Kurgan-Telecom Ru | Информационные технологии

Всем привет! Продолжаю свой цикл материалов про создание успешного продукта. В прошлых статьях (часть 1; часть 2; часть 3) я рассказал более чем о 12 рабочих моделях построения продуктовых команд. Сегодня разберем ошибки, которые мешают компаниям развиваться.

Привет Habr! Меня зовут Андрей, системный администратор в электрических сетях, со всеми вытекающими — сети, сервера, пользователи, программы. Как и у всех — какие то скрипты на python для сбора инфы с активки, ежедневного бэкапа конфигов, задач «а добавь вот этот IP в ACL на все устройства»

Везде использую свой модуль для работы с файлами конфигурации. Вы скажете OmegaConf, Dynaconf, да и PYAML никто не отменял. Не торопитесь. Я попросил AI сравнить и воодушевился — а вдруг мой велосипед будет кому то полезен?

Утверждается (хотя, источник этого утверждения остается неизвестным), что туманность NGC 1499 получила своё название за сходство с формой береговой линии штата Калифорния. Но кто именно дал туманности это название — вопрос открытый. Тут есть пара интересных совпадений. Во-первых, если наблюдать эту туманность из центральной части штата Калифорния, то она будет проходить ровно через зенит — географическая широта центра штата и склонение туманности совпадают. Во-вторых, открыл туманность Эдвард Эмерсон Барнард в 1884 году, будучи в то время еще любителем астрономии (он стал сотрудником Ликской обсерватории три года спустя — в 1987 года, а эта обсерватория находится как раз в штате Калифорния).

Но если быть честным, усмотреть силуэт побережья Тихого океана, омывающего штат Калифорния, в едва видимом глазом свечении довольно тусклой туманности, — дело граничащее с преднамеренным умыслом.

Привет! Меня зовут Мария Шпак, я лидер команды collection стрима моделирования розничного бизнеса в Департаменте анализа данных и моделирования банка ВТБ. Наша команда занимается разработкой моделей машинного обучения для различных процессов, в совокупности служащих для финансового урегулирования. Основной заказчик этих моделей – соответствующий департамент банка, целью которого является помощь клиентам, допустившим просрочку платежа или находящимся в графике, но имеющим риск просрочки (Pre-Collection). Наши коллеги предлагают клиентам различные инструменты урегулирования этой проблемы и в большинстве случаев добиваются скорейшего возврата клиента в график платежей и в статус добросовестного заемщика. Оптимизация стратегий финансового урегулирования предполагает учёт разных параметров ситуации клиента: причины возникновения просрочки, степени серьезности возникших у него проблем, а также наиболее удобных и эффективных способов установить с ним контакт.

У моего девятилетнего сына диабет 1-го типа. Его нужно всё время контролировать, и это дико неудобно как для него самого, так и для родителей. И у меня появилась идея — создать простые умные часы с одной-единственной функцией: уметь тактильно уведомлять пользователя, например, при приближении опасной гипогликемии или затяжной гипергликемии. Чего удалось добиться и как работают часы в итоге?

Одни пушистики толкают нас к риску и достижениям, другие — к стабильности и безопасности. Как выбрать «правильного» зверя для рекламы.

Привет, Хабр! Мое имя Александр Коваль, я разработчик IoT-сервисов в МТС Web Services. Сейчас ScyllaDB поддерживает ограниченное количество функций, в том числе агрегационных. В стандартном наборе: min, max, count, avg. Но ее функциональность расширяется двумя типами пользовательских функций: скалярными (scalar functions) и агрегационными (aggregate functions). Первые работают со значениями одной строки, а вторые — нескольких. Реализовать такие функции можно на Lua или Rust.

В процессе работы с агрегационными функциями можно столкнуться с тем, что ScyllaDB и Java-драйвер по-разному обрабатывают пустые значения. В этом посте я расскажу, как это можно решить относительно просто и без сложных дополнительных телодвижений. Для примера возьму код на Lua и покажу, как он реализуется в виде функции ScyllaDB.

Дисклеймер: этот материал написан на основе личного опыта — все решения получены методом проб и ошибок. Конструктивные предложения и советы по их улучшению приветствуется. Код с примерами и ссылки на ресурсы можно найти у меня в репозитории GitHub.

Наконец-то состоялся официальный релиз OpenIDE – независимой российской среды разработки, которую совместно создают «Группа Астра», Axiom JDK и Haulmont.

Проект стартовал как open source-инициатива в конце прошлого года и всего за полгода прошёл путь от идеи до стабильной версии. В числе ключевых фич — поддержка Java 24 уже "из коробки", собственный маркетплейс плагинов и "многоязычность".

В статье — ключевые достижения, проблемы, а также планы по развитию OpenIDE и её экосистемы.

В статье описывается метод оценки времени выполнения некоторых типов задач при разработке ПО.

Речь не будет идти о планировании спринта, речь о планировании одной конкретной задачи. Самый нижний уровень - дальше только кодить.

Всем привет! Меня зовут Анастасия Шмалько, я лидер команды «Персонализация контента» в кластере Кампании продаж Сбера. В нашем кластере создаётся контент разных видов, но сегодня я расскажу о рекламных SMS. А точнее, о том, как с помощью машинного обучения мы составляем более личные послания каждому адресату. Это помогает нам чаще достигать главной цели — заинтересовать человека, чтобы он перешёл по ссылке и оформил продукт (наши клиенты — это ИП и собственники бизнеса). 

Сегодня официально выпустили очередную версию Kubernetes — 1.33. Собрали все 64 изменения в одном материале. Из основных нововведений: упорядоченное удаление ресурсов в пространстве имён на основе логических зависимостей и соображений безопасности, декларативная валидация для нативных API-типов, расширение механизма CredentialProvider, доступ подов к информации о топологии кластера, изменение алгоритма выдержки CrashLoopBackOff, обязательная аутентификация при извлечении private-образов из репозиториев и многое другое.

Привет, Хабр!

В этой статье разберёмся, зачем в Go существуют два способа создавать значения — make и new, чем они отличаются, как они работают и когда выбирать каждый из них.

Я сделал простейшую утилиту для регистрации реализаций в контейнере.

Теперь можно легко и быстро тянуть все из сборок одной командой.

Почему в одни дни вы продуктивны, а в другие — нет?
Почему одни люди легко адаптируются к стрессу, а других выбивает из колеи любая мелочь?

В этой статье — новая модель нервной системы, которая объясняет ваше поведение через три ключевых коэффициента: чувствительность, внешняя активность и внутренняя активность.

Если вы имеете около-психологическое образование — просьба обязательно дать свои комментарии.

Перед началом плодотворного сотрудничества с Заказчиком или Подрядчиком важно иметь первичное представление о бизнесе партнёра. Для принятия решения зачастую многие опираются только на харизму контрагента.Однако, оно не подкреплено никакими ценными показателями. Получается, что «красивая картинка» в соцсетях существенно отличается от реальности. Поэтому надо на старте исключить большие проблемы в будущем.

На рынке есть множество сервисов для проверки контрагентов, но мы много лет используем Контур.Фокус. Я не рекламирую сервис - все сведения можно получить бесплатно из открытых источников - с сайта налоговой, хедхантера, арбитражных судов и прочих. Контур.Фокус тянет данные из разных сайтов в одно место и так быстрее можно увидеть цельную картину по контрагенту. Этим сервисом пользуется даже налоговая, для анализа юридических лиц. Поэтому я буду показывать примеры на нём.

Покажу на примере нашей компании, на что мы обращаем внимание перед тем, как вступать в переговоры с клиентами по дальнейшему сотрудничеству.

Итак. Перед первым звонком клиенту, в сотрудничестве с которым мы заинтересованы, обязательно узнаём ИНН компании.

Вводим ее в строку поиска и попадаем в «свою метавселенную», анализируем следующие сведения:

1. Юридический адрес

По нему узнаем, нет ли отметок о недостоверности. Если налоговая уже признала юрадрес недостоверным, это нужно исправлять в обязательном порядке. При бездействии контрагента более 3 месяцев начинается этап принудительной ликвидации его юр. лица. А саму отчётность, сданную с таким адресом, могут признать недействительной.

С возникновением первых вычислительных машин предприятия осознали потребность в обработке и анализе информации.

В 1980-е годы они приступили к формированию информационных хранилищ, основанных на реляционных базах данных, которые стали ключевым инструментом для принятия взвешенных решений.

Но по мере того как компании накапливали всё больше разнородных сведений, недостатки реляционных баз данных становились всё более явными.

С началом нового тысячелетия мы вступили в эпоху больших данных. Специалисты разработали передовые инструменты для обработки огромных массивов разнообразных данных, которые генерируются с невероятной скоростью.

Для работы с данными и их структурой используются технологии, которые позволяют эффективно обрабатывать и анализировать большие объёмы информации.

Тем не менее, при внедрении таких аналитических инструментов компании всё ещё сталкивались с определёнными трудностями.

Архитектура сохраняла свою целостность, и одна команда специалистов занималась созданием платформы и интеграцией данных.

В крупных компаниях такой метод сразу же вызывал формирование значительных очередей за услугами по интеграции и аналитическими инструментами.

В данном контексте централизация оказалась ахиллесовой пятой крупных корпораций.

В крупных организациях попытка сосредоточить все усилия по интеграции данных в одной группе может оказаться неэффективной. Зачастую источники информации находятся в разных местах, не имея единого центра управления, что затрудняет поиск ответственных лиц. Такой подход не приводит к нужным результатам.

Привет, меня зовут Илья. Я основал Perfect Wiki — SaaS продукт для создания внутренних баз знаний компании, который работает прямо внутри Microsoft Teams. Мы сделали простой и удобный инструмент для хранения, редактирования и обмена знаниями внутри компании. Всё началось с желания решить одну конкретную боль: встроенная Wiki в Microsoft Teams была неудобной, а достойной альтернативы с полноценной интеграцией просто не существовало.

В этой статье я хочу рассказать, как появилась сама идея, какие ошибки я допускал, как нашёл первых клиентов и как постепенно за пять лет дошёл до стабильного дохода в $250,000 в год. Всё это — без инвесторов, команды из 20 человек и “раунда A”.

Вопрос, на который статья пытается ответить:

чем отличается мозг, который запомнил, что высота бассейна 180см от мозга, который запомнил 200 см. и как это причинно связано со сценарием, где я тону в бассейне, потому что физически в моём мозге было отличие в… чём? (отличие от вселенной, где я запомнил, что высота - 200 см и побоялся) 

моя мотивация писать статью: 

я был в бассейне и заметил неочевидную в моменте закономерность как незнание о ямке в бассейне влияет на мои мотивации. в этой статье хочу составить свою лучшую формализацию модели и посмотреть, где эта предсказательная модель переносится на другие случаи. дополнительной целью является максимальное заземление модели так, чтобы заполучить в память простые ассоциации. модель фальсифицируема (проверяема).

статус познаний автора:

я читаю с нуля 5 книг по нейробиологии, пару научпопа и смотрю видосы. я не эксперт, а статья - моя попытка грубой формализации вопроса. я озвучиваю, что модель может быть не верна где то (для калибровки я стукаю об дипсик). Я не постулирую ниженаписанное как истинные закономерности, как это обычно бывает в статьях. учитывайте при прочтении. критика и уточнение модели в комментариях приветствуется.

статус проверки статьи на точность:

я стукал тезисы из статьи об deepseek и claude. тех, кого просил вычитать, не дали развёрнутых комментов.

предыстория: бассейн

я посетил новый бассейн и начал плыть кругами. я умею плавать, но у меня стресс на прогноз от того, что если закончатся силы или что если я нарушу технику плавания, то могу невольно опуститься под воду, вода нальётся в уши и будет очень щипать глаза, как в прошлом — сильный стресс, но самый большой стресс конечно же если вода зальётся в нос или горло, потому что это будет не в ожиданиях. страх утонуть.

На входе — обычный push. На выходе — коммит, улучшенный с помощью LLM, сохранённый в векторной базе, доступный для поиска и семантического анализа. Пишем простой MCP-сервер для трекинга изменений ваших проектов.

В распределённых системах критически важно обеспечить консенсус – согласованность данных или решений между множеством узлов (серверов), даже при сбоях и задержках сети. Алгоритмы консенсуса позволяют группе несовершенных узлов действовать как единое надёжное целое. Три классических алгоритма – Paxos, Raft и Zab – стали основой для построения отказоустойчивых систем. Они гарантируют, что при наличии кворума узлов (обычно большинства) все узлы придут к единому решению и последовательности операций, сохраняя консистентность данных. В данной статье мы рассмотрим устройство этих алгоритмов «под капотом», их этапы (выбор лидера, репликация журнала, обработка сбоев и восстановление), области применения в реальных системах (от координаторов в кластерах Kubernetes и Apache Kafka до распределённых баз данных), а также сравним готовые реализации (такие как etcd, ZooKeeper, Consul и др.) по ключевым характеристикам.