Kurgan-Telecom Ru | Информационные технологии

В этом году мы запустили новую образовательную программу «Разработка мобильных игр» для школьников 8–9 классов — и она получилась по-настоящему особенной. Это не просто очередной курс по программированию или геймдеву: мы объединили код, персонажей, физику и истории в одно целое, сделав обучение настоящим приключением. Вместо сухих лекций, ребята начинают стажировку в виртуальной гейм-студии, где их сопровождает наставник Максим. Он не просто рассказывает про программирование, а делится эмоциями, личными историями и шутками про баги. Объясняет сложные вещи «на пальцах», вместе с учениками разбирает задачки и отвечает на вопросы в формате встреч (лонгридов) с примерами кода и иллюстрациями. Такая история «по ту сторону экрана» сильно вовлекает учеников: сторителлинг помогает им лучше усваивать материал и понимать, зачем всё это нужно.

Программирование в 8–9-х классах – неотъемлемая часть рабочих программ по информатике, предназначенных для общеобразовательных школ, но мы в Pixel считаем, что для качественной профильной подготовки ребенка, решившего сдать ОГЭ или ЕГЭ по соответствующему предмету, необходимы дополнительные уроки. А еще мы все чаще убеждаемся, что школьная информатика тесно связана с IT-будущим ребенка, увлеченного темой. Давайте разбираться, как и почему.

Создавайте приложения так, чтобы они могли работать без пользовательского интерфейса или базы данных. Это позволит запускать автоматизированные регрессионные тесты, продолжать работу при недоступности базы данных, а также связывать приложения друг с другом без какого-либо участия пользователя.

Изучать программирование после 9-го класса можно различными способами: самостоятельно с помощью бесплатных видеоуроков, в колледже, если идти в 10-й не захотелось, а также на курсах. Первый вариант выгоден, ведь не нужно ни за что платить, второй – глубок, потому что в учреждениях среднего профессионального образования реализуются серьезные программы, а третий – универсален: можно выбрать язык, среду или что-то еще для точечной концентрации на одном направлении.

«Учтите в учёте соответствующим образом» — эту фразу я однажды получила в бизнес-требованиях от заказчика. Нет, с той стороны не издевались, даже наоборот — очень льстили и мне, и команде, искренне считая нас магами и мудрецами, которым лишние объяснения не нужны.

В их представлении IT-специалист — это такая фея, которая по умолчанию разбирается в юриспруденции, финансах, всех федеральных законах, а в перерывах пишет код.

Поначалу я думала, что самое сложное в работе системного аналитика — это разбираться в коде или проектировать системы. Но быстро поняла: главное — научиться быть переводчиком между двумя мирами, каждый из которых говорит на своем языке.

Я уже несколько лет пытаюсь искать свои способы наладить этот «глухой телефон», и получается далеко не всё.

Большие языковые модели (LLM) всё чаще адаптируются к downstream-задачам с помощью методов RL, таких как Group Relative Policy Optimization (GRPO), которые нередко требуют тысячи прогонов для освоения новых задач. Мы утверждаем, что интерпретируемая природа языка может предоставлять LLM куда более богатую обучающую среду по сравнению с policy gradient’ами, основанными на разреженных скалярных наградах.

Чтобы проверить эту гипотезу, мы представляем GEPA (Genetic-Pareto) — оптимизатор промптов, который системно использует natural language reflection для извлечения высокоуровневых правил из trial-and-error процесса. Для любой AI-системы, содержащей один или несколько промптов LLM, GEPA сэмплирует траектории на уровне системы (например, рассуждения, вызовы инструментов и их выводы) и анализирует их на естественном языке, чтобы диагностировать проблемы, предлагать и тестировать обновления промптов, а также объединять комплементарные инсайты с границы Парето собственных попыток.

Благодаря такому дизайну GEPA нередко превращает даже несколько прогонов в существенный прирост качества. На четырёх задачах GEPA в среднем превосходит GRPO на 10% и до 20% максимум, при этом используя до 35× меньше прогонов. GEPA также опережает ведущий оптимизатор промптов MIPROv2 более чем на 10% на двух LLM и демонстрирует обнадёживающие результаты как стратегия поиска на этапе инференса для задач оптимизации кода.

В эпоху, когда нейросети способны за считанные секунды превращать слова в яркие, детализированные изображения, умение «разговаривать» с ними становится новым видом творчества. Но, как и в любом диалоге, результат зависит от того, насколько точно и образно вы формулируете свои мысли — составляете промпты.

Именно от промпта зависит, будет ли картинка выглядеть как шедевр, достойный арт-галереи, или как случайный эскиз, далекий от вашей задумки. Многие новички начинают с простых описаний вроде «лес в тумане» или «кот на подоконнике» и удивляются, почему результат не совпадает с их ожиданиями. Секрет в том, что генератору нужно дать не только объект, но и атмосферу, стиль, контекст — все, что поможет ему «увидеть» вашу идею так же ясно, как видите ее вы.

В этой статье мы разберем, как создавать промпты, которые работают на вас: от понимания логики работы генератора до приемов, позволяющих добиться нужного стиля и настроения. Вы узнаете, как из короткой фразы сделать полноценное художественное задание, и получите инструменты, которые помогут вам превратить любую идею в визуальную историю.

Привет! Я Алексей, старший тестировщик в департаменте разработки ЮMoney. С 2018 года провожу собеседования на позицию QA-инженера. В этой статье поделюсь своим опытом и взглядом команды на этот процесс. Расскажу, как мы готовимся к интервью, почему кандидаты с идеальным резюме могут не подойти и на что мы смотрим, принимая итоговое решение. Ещё вы узнаете, почему иногда мы предлагаем кандидату не ту должность, на которую он претендовал.

Как сканировать любую инфраструктуру на уязвимости — без агентов, бесплатно, через Jump Host и без боли? Мы в K2 Облаке искали именно такое решение — и не нашли. Зато взяли Open Source-инструмент Vuls и сделали из него полноценный автоматизированный сервис с GitLab-интеграцией, красивыми PDF-отчётами и нативной работой с облачным API. В статье рассказываем, как превратили «сырое» решение в удобный инструмент с CI-пайплайнами, алертами и конфигами, которые генерируются за секунды.

Привет, Хабр! На связи Роман Масягутов и Анастасия Козлова из команды K2 Облака. В этой статье — краткий разбор нашей практики по автоматизации сканирования инфраструктур: как организовали удалённое сканирование без агентов, с одного хоста, без вмешательства в работу приложений и без дополнительных затрат. 

Привет, Хабр. Меня зовут Дмитрий Крюков, я инженер по разработке ПО искусственного интеллекта в YADRO. Мы продолжаем рассказывать о возможностях GPU-серверов YADRO G4208P и YADRO VEGMAN R220 G2 в работе с локальными (on-premise) LLM-моделями. Сегодня делимся результатами тестирования популярных LLM из семейства DeepSeek R1 и Qwen3 размерами от 14B до 685B параметров. Тесты проводились в условиях, максимально близких к решению реальных кейсов: чат-бот, саммаризация и автоматизация аналитических задач. 

Всем привет, меня зовут Максим, я QA-специалист в компании SimbirSoft. Более двух лет я занимаюсь обеспечением качества, за это время мне часто попадались проекты с отсутствующей или устаревшей технической документацией. Как быть в подобной ситуации и при этом сохранить нервные клетки, я расскажу в этой статье.
Бывают ситуации, когда тестировать приходится вопреки. Вопреки срокам, здравому смыслу или отсутствию требований. Именно последний кейс мы и разберем с вами сегодня

Привет, Хабр! Я — Саша Епихин, CTO платформы zVirt. Из-за того, что она базируется на oVirt, возникает много вопросов, чем же отличается наше решение от Open Source. Например, в oVirt есть задатки SDN, задатки интеграции с Keycloak и интеграция с Gluster. И инженеру, который не пробовал воспользоваться этой функциональностью в oVirt, может показаться, что в zVirt нет ничего нового, и это всего лишь BolgenOS с нескучными обоями. Но на практике все обстоит совершенно иначе.

Я попробую раскрыть тему и расскажу, чем же zVirt отличается от oVirt. У этой статьи будет несколько частей. Сегодня я начну, как полагается, с истории oVirt и с рассказа, почему мы выбрали разработку именно на базе этого решения.

Время от времени я замечаю: кодовая база растёт, фичи «накладываются» друг на друга, а старые модули пылятся в уголках репозитория. Измученный бесконечными исправлениями «на коленке», я переставал понимать архитектуру и терял драйв. Пока не придумал проводить раз в месяц специальный «ретроспективный день» — полное погружение в прошлые фичи, рефакторинг и технический долг. Вот как это изменило мою работу.

Похожие посты выходят ежедневно в моем Telegram канале!

Что такое «ретроспективный день»

Я выделяю один рабочий день в месяц, когда не завожу новые задачи и не смотрю тикеты.

Всем привет! Я Артём Седых, ведущий разработчик и тимлид проекта банковского сопровождения. Наш сервис — 8-летний монолит на PHP с командой из 39 человек. В цикле статей рассказываю об опыте разработки и внедрения альтернативы pinba: гибкого инструмента мониторинга, который позволяет увидеть живую систему как на ладони и понять, из‑за чего именно проседают определенные экшены. Сегодня, в третьей и заключительной части, рассмотрим мониторинг со стороны devops на дашбордах SLI/Apdex, поколдуем над статистическими методами для прогноза снижения производительности, поговорим об автоматических уведомлениях Grafana. Оценим перспективы развития, сравнительный анализ выбранного подхода и выводы по нашему опыту.

Уловить тонкую грань между остроумной шуткой и чем-то оскорбительным — часто задача не из простых даже для человека. В мемах всё ещё сложнее: идея прячется на стыке картинки, подписи и культурного бэкграунда. Как объяснить искусственному интеллекту, что вызывает улыбку, а что — горький смех? Оказывается, учить нейросети разбирать чёрный юмор — занятие не только любопытное, но и полезное для понимания того, как машины читают человеческие смыслы между строк. Исследователи решили подойти к теме с новой стороны: они собрали датасет мемов, где шутки далеко не всегда безобидные, и научили ИИ не просто распознавать юмор, но ещё и объяснять, из-за чего тот становится чёрным. Разбираемся, как у них это получилось.

Команда AI for Devs подготовила перевод статьи о том, как Groq пытается устранить главное «бутылочное горлышко» современного ИИ — задержку. Их специализированный процессор LPU обещает скорость в реальном времени и открывает путь к новым приложениям: от финансовых систем до Coding AI-ботов. Но за пределами маркетинга остаются вопросы: что с большими контекстами, какова конкуренция с Cerebras и GPU, и выдержит ли бизнес-модель такие вызовы?

Intel продолжает удивлять техническое сообщество своими решениями в области портативных вычислений. Недавние тесты процессора Core Ultra 7 258V на архитектуре "Lunar Lake”, устанавливаемого в портативные устройства, показали довольно интересные результаты. Если всё сделать правильно, то определённая конфигурация параметров энергопотребления может дать прирост производительности в играх до 30%. А это уже, простите, не просто цифры. Согласитесь, куда приятнее играть на 50-55 fps, чем на 40.

Вы когда-нибудь задумывались, что поиск футболки в шкафу — это O(N), а приготовление ужина — многопоточный процесс с I/O blocking?

Мы пишем код, но забываем, что алгоритмы могут оптимизировать не только сервисы, но и повседневность. В этой статье вы найдете 6 алгоритмов, которые позволят превратить быт в систему: от порядка в шкафу до быстрого выбора хлеба в магазине.

Станьте архитектором не только кода, но и своей жизни!

Каждый день мы делаем десятки решений: что посмотреть, что купить, с кем общаться. Но если присмотреться, оказывается, что во многих случаях выбор уже сделан — за нас. Рекомендательные системы YouTube, TikTok, Spotify или маркетплейсов знают наши привычки лучше, чем мы сами.
И возникает вопрос: если алгоритм может предсказать наш выбор с высокой точностью, что остаётся от свободы воли?

Когда я начал разбираться с Motion для React, то оказалось, что свежих обзорных статей почти нет — нашёл только несколько старых постов про framer-motion. Поэтому я решил написать свой обзор: перевёл и разобрал документацию (ссылки в конце), попробовал библиотеку в деле и собрал всё в одном месте.

В статье есть примеры кода, GIF-анимации и описание хуков, которых, по моему личному мнению, достаточно, чтобы понять Motion, и, возможно, попробовать его руками, сэкономив время на чтении документации.