Kurgan-Telecom Ru | Информационные технологии

Руководитель видит простую картину: внедрили ИИ, купили лицензию на модный инструмент, а эффективность команды почти не изменилась. Ощущение такое, что «люди не тянут»: ошибки продолжают всплывать, задачи тормозятся на согласованиях, «огонь в глазах» у новичков тухнет через три года. На этом месте часто рождается самый вредный управленческий миф — миф о нерадивом сотруднике.

Знакомая работает в IT-департаменте организации с 16 филиалами и ~5000 единиц оргтехники на балансе. Попросила: “Сделай сервис, чтобы загрузить фотку шильдика, и он сказал, у кого эта железка стоит”. Звучит просто. На практике это вылилось в production-сервис с распознаванием по фото через Claude vision, ETL из бухгалтерских .xls (привет, xlrd 1.2), нормализацией грязных инвентарных номеров и автопушем в Google Sheets. Рассказываю про все грабли — от deadlock pandas vs xlrd до бага, который считал две разные железки одной

В России не хватает 180 000 складских работников. Компании поднимают зарплаты, нанимают рекрутеров, запускают реферальные программы — и всё равно не могут закрыть вакансии. Потому что проблема не в том, что людей мало. Проблема в том, что склад требует их слишком много.

Меня зовут Игорь Симаков, работаю engineering manager’ом и руковожу командами разработки

На одном из наших сервисов, который работает с XLSX-файлами, прилетел production-алерт на высокое потребление памяти. Стандартный P3, обычно решается рестартом. Пошёл смотреть поды и нашёл проблему, к памяти отношения не имеющую, но представляющую больший риск, чем сам алерт. Об этом и расскажу ниже: чем «утечка диска» отличается от «утечки памяти», как мы наткнулись на грабли в Apache POI и как закрыли их на уровне архитектуры

Практически в каждой свой статье, в которой прямо или косвенно идёт речь о важности соблюдения Закона о персональных данных, я упоминаю риск получения административного штрафа по ст. 13.11 КоАП РФ. Теперь давайте поговорим не про «очередные страшилки для бизнеса», а про реальную судебную практику.

Распространенная ситуация — циклы развития запускаются, индивидуальные планы создаются, встречи проводятся, а роста нужных навыков в команде не происходит. Я сам часто сталкивался с этой проблемой, когда управлял командой и выстраивал процесс развития на всю компанию как Head of L&D.

По моим наблюдениям, ИПР и цикл развития превращаются в формальный HR-ритуал по следующим причинам ...

Привет, Хабр!

Меня зовут Ольга, я финансовый директор и руководитель продукта Аспро.Финансы. За несколько лет работы с компаниями разного масштаба я раз за разом вижу одно и то же: открываете отчет — вот ПиУ, вот ДДС, дашборды зеленые. Красота. Но через неделю компании не хватает денег на зарплату. А месяц был прибыльным. Как так?

Загрязнение окружающей среды является одной из самых насущных проблем человечества. А поиски решения этой проблемы охватывают самые разные науки, от математики и химии, до биологии и машинного обучения. Одним из самых «молодых», но уже весьма обсуждаемых элементом проблемы экологии является микропластик. Миллионы тонн неразлагаемого пластика попадает в окружающую среды ежегодно, что несет серьезную угрозу как природным средам и их обитателям, так и самим людям. Ученые из университета Миссури (Колумбия, Миссури, США) создали новый тип водорослей, который способен очищать водоемы от микропластика. В чем особенности этих водорослей, как именно они борются с пластиком, и какова перспектива их повсеместного использования? Ответы на эти вопросы мы найдем в докладе ученых.

Это продолжение цикла статей о масштабировании тренировки и инференса LLM.

Предыдущая статья

А теперь перейдем к чему-то более практическому, а именно к тому, сколько нужно FLOPs и байт для работы трансформера. Подразумевается, что у вас уже есть представление о том, что такое архитектура трансформера, как работает механизм внимания и т.д.

Давайте начнем с векторов x, y и матриц A, B, имеющих вот такие размеры, допустим один элемент занимает при этом один байт.

На прошлой неделе на State of Brand вышел материал по следам статьи, опубликованной всего несколькими днями ранее.

Тогда авторы утверждали: любая ИИ‑подписка — это бомба замедленного действия для бизнеса. Просто никто не ожидал, что фитиль уже почти догорел.

В исходной статье речь шла о том, что рынок ИИ продаёт вычислительные мощности значительно ниже их реальной себестоимости. Многие компании успели выстроить критически важные процессы вокруг этих субсидируемых тарифов. Авторы предупреждали: когда начнётся неизбежная коррекция, последствия окажутся шокирующими.

И вот 14 мая — всего через три дня после публикации — и Anthropic, и OpenAI сделали шаги, превратившие переоценку AI‑услуг из теории в реальность. Причём сделали это публично, агрессивно и так, словно сами понимают: текущая модель может не дожить до конца года.

В предыдущей части мы обсудили паровые фабрики и транспорт, катавшийся по рельсам. Во второй части паровых двигателей мы узнаем, как они жили без рельс, почему паровые автомобили не такой уж тупиковый путь эволюции и что такое «Закон о красном флаге», который привел к… Впрочем, сейчас сами все узнаете. Чух-чух-чух, поехали.

С момента публикации статьи на Хабре «Импортозамещаем numpy, pandas, scipy и sklearn» прошло почти три года. В течение этого времени я приостановил работу над проектом из-за нехватки времени, ресурсов и сил. К тому же, меня расстроило, что не смог выполнить просьбу пользователя @N-Cube, который активно интересовался моей библиотекой и хотел ускорить работу своего Jupyter Notebook.

В самый критический момент на помощь пришел волшебный AI, который, хоть и иногда проявлял недостаток гибкости, с готовностью исполнял все пожелания своего хозяина. Благодаря этому проект начал продвигаться вперед.

За это время в библиотеки были добавлены поддержка CUDA, множество ручных SIMD-оптимизаций с динамическим выбором SIMD, несколько реализаций линейной регрессии и многое другое.

Давайте рассмотрим, что на сегодняшний день позволяет сделать моя библиотека.

Я представлю несколько тестовых примеров в двух вариантах: с использованием AVX-2 на процессоре Intel® Core™ i7-4790K и AVX-512 на Intel® Xeon. Также покажу результаты замеров для каждого из них. Все тесты проводились без использования GPU, исключительно на процессоре. Это позволяет сравнивать производительность Python и моей библиотеки на равных условиях. Операционная система – Ubuntu 24.04, компилятор – GNU 13.3.0.

Пятница, 23:47. PagerDuty: “Платёж AmEx, провайдер вернул 5xx три раза подряд, билеты не зарезервированы.” Открываю логи – действительно три ответа провайдера 5xx, ни одной успешной транзакции по нашей базе. Закрываю как временный сбой на стороне провайдера, пишу короткую сводку в дежурный чат и иду досматривать. Через 40 минут второй алерт – уже от ночной поддержки: клиент прислал скрин выписки, 3 списания подряд за одну бронь. У клиента рейс через 6 часов, ему нужна действующая бронь и подтверждение, что он завтра нормально улетит, а не тикет в поддержку.

Мы делали B2B-платформу для деловых поездок: бронь авиа, отели, трансфер, страховка, в финале – оплата корпоративной картой через платежный шлюз. С этой ночи началась история, которая закончилась переписыванием всего платёжного слоя нашего booking-сервиса. По дороге мы поймали 5 граблей.

Вы когда-нибудь заполняли json-конфигов на 20 000 - 25 0000 строк вручную перед выпуском релиза? А боль в глазах геймдизайнеров от этого процесса видели?

Вы TechLead/Менеджер и к вам часто подходят дизайнеры с просьбой написать парсер данных, а свободных рук нет? А после изменений в фиче приходится выделять человека для правок схемы парсинга под новую разметку?

Возможно, пора начать использовать тулзу по экспорту данных, которую смогут настроить сами геймдизайнеры? Нам этот инструмент сократил время настройки игровых конфигов с 4 дней до 15 минут, после предварительной настройки.

Привет! Меня зовут Игорь, я занимаюсь разработкой на Unity c 2018 года. В статье рассказываю о тулзе, с помощью которой можно выгружать данные из Google Sheets и Excel в json без привлечения программистов.

P.S. в конце статьи есть видосик с процессом настройки и экспорта одной фичи.

Работа с ИИ-изображениями больше не требует подбора сложных технических терминов. Нейросеть Nano Banana от Google AI предлагает другой подход, где на первом месте стоят интуитивность, творчество и коммерческая польза. 

Этот инструмент отлично справляется с созданием фотореалистичных сцен, сложных текстур и корректной работой с текстом. При этом вы получаете не просто генератор картинок с нуля, а полноценную систему редактирования, где можно гибко менять отдельные детали изображения без потери общего стиля.

Почему в каждом разговоре про промышленный ИИ в России за спиной заказчика оказывается одна из двух компаний - Сбер или Яндекс? Я съездил на ЦИПР-2026, прошёл стенды и сессии, поговорил с массой людей из индустрии — и разобрался, почему рынок схлопнулся к дуополии и что это значит для всех остальных.

Взгляд практика, который сам делает платформу для работы с ИИ: без презентационного глянца, с цифрами и парой неудобных наблюдений со стендов.

В прошлой статье я разбирал паттерны и необходимость компромиссов в реальной разработке, и там была одна мысль которую я намеренно оставил в стороне. Паттерны редко живут в одиночку, и любая реальная система это не один паттерн, а несколько, склеенных, скрученые, слепленных, и местами прибитых сбоку гвоздями, и каждый из них закрывает только часть проблемы. Менеджер ресурсов это, наверное, самый показательный пример такой склейки, потому что снаружи он обычно выглядит как пару строчек видаLoadTexture("bark.dds"), а внутри это кэш, политика дефолтов, механика восстановления после сбоя и ещё полдюжины вещей, каждая из которых прошла через пот, кровь и пиксели и осталась в архитектуре этой системы.

Если открыть любую книгу по разработке игр или игрового движка и попробовать найти определение "игровой ресурс", то получится что ресурс - это набор данных, которые были загружены или созданы с конкретными параметрами. Любые уточнения вроде «текстура», «меш», «звук» или «шейдер» здесь уже будут лишними, потому что нам важна не природа данных, а что они существуют именно определенной форме.

Понятие "определенная форма" тем не менее тоже звучит абстрактно, поэтому люди предпочитают использовать "текстуру", "меш", "звук" и т.д. Но одну и ту же текстуру wall.dds, которую можно загрузить в DXT5 со сжатием, sRGB и mip-фильтром box, а можно без сжатия, в линейном пространстве и с другим фильтром. Формально у нас был один файл на диске, но с точки зрения ресурсного менеджера теперь это два разных "ресурса", потому что их параметры различаются. Подмена одного ресурса другим в рантайме может сломать игру, потому что игра ожидает определенных данных для шейдера, которая изменилась после фильтра или определённую раскладку мипов, которой может не оказаться.

Более явный пример для шейдеров будет, когда lighting.fx, скомпилированный с дефайном SIMPLE_BUMP_MAPPING, и lighting.fx, скомпилированный с PARALLAX_BUMP_MAPPING, физически выглядят в исходниках как один файл, но дают два разных пайплайна, со своими константными буферами и со своими ожиданиями к набору текстур, а если ресурсный менеджер этого не понимает, то он либо начнёт раздавать второй вариант, когда просят первый.

С мешами история та же самая, и ship.mesh, загруженный в менеджере ресурсов, и тот же ship.mesh, лежащий в GPU это два разных объекта, у которых даже время жизни и поведение при потере устройства будут отличаться, не говоря уже о том, что первый мы можем менять, а в второй нет.

Яндекс 360 давно перестал быть просто «ещё одной подпиской на облако». Для одних это удобный способ хранить фото, видео и документы в Диске, для других — почта без хаоса в рассылках, для третьих — рабочая среда с Телемостом, календарём, документами и корпоративными инструментами. Поэтому вопрос экономии здесь тоже стал практичным: если сервис используется каждый день, даже небольшая скидка на Яндекс 360 промокодом может заметно снизить расходы за месяц или год.

В июне 2026 года пользователи чаще всего ищут не абстрактную акцию, а конкретный сценарий: годовая подписка, семейный тариф, премиум-план, почта с защитой от спама, тариф для фотографов или пакет для бизнеса. Универсального ответа «какой купон лучший» нет: выгодным будет тот вариант, который совпадает с вашим тарифом, сроком оплаты и задачей. Актуальные предложения удобно проверять на странице Яндекс 360 промокод, где собраны купоны, скидки и акции для разных форматов использования.

Я не знал что делать с неиспользованными вовремя лимитами Claude. Поэтому создал и опубликовал репозиторий, который автоматически переводит книги.

Протестировал на учебнике по химии - OpenStax «Chemistry: Atoms First 2e», состоящем из 1200+ страниц, 21 глава, ~200 разделов с формулами и 1000+ иллюстрациями.

Перевод можно посмотреть здесь: github-pages

Всем привет.

По состоянию продукта это бета версия. Поэтому я не ищу пользователей, которые ждут готовый polished-сервис. Мне нужны люди, которым интересно покопаться в сыром продукте, найти баги, сломанные сценарии и непонятные места.

Идея простая: есть много мелких дел, которые постоянно висят в голове - расходы, покупки, документы, гарантии, возвраты, записи на услуги, отслеживание цен и так далее. Хочется собрать это в одном месте и дать человеку возможность не держать все эти задачи в памяти.

Например, можно добавить чек из магазина в расходы, сохранить гарантийный талон и потом получить напоминание, когда гарантия заканчивается, отслеживать цену на товар и получить уведомление, когда она упадет ниже нужной суммы. Еще один пример - подготовить черновик претензии, например в фитнес-зал из-за невозврата денег по абонементу. Или подготовить черновик типового бытового/юридического документа, который потом уже можно проверить самому или показать специалисту.

Главная идея продукта - не просто сделать еще один список задач или еще одну табличку расходов. У сервиса есть обычный интерфейс, где можно кликать по разделам, добавлять данные и смотреть сохраненную информацию. Но кроме этого есть AI-агентный интерфейс, где можно просто написать или сказать, что нужно сделать.

Например: "Вот чек из магазина, добавь его в расходы". Или: "Вот ссылка на товар, отслеживай, когда цена упадет ниже 100 тысяч рублей". То есть один и тот же сценарий можно выполнить либо руками через интерфейс, либо через чат с агентом.