Kurgan-Telecom Ru | Информационные технологии

Привет, Хабр! Эта статья про то, как команда корпоративной архитектуры ДОМ.РФ выстраивала управление ИТ на основе единого реестра автоматизированных систем. В ней мы поделимся опытом, как и почему и пришли к этому решению, а также расскажем про плюсы и минусы данного подхода.

Предыстория

Для начала объясним, что из себя представляет группа ДОМ.РФ и её ИТ-ландшафт. 

Группа компаний ДОМ.РФ реализует нацпроекты в области жилищного строительства с 1997 года и развивает цифровизацию российской строительной отрасли и банковской сферы. В группу входит множество направлений – от собственного банка до лифтостроительного завода. Все направления имеют ИТ-составляющую и свои оцифрованные процессы.

Встречайте suex и sush – su и sudo в новом формате.

Эти современные решения, написанные на чистом C, появились как упрощенные альтернативы для тех, кто считает традиционные su и sudo чрезмерно сложными.

На связи @Menzorg Я получил обратную связь о недостаточной технической нагруженности, и постараюсь в этот раз быть предметнее. В прошлый раз мы начали путешествие в мир магии программирования, где код становится заклинанием, а разработчик — магом, управляющим стихиями, через которые магия находит свою реализацию. Это вторая статья из цикла, и я хочу продолжить эту метафору, погрузившись глубже в особенности взаимодействия противоположных сил.

Понадобился специфичный вариант "сигнализации в машину". Можно было использовать сочетания покупного иммобилайзера и GPS трекера (делал так). Но, захотелось сделать свое, адаптированное под мои хотелки. Делал исходя из "а почему бы и нет". Однако, с практическим применением (поставил в машину).

Все что хотел из функциональности - сделал.

Хотел бы поделится опытом не очевидных проблем "на пути".

Привет, Хабр!
Иногда кажется, что если выдернуть кабель, то всё будет безопасно. Но в современном мире даже воздух может быть каналом атаки. Как же тогда правильно изолировать сеть? Разбираемся.

Как-то всем отделам дали задание: предоставить матрицы компетенций. Все поняли его по-своему. Я не был исключением. Речь пойдёт о том, зачем нужен более высокий уровень абстракции для матрицы компетенций, и как он называется?

Срезы (slices) в Go могут показаться простыми при первом знакомстве, но их эффективное использование требует понимания внутреннего устройства и особенностей работы с памятью. Многие разработчики сталкиваются с путаницей между понятиями длины и емкости срезов, что может привести к неэффективному использованию памяти или даже утечкам. Важно разобраться, как эти концепции работают при выполнении базовых операций: инициализации, добавлении элементов, копировании и нарезке.

В этой статье мы рассмотрим внутреннее устройство срезов, длину, емкость и связь с базовыми массивами, а также разберем распространенные ошибки и оптимальные практики их использования. Мы изучим особенности работы с функциями append и copy, узнаем, как предотвращать утечки памяти при работе с большими срезами, и обсудим различия между нулевыми и пустыми срезами. Также уделим внимание вопросам производительности, включая правильную инициализацию срезов и работу с указателями, чтобы помочь вам писать более эффективный и безопасный код.

Данная статья навеяна мнением о том, что все участки биржевых графиков в прошлом уже повторялись, потому что поведение участников рынка подчиняется типовым сценариям. И если оцифровать все графики, то можно находить похожие участки в текущий момент времени и предполагать, какое движение будет в ближайшее время.

В статье рассматривается использование теста TPC-H с PostgreSQL и проблемы, связанные с запросами Q17-Q20 теста.

Введение

Вместе с PostgreSQL поставляется утилит pg_bench с "TPC-B like" тестом. Кроме этого теста были созданы тесты TPC-R для отчётов, TPC-D для OLAP, TPC-W для заказов в веб-магазине, которые не получили распространения. На основе TPC-D был создан более удачный тест TPC-H для хранилищ данных и аналитических запросов ("OLAP нагрузка"). В тесте используется 8 таблиц и 17 ограничений целостности. В TPC-H выделены номинации по размерам обрабатываемых данных от "до 100Гб" до  30-100Тб. Тест TPC-H предназначен для хранилищ данных, включает в себя 22 запроса, которые называют Q1 ... Q22.

Запросы теста TPC-H не меняют данные в таблицах, а значит, для повторных тестирований не нужно пересоздавать или вакуумировать таблицы. В тестах TPC-B, TPC-C, TPC-E запросы довольно простые. В реальных приложениях запросы более сложные, чем в этих тестах. Поэтому для тестирования того, как СУБД выполняет запросы, которые могут встретиться в реальных приложениях, можно использовать все или отдельные запросы из теста TPC-H. Для быстрого аудита производительности различных СУБД используют вариант с 1Гб данных. В этом варианте запросы выполняются быстро, не нужно много памяти под экземпляр СУБД и много места на диске. Можно найти программы или скрипты для большинства СУБД, например, для PostgreSQL, Oracle Database, MySQL. После теста TPC-H появился тест TPC-DS с 99 запросами, но он менее популярен.

Исследования показывают, что ИИ развивается примерно в три раза быстрее человеческого ребёнка. За 3 года языковые модели эволюционировали от уровня дошкольника (GPT-3) до продвинутого школьника, превосходящего людей в некоторых задачах, особенно в программировании.

Этому способствуют два фактора: стремительное развитие аппаратной базы и оптимизация алгоритмов. Уже сейчас ИИ-агенты могут выполнять сложные задачи, хотя и с ограничениями — они медленны, нестабильны и используют временные решения.

В ближайшем будущем ИИ-агенты смогут полноценно взаимодействовать с любыми системами и программами, фактически становясь виртуальными сотрудниками. Они будут интегрироваться в компании, изучать их документацию, общаться с коллегами, адаптироваться к корпоративной культуре и постоянно обучаться.

По моим оценкам, примерно через 3 года технология достигнет уровня, когда появятся автономные агенты, способные успешно заменить удаленного сотрудника. Большинство считает, что до этого десятилетия, но темп развития ИИ говорит об обратном.

Как удаленным работникам готовиться к этой реальности?

В наше время компьютерными выставками, на которых гиганты индустрии поигрывают мышцами на потеху публике, а Разрушители Легенд стреляют по холсту из циклопической краскопушки, никого не удивишь. Мы пресытились и перестали считать компьютеры чем-то заслуживающим внимания. Чем-то особенным. Даже конференции по ИИ и робототехнике не вызывают у нас вау-эффекта. А человека без смартфона принято считать дауншифтером, отщепенцем и «не таким, как все».

Однако каких-то 40 лет назад всё было совсем иначе. Компьютерных энтузиастов называли гиками. Мало кто понимал потенциал компьютерных технологий. Герой сегодняшней статьи был одним из пионеров отрасли, всерьез поверившим в грядущую технологическую революцию. И отчасти благодаря его вкладу сформировалась современная ИТ-индустрия.

Copilot в Obsidian — полноценное решение для загрузки личной базы знаний в LLM-модель. С её помощью можно лучше понять себя, собрать мысли и найти новые связи в своих заметках.

Для подключения модели можно использовать множество различных поставщиков LLM-моделей.

В этой статье мы будем использовать локальную модель, запущенную с помощью Ollama. Поэтому нам понадобится командная строка, Docker и видеокарта (лучше от 24 Гб видеопамяти, или же для эксперимента можно арендовать GPU-сервер на пару часов).

В этой статье я расскажу о моем опыте самостоятельного изучения основ Python и Machine Learning и создании первого проекта OneLove на базе собственной модели искусственного интеллекта (ИИ).

Привет, Хабр!

В этой статье рассмотрим //go:linkname — неофициальной, но невероятно мощной фиче Go, которая позволяет вызывать приватные функции и обращаться к закрытым переменным других пакетов.

Год назад компания Boston Dynamics представила своего нового гуманоидного робота — Atlas. Это ознаменовало смену их стратегии: от гидравлических приводов они перешли к электрическим — более мощной и надёжной системе привода, что продемонстрировало их серьёзные намерения в борьбе за лидерство в следующем поколении потребительской электроники — гуманоидных роботов.

В 2025 году API для работы с искусственным интеллектом стали неотъемлемым инструментом для разработчиков, стремящихся быстро внедрять мощные AI-функции без необходимости глубоко разбираться в машинном обучении. В этой статье — практический обзор ключевых провайдеров AI API, таких как OpenAI, Anthropic, Google и AWS, а также новых решений вроде Groq и Cerebras, предоставляющих высокопроизводительные платформы инференса. Мы разбираем особенности, ценовые модели и сценарии использования, чтобы помочь вам сориентироваться в быстро развивающемся ландшафте технологий искусственного интеллекта.

Недавно меня спросили про амбициозную задачу из моего рабочего опыта, которую непонятно было как решить.

Поэтому сегодня я решил написать про основные методологии, которые помогут решать такие сложные и абстрактные задачи, без понятного гайда к их решению.

Так как я близок по работе с атрибуцией трафика, то возьмем близкую мне проблему. С 2021 года на IOS появилось возможность у пользователей запрещать приложению отслеживать внутренний рекламный идентификатор пользователя внутри приложения.
Многие разработчики пытаются вырастить процент пользователей, который разрешит отслеживать этого пользователя, так как это позитивно влияет и на прозрачность маркетинга, и дает плюсы, если у вас приложение с рекламной монетизацией.

Поэтому давайте рассмотрим следующую задачу: "Нам нужно вырастить Consent Rate пользователя в 2 раза"

... Эксперимент удался, на волне хайпа в разработку начали залетать остальные driven’ы – BDD (Behavior-Driven Development), DDD (Domain-driven design) и т.д. Все они методом попугайничества заходили и в область тестирования до того, как появился DDP (Data-driven programming), здесь процесс адаптации в тестирование дал сбой. Парадигма предложила крайне интересную концепцию – программно-аппаратный комплекс может быть спроектирован и построен на основе данных, которые он должен генерировать, если эти данные заранее известны, либо на основе данных, которые генерируют аналогичные системы. Данные как бы являются целью итеративных попыток аппроксимации различных фич приложения, поэтому сразу отделены от кода. Трансформация DDP –> DDT (Data-driven testing) стала совершенно бессмысленной, потому что тестировщики всегда знали, что оракулом могут служить данные системы-аналога.

В этой статье я расскажу, как майнинг не только отапливает дом моей бабушки, но и приносит ей дополнительный доход.

Делюсь своим опытом, реальными расчетами и нюансами такого отопления!

Возможна ли искусственная жизнь? А искусственная эволюция? На эти вопросы здесь нет ответов, но если вам они интересны то заглянуть сюда стоит.