Kurgan-Telecom Ru | Информационные технологии

Одна из проблем при проектировании сверточных сетей (CNN) – несоответствие размеров тензоров. Неправильно заданные padding, stride или dilation могут замедлить разработку модели.

Этот туториал – шпаргалка по формулам расчета размерности преобразованного изображения. Мы разберем, как каждый параметр свертки влияет на ширину и высоту выходного тензора. Материал будет полезен как новичкам, так и опытным разработчикам, желающим освежить ключевые формулы.

Быстрые автомобили. Гламурные локации. Драма на трассе и за ее пределами.

Растущая популярность Формулы 1 во многом обусловлена "Эффектом Netflix".

Я попросил отметить расширение Highlighter Extension рекомендованным, и этого оказалось достаточно!

Ежедневные установки примерно удвоились, ну может, увеличились в полтора раза. Весь процесс занял 2–3 дня (люди пишут, что бывает от нескольких дней до месяца).

Речь в этой статье пойдет о личной продуктивности или как сделать больше в единицу времени и не "рипнуться от напряга". В свое время я пытался оптимизировать свой график, тогда я еще работал 5/2 и вел свой пет проект создавал игру на юнити. Времени на все катастрофически не хватало. В перерывах на работе я читал книгу по гейм дизайну и паттернам, а приходя домой сразу садился за работу. В то время я думал, что надо все больше и больше прилагать усилий, потому что другого варианта нет. В итоге игру я все же завершил, но в добавок получил хорошее выгорание. Чтобы предотвратить подобное, я разобрал некоторые не просто разобрал свои ошибки с отдыхом и мотивацией, а определил четкие принципы.

Всем привет. Я уже примерно 3 года занимаюсь ведением рекламы на маркетплейсах, в частности ВБ, и поскольку люблю все автоматизировать - разработкой и поддержкой инструмента для управления рекламными кампаниями и аналитикой через публичный API Wildberries.

И в целом я уже привык к тому, что иногда новые версии методов абсолютно не соответствуют старым, даже там, где можно было сделать обновленную версию с минимальными изменениями, чтобы разработчик просто поменял URL ендпоинта. Привык что приходится иногда делать работу ради работы по сути, потому что кто-то не продумал заранее проблемные нюансы.

Но в последнее время в АПИ произошло такое количество изменений, и они настолько напрягают своими неочевидными ошибками, что уже "накипело", и хочется это сформулировать в виде какого-то структурированного текста с примерами, вдруг кто-то из команды обратит на это внимание.

Постараюсь описывать проблемы WB API не с позиции «пользователя, которому не понравилось», а с точки зрения интегратора, который отвечает за стабильную работу рекламы для нескольких клиентов с миллионными оборотами. Я сознательно опускаю детали реализации и не привожу конкретные ID кампаний и запросы, но описываю поведение, воспроизводимое на сотнях кампаний нескольких клиентов.

Представьте мир, где ваш смартфон не просто запускает нейросеть — он становится частью глобального вычислительного мозга. Мир, где беспилотный автомобиль обрабатывает данные не в далёком облаке, а в динамической сети соседних машин и дорожной инфраструктуры. Мир, где умный завод принимает решения не централизованно, а через коллективный разум тысяч датчиков и роботов, обменивающихся нейронными активациями в реальном времени.

Это не сценарий далёкого будущего — это насущная потребность сегодняшнего дня. Пока гиганты ИИ соревнуются в создании всё более крупных моделей с триллионами параметров, реальный мир сталкивается с жестоким парадоксом: самые продвинутые системы искусственного интеллекта оказываются беспомощными там, где они нужнее всего — на периферии, в условиях ограниченной связи, скудной энергии и жёстких требований к задержкам.

В прошлом квартале я внедрил Microsoft Copilot для 4000 сотрудников.

$30 за место в месяц.

$1,4 миллиона в год.

Я назвал это "цифровой трансформацией".

Совету директоров понравилась эта формулировка.

Они одобрили за одиннадцать минут.

Никто не спросил, что это вообще будет делать.

Включая меня.

Я всем говорил, что это "увеличит продуктивность в 10 раз".

Это не реальная цифра.

Но звучит как реальная.

HR спросил, как мы будем измерять это увеличение в 10 раз.

Я сказал, что мы "задействуем аналитические дашборды".

Вопросы прекратились.

Три месяца спустя я проверил отчёты по использованию.

47 человек открывали его.

12 использовали больше одного раза.

Один из них — это я.

Я использовал его, чтобы пересказать письмо, которое мог прочитать за 30 секунд.

Это заняло 45 секунд.

Плюс время на исправление галлюцинаций.

Но я назвал это "успешным пилотом".

Успех означает, что пилот не провалился явно.

Финдир спросил про ROI.

Я показал ему график.

График шёл вверх и вправо.

Он измерял "AI-enablement".

Я эту метрику придумал.

Он одобрительно кивнул.

Теперь мы "AI-enabled".

Я не знаю, что это значит.

Но это есть в нашей инвесторской презентации.

Старший разработчик спросил, почему мы не используем Claude или ChatGPT.

Я сказал, что нам нужна "энтерпрайз-безопасность".

Он спросил, что это значит.

Я сказал "комплаенс".

Он спросил, какой именно комплаенс.

Я сказал "все виды".

Он выглядел скептически.

Я назначил ему "встречу по развитию карьеры".

Вопросы прекратились.

Microsoft прислала команду для кейс-стади.

Они хотели представить нас как историю успеха.

Большие компании нацелены на Процесс и совершенно не работают на Результат, это их и губит.

1.Специфика больших компаний.

Всем известна фраза: «Слишком большие, чтобы разориться». Но слишком быстрые изменения мира и рынка могут свести на нет те преимущества, что казались раньше абсолютными.

Неоспоримое преимущество - размер и финансовая подушка может иметь для больших компаний обратный эффект, то есть сделать их неконкурентоспособными на рынке. Такое становится возможным из-за специфики их корпоративной культуры.

Основная проблема больших компаний, которая в конечном итоге может их погубить – это чрезмерная увлечённость процессами, так, что результат теряется из виду. Конечно, регламенты и политика - это именно то, что делает компанию уникальной и выделяет ее на рынке, для клиентов в том числе. Но когда регламенты становятся важнее результата, то это приводит к потере эффективности, к финансовой и креативной деградации.

Надеюсь, этот материал вам никогда не понадобится. А если понадобится, то вы уже преисполнились проблемой и полны решимости ее исправить!

Вкратце, новые таймзоны не распознаются старыми библиотеками, а это чревато ошибками и неожиданностями.

Обсудили с @darksnake ход развития open source-хаба — его инициативы, реализующей новую модель сотрудничества на базе индустриального опенсорса. Получился объемный, но продуктивный разговор с полезными инсайтами по теме.

Привет! Работа над ядром поисковика rats-search продолжается. Новая версия библиотеки librats (v0.5.3) приносит важные архитектурные улучшения для построения распределенных сетей в условиях NAT и блокировок.

Ключевые изменения:

Унифицированный API (FFI): Завершена интеграция с Node.js. В отличие от фрагментированных реализаций libp2p, librats предоставляет идентичный набор функций для C++, Python, Node.js и Android через FFI.

Эффективный DHT:

Реализован алгоритм Spider для прибегания с сбора announce.

Добавлена поддержка branch-factor и маршрутизации на основе задержек (RTT-routing).

Персистентность: Routing-таблицы сохраняются при перезапуске, что критически важно для связности сети в сложных сетевых условиях.

BitTorrent: Значительный рефакторинг и оптимизация модуля.

Платформы: Windows (x64), Linux (x64), Android (32/64), macOS (x64).

Я большой фанат ноутбуков и любых схожих с ними устройств. В моей небольшой коллекции есть самые разные модели: с десктопными Pentium 4, с дискретными GPU от S3 Graphics и даже парочку «отвальных» ноутбуков с MXM-видеокартами. Однако одна модель особенно выделяется — ведь Compaq M300 был не только мощным и при этом компактным ноутбуком родом из 1999 года, но ещё и игровым — благодаря дискретной графике от ATi. Как выглядел игровой ноутбук из 90-х, что у него было внутри, на что он был способен и для чего он мне нужен в 2025 году — читайте в сегодняшней статье!

Я — Зимин Дмитрий Александрович, заведующий отделением пластической хирургии клиники КЛАЗКО. Пациенты всё чаще спрашивают меня, как именно искусственный интеллект оценивает симметрию и можно ли доверять таким алгоритмам. И за этим всегда слышен второй вопрос: «А вы сами этим пользуетесь?».

ИИ-инструменты проникли практически в каждую сферу жизни, в этом контексте интерес пациентов понятен. Трендом этого года в соцсетях на Западе и в России стали «калькуляторы пропорций лица», которые могут якобы объективно оценить привлекательность на основе строения костной структуры.

О популярности таких инструментов говорит и то, что их советует зарубежный Vogue для подбора идеальной челки к определенной форме лица. Вариантов использования ИИ для стандартизации красоты – сотни, но и вопросов появляется не меньше. Насколько бы вы доверяли этим результатам? И насколько этично то, что обученный на «идеале» ИИ судит внешность людей?

Важно сразу обозначить позицию. Я внимательно слежу за развитием AI, анализирую новые решения и постепенно интегрирую их в работу, но не «падаю в омут с головой». Для меня искусственный интеллект — это инструмент, а не заместитель хирурга. Он может усилить наше видение, но не заменить ни клинический опыт, ни ощущение красоты, ни живой диалог с пациентом.

В этой статье я разберу, как устроены современные подходы к морфометрии лица, где AI действительно помогает, а где его возможности ограничены — в том числе из моего практического опыта.

В этой части (первая тут) мы поговорим о структуре Go-программы с использованием ассемблера, о хитростях макросов. Будем писать дальше нашу ассемблерную функцию.

Производительность СУБД — ключевой фактор , однако спонтанные проверки часто искажают реальную картину. PG_EXPECTO — это не просто набор скриптов, а чёткая методология, превращающая анализ PostgreSQL из хаотичного поиска проблем в структурированный, воспроизводимый эксперимент. 

Задача

Используя классическую задачу о влиянии значения параметра shared_buffers на производительность СУБД, подготовить и протестировать общую методологию проведения экспериментов по анализу производительности СУБД PostgerSQL c использованием нейросети для анализа статистических данных, собранных комплексом pg_expecto в ходе нагрузочного тестирования.

Кометная опасность, эксплуатация астероидов, космическое сырьё — эти концепции давно перекочевали из научной фантастики в сферу стратегического планирования ведущих космических держав. Однако между громкими заявлениями и реальными технологиями лежит пропасть, преодолеть которую можно лишь годами исследований и разработок. Наиболее объективным свидетельством таких работ служит патентная деятельность. Анализ российских патентов за последние два десятилетия позволяет не только оценить научно-технический потенциал страны в этой области, но и чётко выделить три главных вектора приложения сил: фундаментальное изучение, планетарная защита и будущее ресурсное освоение. Об этом мы и расскажем в нашем материале.

В 1974 году Тед Нельсон явил миру литературного кентавра — книгу, столь же эксцентричную, как и ее создатель. Чтобы оплачивать счета, Нельсон вынужденно читал лекции по социологии в Иллинойсском университете — хотя в душе был технологическим Че Геварой. Еще в свингующие шестидесятые он родил идею «гипертекста» — системы, связывающей документы невидимыми нитями, и окрестил ее «Проектом Ксанаду». Проект, правда, походил на линию горизонта — прекрасен, грандиозен, но вечно в стадии «почти готово».

Нельсона терзала одна несправедливость. Его коллеги-радикалы смотрели на компьютеры с суеверным ужасом — как средневековые крестьяне на алхимиков. Для бунтующей контркультуры тогдашние ЭВМ казались железными церберами. Нельсон не спорил: да, сейчас эти машины используют жестоко. Но в них он видел не кандалы, а ключ от темницы.

Подобрали примечательные материалы из хабраблога Beeline Cloud и нашей площадки для обмена опытом между ИТ-специалистами — «вАЙТИ».

В подборку вошли материалы об устройстве стандартов и авторского права, open source в России и мире, ИБ, а также подходах к построению инфраструктуры.

Послезавтра, 15 декабря, выходит n8n 2.0. Обновляется он, кстати, достаточно часто. В этом материале я описал безопасный способ обновления при использовании Docker с сохранением данных. Расскажу в том числе как обновится не только на стабильную версию, но и на beta/preview(если вдруг есть желание посмотреть, что станет доступно в ближайших обновлениях). Инструкция актуальна для n8n, развернутого через docker.

Всем привет!

Пока из каждого утюга рассказывают о различных ИИ-инструментах, агентах и прочих радостях упрощающих жизнь, я хочу рассказать о 11 незаслуженно потерянных фичах в недрах Chrome Devtools. Про фишки ИИ в DevTools рассказывать не вижу смысла, так как в нашем регионе они пока не работают.

Кстати, первая часть тут - тык.

Погнали!