Kurgan-Telecom Ru | Информационные технологии

Всё началось с того, что меня достал мой роутер.
Кинетики, конечно, хорошие, но всё чаще он начал тормозить, требовать перезагрузки, веб-интерфейс начинал отвечать ооочччеееень мееедлееенннооооооо....

И не сказать чтобы трафик большой.
Но надо было что-то делать: то ли покупать новый, то ли пытаться перепрошить старый, например на OpenWRT - но без гарантий что это как-то поможет. Ведь как ни крути - ограниченный обьем памяти, "диска", слабый процессор.
К тому же, OpenWRT хоть и Линукс, но достаточно нестандартный, заточенный как раз под такие конфигурации.

А что, если как раньше, до появления WiFi-роутеров?
Когда-то в качестве роутера для домашней локальной сети некоторые использовали отдельный (старый) компьютер: там настраивался софт, который занимался дозвоном до провайдерского пула, раздавал адреса и трафик...

Всем привет, сегодня будем скрашивать никак не наступающую зиму всякими забавными штуками типа заливания прошивки в esp32, и установки тотальной слежки за всеми внутри квартиры. Основа всех этих изысканий вот эта статья. Вся магия будет происходить исключительно тыканием в кнопки UI и написанием yaml. Основная идея - прошить несколько esp32 прошивкой которая будет будет стучать про слышимые BLE девайсы через wifi в HomeAssistant и раскидать их по квартире.

Нам понадобится

Шалом, любители кинуть бумажку мимо урны. Я честно пытался скормить написание этой статьи нескольким разным ИИ потому, что очень хочу спать. Но...

Эта история будет интересна тем, кто решит делать что-то своё с целью именно запустить "бизнес" и зарабатывать. Это пост - моя история и выводы из нее. Как я впервые прошел весь путь от идеи до продакшена и первых пользователей, но так ничего и не заработал.

В статье разберем малоизвестные, но очень полезные функции ClickHouse с точки зрения аналитика. Покажу на примерах, как считать сценарии поведения действия через sequenceMatch и sequenceCount, строить воронки с таймаутами с помощью windowFunnel, делать когортный retention функцией retention() и не путаться в GROUP BY. Заодно разбираем комбинаторы If, Distinct, State / Merge, ForEach - как они помогают не плодить подзапросы и вынести тяжёлую логику в витрины.

Как правильно связывать разрозненные данные в интернет-расследованиях: методы, примеры и логика построения рабочих гипотез и связей.

Машинное обучение давно вышло за пределы модного термина, но за этим словосочетанием до сих пор скрывается путаница: где заканчивается «обычное» программирование, чем ML отличается от AI и почему одни задачи требуют размеченных данных, а другие — нет. В этой статье разбираем базовую логику машинного обучения без упрощений и мистики: какие подходы существуют, из каких элементов складывается модель и как всё это применяется на практике — от классических алгоритмов до нейросетей.

Пост о том, как появилась идея написать книгу «Python для инженерных задач», и о том, как эта идея реализовывалась.

Здравствуйте! Меня зовут Юлия Жукова. Я психолог-психотерапевт, клинический психолог. От своих клиентов всё чаще слышу тревожные опасения: "Сокращения в it! Переживаю." Предлагаю немного выдохнуть, буду рада, если эта статья хоть немного вам поможет снизить тревогу.

Рынок технологий больше не является исключением из правил. Тот самый сектор, что еще недавно символизировал безграничный рост, пожизненную занятость и корпоративные кампусы с бесплатной едой, теперь демонстрирует ту же цикличность, что и любая другая отрасль. Сокращения перестали быть чрезвычайной ситуацией; они стали элементом корпоративного цикла, болезненной, но регулярной практикой оптимизации. Но, за сухими цифрами — десятки тысяч уволенных в Microsoft, Intel, сотни ушедших из российских компаний в рамках «тихой оптимизации» — стоит менее очевидная, но более глубокая реальность: фундаментальная трансформация психологического контракта между работником и компанией.

Если отбросить упрощения, причины текущих сокращений представляют собой непростые стратегические и конъюнктурные решения. Первое и наиболее банальное — коррекция после периода аномального роста. Пандемийный бум цифровизации заставил компании нанимать «впрок», создав штаты, несоответствующие текущим темпам роста. Когда замедление стало реальностью, наиболее простым рычагом для снижения затрат оказался фонд оплаты труда.

Параллельно с этим идет масштабная реаллокация ресурсов. Компании «перекраивают» бюджеты, сокращая одни направления, чтобы влить миллиарды в другие, и главным бенефициаром сегодня выступает искусственный интеллект. Риторика при этом часто опережает реальные технологические возможности. Как отмечают многие эксперты, ИИ нередко становится «удобным козлом отпущения» или стратегическим оправданием для решений, продиктованных иными мотивами: от желания «подогнать» команду под изменившиеся бизнес-задачи до стремления произвести впечатление на инвесторов. При этом реальное влияние ИИ на рабочие места сегодня скорее трансформирующее, чем разрушающее: алгоритмы берут на себя рутину, но создают спрос на новые навыки надзора, интеграции и анализа.

Этот материал для родителей, студентов и школьников, которые хотят при помощи математики оценить набор необходимых усилий, чтобы достичь определенных результатов.

Если оглянуться на последние три года в российской IT-индустрии, становится ясно: мы пережили полноценную трансформацию. Процесс, который в обычных условиях занял бы лет пять-семь, сжался в 2-3 раза. Для многих это был болезненный, но продуктивный стресс-тест для всей экосистемы.

В этой статье я постараюсь глубже раскрыть тему, не буду останавливаться на банальных «было-стало». Сразу хочу попросить написать в комментариях: с какими трудностями вы столкнулись? Что было сложнее всего? Что далось проще? Какие неожиданные проблемы выскакивали и как вы с ними боролись? Думаю всем будет интересно почитать о вашем опыте.

Итак, начнём!

Обсудим дорожные карты и ход развития квантовых сетей, а также технологические барьеры, с которыми сталкиваются исследователи и инженеры в данной области: от стабильности квантовых состояний до масштабируемости инфраструктуры.

Теперь ChatGPT и Claude могут анализировать реальные данные американского рынка ценных бумаг — NVIDIA, Apple, Tesla — прямо в диалоге с вами. Финам запустил MCP-сервер, который превращает ИИ в полноценного торгового аналитика с доступом к актуальным котировкам американских акций, фьючерсов и ETF через Trade API.

В этом туториале покажем, как за 10 минут подключить ИИ к данным американских бирж и начать анализировать портфели из американских инструментов: строить графики доходности, сравнивать Sharpe Ratio и получать инсайты по рынку США.

Всем привет! Меня зовут Михаил Пашедко, я backend-разработчик в Авито в команде Автотека. В статье расскажу, как небольшой эксперимент на пару спринтов стал полноценным направлением разработки — и показал, как в зрелой компании можно запускать живые, «стартаперские» инициативы, не теряя при этом контроль над качеством.

Архитектура трансформера и его сердце механизм внимания уже давно стали базой собесов на NLP, LLM и даже CV. В работе трансформеры тоже доминируют. Именно поэтому очень важно до деталей разбираться в том, как они устрены, из каких частей состоят, как работают и где применяются на практике.

Разберем архитектуру по слоям с примерами кода и большим количеством картинок и схем.

Давно не писал истории о процессе разработки своих конкурсных игр. Исправляюсь.

В этот раз я ввязался в кооперацию, а не в одиночку стал делать игру, как обычно бывает у меня. Уже принимал участие в командной разработке на конкурсы, например, «Антивирус» (или «Cybxus Heart») на Гаминатор 19, «Изгоняющий» на Гаминатор 25, и «Из Тени» на ЗОК 2024.

В прошлых совместных разработках моя роль была исключительно графическая — рисовал графику, делал 3д модели. Короче говоря, художник, но с обсуждением каких-то геймплейных идей. Хотя, я немного программировал в случае с «Антивирус», когда он стал «Cybxus Heart» после конкурса. А когда делаю игру в соло, то я отвечаю за все аспекты: программирование, геймдизайн, графика, музыка и т. д.

Теперь же моя роль — программист! В статье описываю свой опыт работы в команде и смотрю, что из этого получится.

Привет, Хабр! На связи Кристиан Бенуа, iOS-разработчиĸ в Т-Банĸе. Быстродействие мобильных приложений — один из критериев, влияющих на успех не только приложения, но и всего бизнеса.

Особое внимание должно уделяться производительности кода в стандартной библиотеке языка, так как этот код используется почти во всех приложениях, которые написаны на этом языке.

Расскажу, как мы сделали pull request в swift-foundation и внесли несколько оптимизаций в JSONDecoder/JSONEncoder, ускорив сериализацию и десериализацию в два раза. В конце обсудим, как получить эту оптимизацию без ограничений по версии iOS и насколько можно ускорить работу с JSON в приложении.

В итоге такие сервисы-вымогатели портят работу честным сервисам. Приходится пробиваться через гору рекламных объявлений от таких контор. Из-за таких бизнесов нормальные сервисные центры больше идут в гарантийные ремонты и уходят из частного ремонта. 

То есть конторы, которые не умеют профессионально ремонтировать, но умеют профессионально рекламировать и обманывать клиента, выигрывают у тех, кто просто умеет хорошо делать свою работу. А денег такие системы зарабатывают больше,а дальше они тратят деньги на хорошую рекламу и растут еще лучше.

Когда работаешь порядочно, денег мало и на маркетинг денег не остается. Чтобы догнать маркетинговые конторы, порядочным тоже надо завышать ценники, чтобы была маржа на агрессивный маркетинг. 

Вот такая некрасивая ситуация складывается. Ты должен играть по нечестным правилам, чтобы выиграть в этой игре, в том числе поэтому я решил завязать с этой сферой. 

Как и большинство компаний мы активно используем kubernetes, а поскольку находимся в Облаке, то для удобства перешли на management k8s. После полного переезда именно куб стал основной статьей расхода в биллинге Yandex Cloud. Поэтому стало актуально найти способ снизить стоимость без потери в производительности.

Привет, Хабр!

Продолжаю делиться материалами живых дискуссий, которые идут на телеграм-канале Dev Q&A. На этот раз тема — выбор между open source и коммерческими LLM для корпоративных задач. Обсудили главные болевые точки: почему почти все корпоративные заказчики требуют он-прем, как узкоспециализированные модели обходят универсальные решения, насколько реален GPU-дефицит для практических задач.