выводить на экран загрузку процессора, ОЗУ, видеокарты, состояние сети и прочие метрики).

С M5StickC Plus2 история похожая. Он был куплен по той же причине, по которой айтишники покупают седьмую механическую клавиатуру: потому что штука прикольная. Я покрутил разные прошивки, поигрался с Bruce — швейцарским ножом для устройств M5 — и даже попытался сделать из него такой же экранчик мониторинга, но в отличие от Флиппера, заряда которого хватает на пару дней приёма метрик с ПК через BLE, стик садится почти моментально, да и его экран ощутимо меньше. А потом он предсказуемо перешёл в режим ждуна: лёг на стол и стал ждать своего часа.

Мы побывали на крупной птицефабрике в Татарстане. Интегратор из Казани реализовал здесь несколько проектов: автоматизацию дезинфекционного барьера на въезде, диспетчеризацию микроклимата птичников, а также мониторинг комбикормового завода и системы водоподготовки.

Ниже разберем, как устроена каждая из этих систем.

В малом и среднем бизнесе ИТ почти никогда не падает «одним щелчком». Сначала CRM просто «задумывается». Потом счета за облако растут из месяца в месяц, а техподдержка отвечает все дольше. Потом увольняется единственный приходящий сисадмин — и внезапно выясняется, что паролей от серверов нет, резервные копии не делались год, а новый подрядчик возьмет инфраструктуру без документации с более высоким чеком.

Одна из последних историй из практики. Производственная компания: четыре физических и десять виртуальных серверов, около 150 пользователей, критичные системы — 1С, файловые ресурсы, почта, виртуализация. На уровне ощущений «все работало»: да, были сбои, но их списывали на нагрузку и «особенности 1С». Когда владельцы задумались о росте производства, выяснилось, что никто не знает, выдержит ли текущая инфраструктура этот рост. Аудит показал: нет централизованных обновлений и нормальной антивирусной защиты, не хватает дискового пространства на ключевых серверах, виртуализация без отказоустойчивости, нет резервных копий для важных баз и беспорядок в Active Directory. Формально все еще «работало». Фактически компания жила на пороховой бочке: один серьезный сбой или вирусная атака — и производство встает надолго.

Мы разобрались с асинхронщиной, идемпотентностью и моками. Код выглядит хорошо. Тесты проходят. Но когда проект вырастает до тысячи тестов, начинают падать вещи которые падать не должны, и причина почти никогда не в логике теста.

Причина в архитектурных минах которые заложили месяц назад и забыли. В этой части разберём самые частые из них и настроим ESLint чтобы робот ловил их вместо лида на ревью.

Примеры кода намеренно упрощены для наглядности. Фокус на идее, не на архитектуре.

О том, как одна базовая задумка – сделать разработку управляемой, пережила эпоху тяжелых каскадных проектов, DevOps, CI/CD, и подошла к 2026 году уже в совсем зрелом виде.

Target encoding кажется удобным способом «сжать» категориальные признаки и добавить модели сигнал, но вместе с этим он легко приводит к утечке таргета и завышенным метрикам, которые не переживают прод. В статье разбирается, где именно возникает leakage, почему наивная реализация ломает модель и как правильно считать признаки через LOO и K-Fold, чтобы получать честный результат, а не иллюзию качества.

Есть мнение: раз ты рекрутер, то знаешь рынок изнутри, понимаешь, как устроены собеседования, и по вакансиям сразу видишь, чего хочет работодатель. Это не так

Пишет Катя, ИТ-рекрутер Outlines Tech. Я в найме с 2013 года, но когда сама выходила на рынок, то сталкивалась с тем же, что и многие: ожиданиями, сомнениями, непонятными отказами со стороны компаний и ситуациями, которые трудно объяснить логикой. Хочу поделиться несколькими такими историями из моего опыта и что я из этого почерпнула.

Когда в медиа появилась новость, что выращенный в лаборатории мозговой органоид научили решать задачу управления, многие увидели в этом очередную научную сенсацию из серии «человечество создало живой компьютер». Другие, наоборот, отмахнулись: мол, это красивый эксперимент, который не имеет отношения к реальной индустрии и никогда не выйдет за пределы научной статьи. Обе реакции понятны, но обе упускают главное.

Ценность подобных работ в другом: они показывают, что на стыке вычислительной техники, нейронауки и биоинженерии постепенно формируется новое поле, в котором вычисление перестает быть исключительно задачей кремниевой электроники в ее привычном виде. Еще недавно разговор о нейроморфных системах воспринимался как смесь академической романтики и идеологического футуризма. Но теперь у этого разговора появляются собственные артефакты — метрики, архитектуры, платформы, ранние продукты и, что особенно важно, инженерные ограничения, которые уже можно обсуждать всерьез.

Поговорим о том, что такое нейроморфные вычисления, почему ими занимаются не только нейробиологи, но и крупнейшие технологические компании, почему между лабораторным прототипом и настоящим рынком лежит огромная дистанция и как, несмотря на разрыв, за развитием этой сферы уже стоит следить почти так же внимательно, как когда-то за первыми GPU-ускорителями, квантовыми компьютерами или edge AI.

Всем привет! Я Ольга Матушевич, преподаватель курса «Нейросети для бизнеса», а в прошлом наставница на курсе «Аналитик данных». В этой статье я постараюсь дать рецепт хорошего промпта на все случаи жизни. Если вы пользуетесь популярными нейросетями вроде ChatGPT или Gemini, но при этом получаете стабильно разочаровывающие результаты — читайте дальше. 

Есть удобное объяснение: человек не делает важное, потому что ленив. Оно красивое, моральное и полностью неверное.

За последние двадцать лет психология прокрастинации собрала достаточно данных, чтобы предложить другую версию. Она сложнее, но объясняет гораздо больше: почему прокрастинируют именно умные, почему фаундеры-технари прячутся в коде вместо продаж, почему взрослый человек с IQ 140 не может сесть и написать одно письмо клиенту — и при этом проводит час, выбирая идеальный шрифт для презентации, которую никто не увидит.

Эта статья — попытка разложить всё это на механизмы. С цифрами, именами и ссылками на исследования. И с разбором того, что из этого реально работает — потому что индустрия «продуктивности» продала миру слишком много матриц Эйзенхауэра и слишком мало правды.

Привет, Хабр! Расскажу, как мы спасли крупный новостной сайт ugra-news.ru от постоянных падений — без покупки нового железа и переписывания с нуля. Только точечные оптимизации, знание архитектуры Битрикс и немного детективной работы. Приступим.

Когда мы говорим о будущем российской нефти, в голове обычно возникает стандартный набор образов: ледоколы, буровые платформы в Арктике, сверхглубокие скважины и бесконечная геологоразведка в поисках новых месторождений. Мы привыкли думать, что нефть нужно искать там, где нас еще нет.

Но что, если главная нефтяная провинция будущего находится прямо у нас под ногами — на тех самых месторождениях, которые мы считаем «выработанными»? Что, если «вторая Западная Сибирь» — это не новая география, а новый способ смотреть на старые промыслы?

В этой статье мы разберем, почему при текущих технологиях мы оставляем в земле до 70% нефти, как советский геолог Иван Нестеров еще десятилетия назад предложил элегантное решение этой проблемы, и почему сегодня, глядя на свежие публикации китайских ученых в журнале Physics of Fluids, мы рискуем упустить шанс стать лидерами новой технологической волны — волны, которую сами же и начали.

Представьте, что вы создаёте мощное поисковое приложение. Пользователи вводят ключевые слова, а ваш бэкенд должен выполнять запрос к базе данных Manticore Search, чтобы найти подходящие результаты. Распространённый (и соблазнительный!) подход — напрямую вставлять ввод пользователя в SQL‑запросы. Например, вы можете фильтровать по числовому полю, такому как категория или идентификатор записи. Если пользователь передаёт обычное значение, например 5, запрос будет SELECT FROM products WHERE id=5. А что, если он передаст 1 OR 1=1? Запрос станет SELECT FROM products WHERE id=1 OR 1=1 — условие всегда истинно, поэтому запрос вернёт все строки вместо одной. Это SQL‑инъекция.

К счастью, существует более безопасный и эффективный способ: prepared statements. По сути, prepared statements отделяют ваш SQL‑код от передаваемых данных. Вместо того чтобы каждый раз собирать всю строку запроса, вы один раз задаёте структуру запроса с маркерами параметров, а затем отдельно передаёте поисковые термины. Подробнее о концепции можно узнать на Wikipedia .

Manticore Search поддерживает prepared statements через стандартный протокол MySQL, предоставляя мощный инструмент для создания безопасных поисковых приложений. Используя prepared statements, вы не только значительно снизите риск SQL‑инъекций, но и улучшите читаемость вашего кода.

prepared statements — это не просто функция; иногда они являются обязательными. Например, библиотека Rust sqlx работает с MySQL-эндпоинтом, используя исключительно prepared statements. Кроме того, некоторые OLE DB‑коннекторы, позволяющие MS SQL работать с сервером MySQL, тоже используют prepared statements внутри.

Привет! Мы — команда hh.ru: Андрей Панкратов, исследователь пользовательского опыта, Регина Насибулина и Лиза Спицына, специалисты по рекруту респондентов. Мы на регулярной основе проводим интервью с пользователями, чтобы лучше понимать их опыт и быть на связи с соискателями и работодателями. Важный момент: в этих беседах мы ищем не новых сотрудников в компанию, а именно тех людей, которые готовы поделиться опытом использования нашего сервиса.

Рекрут респондентов в hh.ru ведётся двумя способами: через опросы на сервисе и с помощью целевого обзвона аудитории. По итогам 2025 года из 10 согласившихся поучаствовать до интервью доходят только 7.  Остальные отказываются прямо перед встречей или просто перестают выходить на связь. Мы проанализировали причины отказов участвовать, чтобы найти точки роста и повысить мотивацию пользователей.

Приветствую всех читателей Habr. Время от времени я выкладываю в открытый доступ некоторые свои проекты по электронике. Сегодня я хочу представить устройство, которое делал с особым удовольствием - EFEKTA Open PM Monitor.

Это Zigbee-датчик мониторинга твердых частиц (PM1.0, PM2.5, PM10). В версии 2.0 в проект добавился сенсор ENS160 для измерения TVOC, eCO2 и AQI, а также небольшой дублирующий OLED-дисплей 128×64.

Но главная его «фишка» - аналоговый стрелочный индикатор.