Kurgan-Telecom Ru | Информационные технологии

Рука промахивается на Ctrl+Shift+W — и окно с полусотней вкладок закрывается без вопросов. Единственное, что заставляет Яндекс Браузер переспросить, — активная загрузка. Так что теперь systemd кормит мой браузер загрузкой, которая не кончается никогда: 0,4 МБ памяти, 64 КБ на диске, один байт по loopback раз в пять минут. Как я до этого дошёл, почему не спасают настройки и расширения и как тесты чуть не убили то, что защищали, — под катом.

Стоит ли прямо сейчас перестать пользоваться ИИ?

Я ненавижу ИИ-инструменты. Что довольно смешно, потому что я буквально зарабатываю на том, что строю AI-автоматизации. Это моя работа. Но недавно я пережил кое-что, что заставило меня полностью пересмотреть отношения с этими инструментами. Я потерял ощущение цели, потерял интерес к работе и долго не мог понять почему. А потом случайно посмотрел видео о греческом слове, которого раньше никогда не слышал, — и наконец понял, что происходит.

Поздравляю всех, кто ещё жив и в состоянии меня читать – с момента публикации моей предыдущей статьи прошло больше месяца, а законы физики за это время так и не изменились! Если вы не удивлены, то зря, ведь в условиях Гиперхаоса им следовало бы меняться намного чаще. Конечно, всегда можно прибегнуть к дежурной фразе «если угодно будет Господу и живы будем», но в наши дни она уже мало кого удовлетворяет. Так что нам придётся искать объяснение, почему законы физики стабильны. Мы возьмём за основу спекулятивный материализм Мейясу, проведём его критическую деконструкцию, рассмотрим альтернативные представления о контингентности (возможности всего быть другим) и поможем Мейясу доказать способность математики обеспечивать доступ не только к Абсолюту, но и к частным свойствам контингентного мира, объективным по отношению к наблюдателю.

Как же сохранить рассудок в мире, где всё может радикально измениться в любой момент? Сможем ли мы доказать, что логическая аргументация и критическое мышление имеют преимущество над слепой верой, а учебники, научные статьи и диссертации являются более надёжным источником знаний, чем религиозные откровения или бред сумасшедших? Математика – объективное знание об отношениях между абстрактными объектами или социальный конструкт? Даёт ли она возможность, по выражению Гегеля, «зайти сзади», чтобы «застигнуть врасплох» пресловутую кантовскую «вещь» и узнать, какова она «в себе», а не «для нас»? Применима ли теория вероятности к такому событию, как изменение законов физики? Почему мир кажется таким устойчивым, если у него нет достаточного основания не быть другим? Давайте попробуем ответить на эти вопросы и понять хоть что-то, прежде чем исчезнуть в пучине Гиперхаоса.

Идея так называемого «мертвого интернета» витает в воздухе довольно давно (если мне не изменяет память, уже в 2014 году были робкие высказывания в поддержку этой теории), но с каждым годом голоса тех, кто считает ее реальной, становятся громче. И действительно, развитие ИИ, автоматизации, парсинга ресурсов способствует наводнению интернета ботами. Но так ли все критично, как кажется на первый взгляд?

Мы решили изучить, что происходит в современном интернете с точки зрения человеческого и ботового трафика и разобраться, так ли близок «мертвый интернет» или это все еще напоминает теорию заговора.

В первой части мы разобрали язык, компилятор и байткод SwiftII — Swift-подобной среды для Apple II 1977 года. Но чтобы на этой машине действительно писать код, одного интерпретатора мало: клавиатура без строчных букв и обратного слэша, дисплей без половины нужных символов, 64 КБ памяти, которые приходится переключать банками. Во второй части — как автор всё это обошёл (собственный редактор, файловый браузер, ввод через диграфы) и, отдельно, как весь проект собирался с помощью Claude Code и Codex: честный разбор, где ИИ реально помог, а где им пришлось управлять вручную.

«Playwright сейчас модный, Selenium старый, Cypress удобный». Именно так чаще всего звучит выбор фреймворка на планировании — и именно поэтому команды потом полгода разгребают последствия решения, принятого за один созвон.

Я сам проходил этот выбор не один раз, и каждый раз он оказывался сложнее, чем «взять модное». Дальше — разбор архитектуры, реальных ограничений и того, во что выбор фреймворка выливается через год, когда тестов становится не 20, а 2000.

На Хабре не так много информации об интеграции между различными СУБД, и я решил поделиться своим опытом построения информационной системы на базе Oracle, которая взаимодействует с PostgreSQL (PG). Статья состоит их двух частей: в первой описана конфигурация СУБД, а во второй описан кейс по получению и обработке данных. Надеюсь, этот материал сэкономит Вам время при решении подобных задач.

Плазменное кольцо в колбе ведёт себя почти как живой организм. Оно самостоятельно плавает по объёму колбы, реагирует на поднесение руки, отзывается на магнитное поле, и временами создаёт поразительной красоты визуальные спецэффекты.

Концептуально устройство простое до неприличия. Снаружи колбы стоит катушка в три витка, по ней течёт ВЧ ток на 13 МГц. Магнитное поле проходит сквозь стекло, наводит в разреженном инертном газе (ксеноне либо криптоне) вихревое электрическое поле и зажигает разряд. Наведённый ток замкнут по кругу, поэтому и разряд имеет форму кольца. Самое простое и короткое описание, которое я обычно использую: плазма в колбе работает вторичной обмоткой трансформатора, первичка которого намотана снаружи стекла.

Индуктивно связанная плазма известна с XIX века и давно используется в науке и промышленности в самых различных областях. Теперь ей нашлось совершенно новое применение, которому и посвящена эта статья.

Этот материал посвящён исследованию невидимой космической загадки с помощью DIY-радиотелескопа.

Если вы хотите узнать, что такое тёмная материя, учтите, что вы не одиноки. Астрономов занимает тот же вопрос. Однако им уже кое-что известно: масса этой невидимой субстанции значительно превосходит массу наблюдаемых ими звёзд и туманностей. К такому выводу их привели наблюдения за гравитационным воздействием этого загадочного вещества на другие космические структуры. Это положило начало исследованиям длиной в несколько десятилетий, цель которых — понять природу тёмной материи.

Разбираем сетевые драйверы Docker — bridge, host, overlay, macvlan, ipvlan — DNS, порты и плагины: от основ до продвинутых сценариев.

Привет, Хабр! Давайте на примере кейса с рекламой в ПВЗ Wildberries разберемся в двойном машинном обучении (DML) и методе псевдорандомизации (PSM). Вы в деле?

Меня зовут Платон Попов, я дата-аналитик в команде A/B-платформы RWB. В нашей команде я занимаюсь задачами из области причинно-следственного анализа (Causal Inference) и методами понижения дисперсии. 

В этой статье расскажу о самом кейсе и объясню, почему для него не подошёл классический t-тест. Покажу, как мы учитывали спутывающие факторы с помощью Propensity Score Matching (PSM), почему этого оказалось недостаточно и почему в итоге перешли к Double Machine Learning (DML). В конце сравним результаты и обсудим наш план выкатки метода оценки нерандомизированных экспериментов в промышленный масштаб.

Долгое время в такси у меня был рейтинг 5 звёзд.

И вот, однажды, в поездке таксист из ближнего зарубежья очень настойчиво пытался познакомиться, а я была настроена просто попасть в точку Б.

После этого, ждать такси я стала дольше, а рейтинг у приезжающих водителей — ниже. Пожаловалась очередному таксисту, и он сказал «Так у тебя рейтинг плохой, я тоже думал отказать». 4,85.

Привет! Меня зовут Маша, я Senior Product Manager и разбираю только те продукты, над которыми сама хотела бы поработать, так как ими пользуюсь, люблю и вижу, где есть потенциал роста. Мне драйвово искать для них решения, которые выводят продукт на новый уровень не только по деньгам, но и по UX и любви пользователей. Мои другие разборы: Как я искала точки роста для «Звука»: догонять рынок или создавать новый? и ВкусВилл: UX, который покоряет, и ложка дёгтя в офлайне. В этот статье разбираю ситуацию когда счастье пользователя противопоставляется экономическим затратам на продукт и как принимает решение Яндекс.такси сейчас.

Мой сервис обрабатывает большой поток PDF от самых разных генераторов. В начале июня один‑единственный файл уложил его на 30 минут: HPA раздул поды до потолка, и все они наглухо повисли, 100% CPU, обработка стоит, очередь копится, алерты сыпятся пачками. Расследование в трёх актах: ложный подозреваемый, закомментированный panic и санитайзер, не знавший алфавит до конца.

Соавтор статьи — Сергей Левенец, CTO в команде ТестОпс.

Искусственный интеллект заметно ускорил разработку, и очевидных выгод от этого много. Оборотная сторона — выросли издержки на поддержку кода, прежде всего на работу с багами. И ложатся они в первую очередь на тестирование.

В прошлой статье мы рассказали про то, как в команде ТестОпс написали и отлаживали агента по правке багов. Но чуть ли не важнее самого агента оказалось справиться с теми изменениями, которые он принёс в рабочие процессы. А для этого нужно было научиться измерять издержки работы агента.

В этой статье мы расскажем о том, как это оказалось непросто, какие инструменты мы создали, и что ещё планируем сделать, чтобы агент лучше интегрировался в команду.

Представлена новая интерпретация квантовой механики. Интерпретации квантовой механики призваны решить проблему измерения, возникающую в этой теории. В статье показано, что возможной причиной появления проблемы измерения является движение познания в сторону теории всего, каковая теория не имеет смысла. Элементом новой интерпретации является наблюдатель, его сознание, относительно которого также сделаны выводы.

Знакома ли вам ситуация, когда задачи теряются и не выполняются по причине того, что они нигде системно не ведутся? Что интересно: с такой ситуацией сталкивается не только ИТ, а вообще любой сотрудник офиса. Конечно хорошо, когда задача одна, но что если их 10, и новые прибавляются каждый день? Неизбежно приходится записывать задачи, вести их статус. Потом появляется понимание, что задачи должны быть еще и связаны друг с другом, что нужно хранить артефакты в виде документов. И когда появляются статус и возможность делится этими задачами — начинается поиск системы, которая автоматизирует эту работу.

В 2026 году из каждого утюга звучит тезис: несколько сильных инженеров с агентами теперь способны делать работу, для которой раньше требовалась полноценная продуктовая команда.

Рассмотрим: на чем основан "успех" Tiny Teams, почему он на всех не натягивается, как сложность предметной области, система, ответственность и платформа влияют на возможности создания таких команд.

Спойлер: направление скорее правильное, но доказательств эффективности нет, потому что все зависит от специфики предметной области команды и сложности системы.

Семь лет я разрабатываю продукты для защиты конечных точек — те самые агенты, которые крутятся у вас в трее и которые принято проклинать, когда билд собирается на десять минут дольше обычного. До этого несколько лет сидел по другую сторону: аналитиком в SOC и в пентестах. Так что жалобы на «тормозящий антивирус» я слышал во всех возможных ролях — и как человек, который эти алерты разбирает, и как человек, который в эти продукты пишет код.

Обычно дискуссия выглядит так: разработчики говорят «EDR сожрал мне полчаса жизни на сборке», безопасники отвечают «терпите, это ради вашей же безопасности», и обе стороны расходятся, оставшись при своём. Я попробую разобрать, что происходит внутри агента на самом деле, где именно теряется производительность и почему часть этих потерь — осознанный выбор, а часть — честный инженерный компромисс, у которого пока нет красивого решения.

.. некоторое время назад мы начали активно прикручивать на свою аналитическую платформу MCP. Разумеется, по ходу этого процесса у меня с коллегами происходят разные беседы и споры о планах развития, и несколько недавних показались мне достаточно любопытными для того, чтобы вынести их идеи сюда... начну немного издалека...

Давайте вспомним, как менялась торговля. Сначала были рынки, где продавец был обязательным посредником между вами и товаром. Потом появились универсамы, где уже можно было ходить самому, но товар всё равно взвешивал и отпускал продавец за прилавком. Дальше — супермаркеты, где мы получили почти полную свободу выбора. Наконец, мы пришли к кассам самообслуживания и покупкам в один клик с телефона. Эволюция торговли была в том, что на каждом таком шаге убирался посредник — и таким образом... получился многовековой тренд на самообслуживание.

Всем привет, меня зовут Антон, я работаю в Сбере разработчиком Java, в продукте GigaIDE. В этой статье мы перепишем нейронную сеть c Phyton’а на Java, которая распознаёт рукописные цифры MNIST. Попробуем распознавать свои цифры, рисуя их мышкой, сделаем обратный запрос в сеть и заглянем в ее «мозги», а в конце сделаем выводы.