Kurgan-Telecom Ru | Информационные технологии

Всем привет! Недавно я рассказывал о том, как мы создали для риелторов сервис автоматической генерации stories в нашем мобильном приложении.

Сегодня я поделюсь тем, как мы продолжаем улучшать эту фичу и к каким результатам это привело. 

Представьте, что вам надо настроить камеры для целого города или очень большого завода, где их сотни или тысячи. Как сделать это удобно и не сойти с ума от конфигурирования каждой из этой тысячи?

У нас в конфигураторе Macroscop камеры организованы в виде «дерева».

Привет. Меня зовут Николай Пискунов, я руководитель направления Big Data. В Beeline Cloud у нас есть место для экспериментов — и я этим пользуюсь. Недавно я работал над шахматным ботом для игры по переписке в Телеграм. Одна из ключевых задач — генерация изображений шахматной доски из FEN-нотации.

Усвоение новой информации очень похоже на наращивание мышц. Есть период тренировок, когда важно нагружать ткани и прикладывать усилия, и период восстановления. Но если большинство людей тренируется по принципу: «понедельник, среда, пятница», то существует ли оптимальный тайминг для обучения? Исследователи обнаружили оптимальный интервал на уровне клеток, который способствует развитию и укреплению памяти.

Строгая типизация не всегда спасает от глупых ошибок. Если userId, orderId и productId — это один и тот же Int или Long, компилятор не увидит разницы и спокойно пропустит неверный аргумент. В Scala 3 для таких случаев есть opaque types: они позволяют сделать доменные типы различимыми на этапе компиляции, но без лишних обёрток и накладных расходов в рантайме. Разберём, как это работает и чем этот подход лучше type alias, case class и AnyVal.

У меня простое правило: если задача повторяется больше двух раз - её пора делегировать. Раньше делегировал людям. Теперь - AI-агентам, которые работают с базой данных, таблицами и трекерами напрямую.

Если что-либо можно измерить числами, то это уже вселяет оптимизм. Значит мы имеем дело с более-менее понятным объектом или явлением, которое можно описать устоявшимися правилами. И, казалось бы, что тут такого, измерить влажность почвы? Вроде простоя и понятная задача, но в ней всё оказывается не так уж просто. Давайте разбираться!

Индустрия ИИ сегодня напоминает строительство Вавилонской башни. Пока гиганты вроде OpenAI, Google и Meta соревнуются, кто закупит больше H100 и сожжет больше мегаватт, я разрабатываю детерминированное ИИ-ядро на обычном MacBook Air M2 (8GB RAM). В этой статье я расскажу, почему текущий путь развития нейросетей - это тупик, и как математика O(1) на языке Rust решает проблему галлюцинаций.

Типичная ситуация в ИТ-проектах: приходит задача на автоматизацию, бизнес-аналитик начинает с нуля собирать требования, рисовать процесс, согласовывать его с заказчиком, выявлять исключения, уточнять роли и данные. Проходит время, задача уходит в разработку. Через месяц — новый запрос, и снова тот же путь. Процессы рисуются «под задачу», не связаны между собой, в каждом проекте — своя терминология и своё видение.

Обратная ситуация - если бы в компании была единая, поддерживаемая и согласованная модель деятельности, которую можно «взять» как основу для любой задачи на автоматизацию. Такая модель и есть процессная архитектура организации.

Раньше длинное тире считалось признаком хорошей редактуры. Сегодня это «красный флаг» нейросети. Мы стали бояться правильной верстки и намеренно ставит «короткие черточки», лишь бы текст казался «человечным».

В статье вы узнаете когда нужно ставить длинное тире и получите шпаргалку с горячими клавишами, чтобы набирать его за секунду. В конце я поделюсь опытом работы редактора: как сделать ИИ помощником, а не заменой человека.

Привет, Хабр! Мы — команда dBrain.cloud, и сегодня хотим поделиться нашим путем по внедрению ИИ-сервисов на платформе контейнеризации.

10 новых российских продуктов для транскрибации звука из файлов, микрофона или открытого в браузере, знакомств для серьезных отношений, формирования рейтинга футболистов, создания инфографики для маркетплейсов с помощью ИИ и многого другого. Битва за «Продукт недели» началась!

В экосистеме JavaScript произошёл серьёзный инцидент, который хорошо показывает, насколько опасными стали атаки на open source и цепочки поставок. Исследователи StepSecurity сообщили о компрометации axios — одной из самых популярных HTTP-библиотек в npm (~83 миллионов загрузок в неделю). Злоумышленник получил доступ к аккаунту одного из ведущих мейнтейнеров проекта и опубликовал две вредоносные версии пакета: axios@1.14.1 и axios@0.30.4.

На первый взгляд это выглядит как обычное обновление зависимости. Но на деле установка этих версий могла привести к заражению системы трояном удалённого доступа.

Я был уверен, что работаю 50+ часов в неделю и у меня нет времени ни на что. Завёл хронометраж всего на одну неделю — и обнаружил, что реально работаю 32 часа, а 16 часов сливаю в соцсети, искренне считая это «перерывами». Разбираю методику, цифры и три инсайта, которые изменили мой подход к расписанию.

Привет, Хабр! Меня зовут Полина Белокрыс, я промпт-инженер в hh.ru. Моя команда развивает ИИ-ассистента для работодателей, который берёт на себя рутинные задачи и помогает бизнесу сосредоточиться на главном — внимательной работе с подходящими кандидатами. В этой статье расскажу, как на самом деле устроен промптинг в продакшене — и почему написать промпт сложнее, чем просто поболтать с ChatGPT.

Эта статья будет полезна промпт-инженерам, начинающим ML-инженерам и инженерам GenAI, которые работают с языковыми моделями и хотят лучше понимать, как пишутся промпты для продуктовых систем.

Kubernetes-кластер без сети — не кластер, а просто набор несвязанных компонентов. Чтобы «оживить» его, важно понимать, что такое Container Network Interface (CNI) и как он работает.

В статье — детальный разбор механизма CNI: что такое CNI-плагин, как он запускается и какие операции выполняет в кластере. В конце работа CNI демонстрируется на примере кастомного плагина.

Для желающих глубже погрузиться в тему есть список дополнительных материалов.

Начну немного с вводной, кому неинтересно, можно сразу перейти к технической части статьи.

Недавно я пробовал пройти собеседование в Kaspersky. Ну, как пробовал, если честно даже не дошел до технического этапа :) В общем, я получил реджект. Причина отказа: "решили выйти с предложением к кандидату, который прошел все финальные встречи". Не сказать, что у меня не было опыта в реверсе. Я пару раз реверсил прошивки, но в основном тестировал способы обхода лицензий в продуктах компании. Но вот именно анализом malware как таковым не занимался. Поэтому, буду восполнять этот пробел, ну и попутно буду документировать это все в небольших статьях, поскольку когда пробуешь что-то объяснить другим, сам разбираешься в вопросе еще глубже.

На YouTube только и советов:

Коммитьте в OpenSource и вас заметят!

Открываем GitHub, находим проект на 9 600 звёзд. А там человеку ИИшка удалила файл – он завёл на это bug! И это ещё не худший пример в 2026.

Это точно путь в ИТ?

Я вижу два мифа про Open Source:

Глава Минцифры Максут Шадаев в профильном сообществе «МИТ — Мы ИТ» заявил, что ведомству поставили конкретную задачу — снизить использование VPN в России.

Находясь в поиске вакансий я понял: что-то изменилось, кто то не просто построил новый механизм, а установил новый мод на сервер.

Наступила новая “эра” и пока не все это осознали. Многие до сих пор смотрят на AI как на обычный IT-продукт. Примерно как на площадку для видеохостинга, редактор или очередной удобный сервис. Но это уже слишком мелкий взгляд.

Для начала зафиксируем простую вещь: нейросеть как продукт - это инструмент. Для её создания нужны математики, программисты, лингвисты, биологи и исследователи из других областей. Да, конкретная нейросеть это IT-продукт. Но AI в целом уже больше, чем просто один класс продуктов. Если смотреть шире, это отдельная сфера, сопоставимая с IT по масштабу влияния, но не заменяющая его.