Kurgan-Telecom Ru | Информационные технологии

Представьте: 80-я минута, счёт 1:1. Нападающий соперника получает мяч на фланге и уходит в рывок вдоль бровки. Защитник бежит рядом, чуть левее — между нападающим и центром поля. Где-то в центре полузащитник соперника уже прицеливается для прострела.

И в этот момент защитник должен принять решение — молниеносно, без калькулятора, без времени на раздумья: я контролирую ситуацию или мне нужна помощь партнёра?

Опытный защитник решает это интуитивно. Но что именно стоит за этой интуицией? Оказывается — вполне конкретная математика. Причём такая, которую проходят в школе.

У защитника есть зона контроля — сектор пространства, в котором он способен среагировать на действия нападающего. Её размер определяется тремя физическими факторами: временем реакции, скоростью бега и углом периферийного зрения. Пока нападающий находится внутри этого сектора — защитник держит ситуацию под контролем. Как только нападающий выходит за его границу — контроль потерян, нужна подстраховка.

Задача, которую мы разберём в этой статье, даёт конкретный ответ на конкретный вопрос: окажется ли нападающий в зоне контроля защитника в момент приёма паса — и когда защитнику нужно звать партнёра?

Для решения не понадобится ничего сверхъестественного: уравнения прямых, расстояние между точками, три геометрических условия. Весь необходимый аппарат вы уже проходили — просто, возможно, не думали, что он помогает принимать решения на футбольном поле.

В конце статьи мы реализуем модель в среде Engee на языке Julia — с визуализацией зоны контроля в начальный момент и через время t1​.

У нас есть продукт и нам нужно рассчитать ключевые метрики, которые показывают здоровье продукта:

• DAU/MAU – вовлеченность
• Conversion Rate – конверсия в целевое действие (у нас это создание объявления)
• Retention – удержание пользователей
• LTV – жизненная ценность клиента
• ARPPU – средний доход с платящего пользователя

В статье разберем последовательный расчет с примером синтетических данных и готового кода на SQL.

AI - не микроархитектор, не проектировщик и не верификатор. Это все-лишь гламурный поисковик уже решенных и опубликованных задач. Именно такой вывод следовал из предоставленных мною на конференции SNUG Silicon Valley 2026 фактов как десятки студентов мучали ИИ чтобы решить мои задачки. Одну задачку ИИ решил лишь через полгода после выкладывания решений в интернет, другую за два месяца, потом пошла третья. При этом задачки были довольно банальные - мы в Самсунге даем делать такие статические конвейеры с контролем потока данных практикантам.

Вот постер, сопровождающий мою статью:

Если вы следите за рынком генеративного ИИ по десктопным продуктам — у вас искажённая картина мира. Я серьёзно.

На вебе генеративный ИИ — это ChatGPT, Claude, Character.ai, Midjourney. Чат-боты, ролевые платформы, кодинг-ассистенты. Логично: люди сидят за компьютером и взаимодействуют с ИИ через текст. Но стоит переключиться на мобильный рейтинг — и картинка переворачивается. Из 50 самых популярных мобильных AI-приложений примерно 20 — это фоторедакторы и камеры. Не чат-боты. Не поисковики. Камеры.

a16z опубликовал свой ежегодный рейтинг топ-50 генеративных ИИ-продуктов по ежемесячным активным пользователям. Отдельно веб, отдельно мобайл. Эта статья — про мобильные приложения. И она рассказывает совсем другую историю, чем веб-рейтинг.

Дальше — пять наблюдений, которые я вытащил из данных, потом карта рынка и полный справочник всех 50 приложений.

Привет, Хабр! С вами эксперты ИнфоТеКС. Сегодня поговорим о подходе Architecture as Code и о том, как он может улучшить ваши рабочие процессы.

Когда-то именно дискета была главным способом обмена данными. Игры, софт, рабочие файлы — все это путешествовало с компьютера на компьютер на дискетах. Да, с сегодняшней точки зрения это было, мягко говоря, не очень удобно и не очень надежно. Но и альтернатив особо не было. 

Ограничения начали давить уже в 90-х. Нужен был наследник. Технология или решение, которое примет на себя ношу хранения и обмена данными под стать изменившимся запросам. И многие компании бросились его создавать.

Так началась эпоха «убийц дискеты», когда каждый уважающий себя производитель считал своим долгом предложить достойную альтернативу. Iomega, Imation, Sony, SyQuest — все они предлагали свое видение идеального носителя. 

В этой статье мы вспомним пятерых ярких претендентов, которые всерьез метили на трон дискеты, но по разным причинам сами остались за бортом истории.

Статья о том, какие трансформации происходят в продуктовой разработке и почему мы вступаем в эпоху пост-Agile, платформенных команд и агентных связей.
Придут ли ИИ-агенты на смену кросс‑функциональным командам? Давайте разбираться.

Как перевести продакшен-проект на рельсы agent-driven development - когда LLM-агенты становятся полноценными участниками разработки, а не просто подсказчиками в автокомплите ? Реальный опыт на реальном проекте !

Продолжаем улучшать Feedback Loop. В предыдущей статье я ускорил прогон тестов в 6 раз. Теперь — следующий шаг: LLM-агент генерирует тесты. Два подхода (sprint-driven и coverage-driven), шестиуровневый pipeline верификации, двух-агентная архитектура, оптимизация feedback loop — и 68 тестовых файлов на выходе с acceptance rate 86.8% при ревью живыми разработчиками.

В статье — конкретика: как анализировал покрытие и свежесть документации, как ускорял компиляцию для агента, на чём экономил токены, и что сказала команда на code review.

SimpleGen — новый продукт для генерации решений на платформе SimpleOne с помощью AI. В этой статье рассмотрим, как начать работу с SimpleGen: что поставить на рабочую машину, как подготовить репозиторий, настроить доступ к SimpleOne, а также выполнить свою первую задачу.

Настройте своего персонального ИИ-трейдера на базе OpenClaw в Telegram — полностью бесплатно и без единой строчки кода. Агент понимает естественный язык, работает с Finam Trade API и умеет сам писать и запускать Python-скрипты прямо в чате.

В этом туториале покажем, как настроить агента с нуля, подключить к Trade API и использовать его для сканирования рынка, алгостратегий и выставления ордеров по расписанию.

«Что же ты всё по Бамбукам загоняешься? Есть и другие хорошие принтеры — и дешевле». Примерно так мне сказали, передавая на тест Anycubic Kobra 2 Pro. Ну, хорошо. Я человек открытый — дайте железо, дайте время, и я выдам честный вердикт.

Kobra 2 Pro — бедслингер с заявленным полем 220×220 мм и скоростью до 300 мм/с (маркетинговые, разумеется). На бумаге — конкурент Bambu Lab A1 Mini: стол больше, ценник ниже. Казалось бы, чистая победа Кобры. Спойлер: нет. Но обо всём по порядку.

Привет! Если вы читаете эту статью, то скорее всего столкнулись с блокировками Telegram или просто хотите обеспечить себе стабильный и безопасный доступ к мессенджеру. Я покажу, как поднять свой собственный MTProto прокси с Fake TLS на любом VPS сервере за 5 минут с помощью готового скрипта.

Недавно я присутствовал на рабочей встрече в налоговой инспекции, которая заставила меня кардинально переосмыслить многие вещи.

На этой встрече меня, выступающего в роли налогового консультанта, и находившегося рядом со мной руководителя проверяемой компании сотрудники налогового органа буквально чуть не разорвали на части. И я абсолютно уверен, они бы довели свое дело до конца, если бы в определенный момент, устав выслушивать этот поток агрессии и угроз, мне не пришлось бы представиться и рассказать о своем прошлом месте работы.

Изначально, я не планировал этого делать, так как не видел в этом никакой необходимости. Но по ходу встречи понял, что такая необходимость есть.

Но обо всем по порядку. Дальше расскажу, как вообще рабочая встреча сотрудников налогового органа с налогоплательщиками могла скатиться до уровня уличных разборок.

Если вы ранее работали с мобильным приложением DogPlanner, то вы, наверное, уже знакомы с робопёсом Роби. Но в любом случае, позвольте рассказать вам его историю. Роби живёт на Марсе... ходит молва, что он был собран кем-то из деталей первого в истории марсохода Sojourner. Он изучает красную планету, да и, по возможности, всю вселенную через сигналы, приходящие из космоса.

Чем отличается заработок крупных денег от небольших?
А тем, что крупные деньги зарабатывают на создании проблем для пользователей. А не их решении.

— Мы провели исследование и теперь видим проблемы пользователей. Решим их, улучшим UX и платежи вырастут. — отчитывается ответственный менеджер на вопрос о продажах.

Проходит 3 месяца, руководство задает тот же вопрос. В ответ:
— Нууу, у нас зато значительно вырос NPS пользователей…
— Какой еще НПС? Вы мне обещали продажи! Нас щас тут разгонят всех как малограмотных. Вы на кого работаете? На пользователя или на компанию?

Такую логику породили всевозможные экологичные и распиаренные продуктовые фреймворки.
Когда в действительности реально большие деньги зарабатываются не на решении проблем пользователя. А на создании новых.
Сильный бизнес видит перспективу. И заранее создает пользователям проблемы, которые он для них в будущем решит. За деньги.

Возьмем тот же LinkedIn. Туда люди и так приходят с проблемами...

Всем привет! У многих из нас куплена максимальная подписка на Google AI Ultra - правда же? Да, она стоит не копейки - по акции первые 3 месяца обходятся в $124.99/мес, а потом ценник подрастает. Но мы заставим ее отработать каждый цент.

Я крайне редко на фрилансе получал заказы связанные с DS/ML, специалистов для таких задач обычно ищут не там. Причины разные: они требуют долгой интеграции, заказчик сам не понимает задачу, DS более конфиденциален, DS часто возникают внутри продукта, да и в последнее время этот сегмент на фрилансе съедается при помощи LLM: AI integration, RAG боты например.

Но, внезапно, мне в личку постучались с таким проектом.

В марте 2022 года Atlassian объявляют об уходе из России. Сначала останавливают продажи новых лицензий, потом перестают продлевать старые.

Россияне начали искать выход. Кто-то готовил обходные пути, кто-то взламывал лицензии через генератор на GitHub, кто-то регистрировал аккаунты через зарубежные филиалы. Много компаний мигрировали на отечественные аналоги.

До ухода Atlassian большинство российских компаний работали на их продуктах. Jira была дефолтным инструментом для разработчиков, Trello уже как синоним канбан-доски, а Confluence — единственная корпоративная база знаний, которая не вызывает отвращение.

Два студента из Австралии в 2002 году взяли $10 тысяч с кредитки и создали продукты, которыми через 20 лет пользуются миллионы команд по всему миру.

Сейчас расскажу, как Atlassian стала стандартом индустрии.

Продолжаем серию статей о нашем функциональном и удобном корпоративном портале.

Открытость — часть культуры Sminex. Своё мнение принято высказывать, устаревшие бизнес-процессы — совершенствовать и менять. Любой сотрудник может предложить идею, изменить устаревшие и неэффективные правила и технологии. И не только предложить, но и заработать, если идея соответствует определённым критериям и выгодна компании. Это отличная мотивация для команды. Для реализации на практике работает корпоративный сервис «Идеи». Раньше технической базы для него не было. Всё сводилось к отдельному почтовому ящику и группе сотрудников, координировавших процесс. Единого подхода к подаче идей тоже не было: предложения поступали в свободной форме, не всегда содержали нужную информацию и часто повторялись.

В 1957 году писатель-фантаст Роберт Хайнлайн так представлял себе людей XXI века: «Делала перерасчет прочности гидропонических оранжерей, но выходило с ошибками. Дважды забывала логарифмы, так что пришлось лезть в таблицу».

Однако наша цивилизация выбрала другую ветку развития — и в нашей версии XXI века все за человека делают машины: от сложения двузначных чисел до написания статей на Хабре. Считать в уме, а уж тем более помнить наизусть логарифмы — звучит, как не самая востребованная сверхспособность.

Зато, чтобы обрести эту сверхспособность, не требуются укусы радиоактивных пауков — достаточно просто прочитать эту статью, а уж пригодится ли в жизни — решайте сами. Может быть в нужный момент калькулятора под рукой не окажется, а может быть просто захочется произвести впечатление на коллег небрежно брошенной фразой: «Корень седьмой степени из пяти это примерно 1,25». Хотите научится быстро считать? Тогда добро пожаловать под кат!