Kurgan-Telecom Ru | Информационные технологии

Заказчик добавил новое условие, когда разработчики уже пишут код, а QA готовит тесты. Теперь нужно понять, какие части системы затронет изменение, сколько работы придётся переделать и можно ли сохранить срок релиза. На примере согласования заявок разберём, как провести анализ влияния изменений и подготовить оценку для обсуждения с командой.

Хижину на высоте 3 930 метров в Кыргызстане пришлось сделать шире, чем в чертежах. Причина простая: матрасы оказались на несколько сантиметров больше, чем рассчитывали. К этому моменту материалы уже лежали на леднике: их привёз вертолёт, а недостающее мы дотаскивали в рюкзаках. Я работаю в Postgres Professional и около двадцати лет хожу в горы. Сейчас вместе с друзьями строю здесь новую хижину для альпинистов. Пока мы утепляем стены и собираем электрику, на ней уже ночуют люди, а по ночам заглядывают куницы. Для них мы закрыли все щели, но куницы всё равно нашли путь.

Представьте следующую картину: вы в 9-10 классе сидите посреди аудитории с нейроинтерфейсом на голове, а перед вами в воздухе висит небольшой дирижабль. Вы закрываете глаза — винты начинают вращаться, и дирижабль летит вперед, открываете — и он останавливается. И это никакая не магия, это именно то, чему учились школьники в Летней STEM-школе Центральногоый университета в течение школьников на протяжении 5 дней в Летней STEM-школе.

Я хотел разработать собственный AI-процессор, нашёл openTPU, купил FPGA за $50 с 4ГБ памяти, подключил её к обычному мини-ПК и запустил на ней языковую модель.

Большой визуальный гайд по CSS Anchor Positioning: от базовой привязки элементов до создания прочных соединителей и цепочек якорей.

Привет, Хабр! Меня зовут Павел, я старший разработчик ML-платформы в Авито и последние полтора года занимаюсь MLOps. 

На прошедшей Kuber Conf я выступал с докладом про нашу платформу распределённого обучения, а теперь решил сделать на его основе статью для вас. Если вам комфортнее воспринимать такие доклады в формате видео — держите.

Под катом — о становлении нашей ML-платформы, распределённых вычислениях, реализации инфраструктуры и других полезных вещах. И главное — что это нам дало и чем может быть полезно вам.

ML-платформа Авито. Как всё начиналось

В те времена, когда в Авито работало не так много дата-сайентистов, они использовали разнородные инструменты. Главным из них был так называемый DevBox — выделенная машина, на которую специалист заходил по SSH, делал свои дата-сайентистские дела, обучал модели, собирал датасеты и прочее. Время шло, число спецов росло (равно как и отделов), и мы не придумали ничего лучше, как добавить ко всему этому ещё и LLM. У неё была своя специфика в плане инструментария, и в целом жизнь она не сильно облегчила.

Так началась эволюция нашего пути — от обычного доступа к машинам по SSH, когда коллеги полностью блокировали их и выполняли задачи вручную, до нашей полноценной cloud-native-платформы, которую мы назвали Aviflow.

Небольшая веб-студия в Тбилиси, множество встреч с клиентами и два года разработки сайтов — с 2016 по 2018 год.

Весной мне хватало подписки за 100 долларов для всех задач по моему пет-проекту. Идея полностью высадить пятичасовой лимит токенов выглядела как вызов. В самом начале лета я уже неплохо справлялся с этой задачей, а в августе лимитов стало хватать только на проработку технического дизайна решений, а до старта реализации приходилось ждать следующей недели. Запускал в работу и тратил весь недельный лимит примерно за 3 дня.

В cентябре у меня была подписка уже за 200$, но и её лимиты не выглядели недостижимыми. Друзья и коллеги рассказывали, что у них давно по максимальной подписке на Claude и GPT враз и планы купить даже третью!

Вливать дополнительные деньги выглядело тупиковым сценарием и я начал разбираться, как можно оптимизировать потребление токенов. Главная причина нашлась не в сложности выполняемых задач и объеме вычитываемого кода, а в банальном повседневном удобстве.

Недавно в статический анализатор PVS-Studio была добавлена поддержка JavaScript/TypeScript, и он на старте умеет искать ошибки, связанные с потоком управления. Причём тут граф потока управления, как мы его добавили и чем это полезно — читайте в этой статье.

В прошлых статьях я писал про свой путь в IT, а теперь хочу рассказать про свой проект, с кем еще не знаком, то давайте знакомиться.

Меня зовут Денис, я 22 года в IT: прошёл путь от разработчика до руководителя группы разработки. Много лет строю команды, наставляю людей и внедряю автоматизацию, в том числе на базе AI. Поэтому, когда моя супруга, коуч ICF и системный аналитик с 18-летним опытом в IT, показала мне, сколько времени у "помогающих" специалистов уходит на всё вокруг самой сессии, я сразу узнал знакомую картину - то с чем ежедневно сталкиваюсь в своей работе и пытаюсь автоматизировать: слишком много инструментов там, где нужен один. Так мы вместе начали делать 121ai.

Я собирался написать статью про Markdown. В процессе внутри документа оказался Doom.

Разбираемся, почему два пробела меняют перенос строки, обратные кавычки не всегда спасают таблицу, а один .md по-разному выглядит на Хабре и GitHub. Прямо в статье можно менять разметку в лаборатории, решать задания и проверять результат. Есть GIF, вложенные спойлеры, маленький квест и разбор того, как упаковать ресурсы Doom в Markdown — и что на самом деле запускает игру.

Работаю удалённо. Столкнулся с такой ситуацией. Пишет мне руководитель примерно следующее: "Смотри почту. Там HR мне написала, что по статистике у тебя было плохое рабочее время в отдельные дни. Нужны твои мысли как ответить."

Смотрю почту. Там график учёта рабочего времени. Где указано, что в отдельные дни у меня были показатели ниже, чем в другие дни. Да, у нас на рабочих ноутах стоит софт трегинга времени (в одном из документов при приёме на работу я видел про это). Только вот дни эти были почти 2 месяца назад.

«Сколько стоит?», «А в другом цвете есть?», «До скольки вы работаете?», «Как оформить возврат?». Если вы ведёте сообщество с живой аудиторией, то эти вопросы уже читали наизусть. И отвечали на них раз сто. Каждый раз с нуля, потому что копипаст выглядит холодно.

Есть способ передать эту рутину тому, кто не устаёт: ИИ-бот с нейросетью внутри. Он мгновенно консультирует по товарам, записывает на услуги, разбирает частые вопросы и говорит ровно тем тоном, который вы ему зададите.

Хорошая новость: чат-бот с искусственным интеллектом для сообщества собирается в конструкторе GPTunneL без единой строчки кода. Раньше конструктор работал только с Telegram, а теперь один и тот же бот подключается ещё к ВКонтакте и MAX. Инструкция, модель и лимиты у него общие, а каналы включаются на вкладке «Каналы».

Дальше в статье я опишу весь маршрут: от пустого бота до первого ответа в сообщениях сообщества. Девять шагов со скриншотами – обещаю, что ни одного «а теперь откройте консоль».

Я много работаю с текстом и где-то год назад задумался о покупке E-Ink монитора.

Цены на такие устройства крайне высоки и пришлось отложить покупку до тех пор, пока под собираю требуемую сумму денег. А тем временем начал изучать обзоры.

Видео обзоры на устройства похожи на синтетические тесты производительности компьютерных комплектующих. С одной стороны, они показывают его функциональные возможности, с другой стороны, как правило, в них отсутствует опыт использования на реальных задачах.

Так каков он на деле? Сейчас расскажу.

Скопируйте этот код, и он заработает в любом редакторе. Спорим, вы будете долго думать в чём здесь подвох и как это работает.

Как и в предыдущие месяцы, по итогам сентября мы решили рассказать про то, как изменилась GigaIDE за прошедший месяц. Ниже — краткий обзор обновлений Pro-функциональности GigaIDE, которую можно найти на нашем маркетплейсе.

Привет, Хабр! Китайская компания Huawei добралась до настольных ПК с собственной операционкой. Недавно корпорация представила HM650 на HarmonyOS. Новинка предназначена для офисов и госучреждений, продажи обещали начать в октябре 2026 года. Внутри заявлен Kirin X90, тоже собственного производства. Вообще говоря, корпорация в течение несколько лет собирает связку из своего железа, инструментов разработки и магазина приложений. Похоже, это финальный этап. Давайте посмотрим, что сейчас представляет собой новая операционная система и железо к ней. 

В предыдущей части статьи я рассказал об особенностях реализации многозадачности для ВПО. Однако, какой бы ни был выбран подход к многозадачности, архитектура самих задач напрямую влияет на эффективность работы всей встраиваемой системы.

Для достижения оптимальной работы системы, задачи необходимо проектировать по принципу эффективного использования процессорного времени. Т.е. задача должна использовать процессорное время исключительно для полезной нагрузки. Данный принцип выполняет 2 основные функции: Улучшение отзывчивости системы и эффективного потребления электроэнергии.

Каждый актив в инфраструктуре проходит свой жизненный цикл: он появляется, функционирует, а со временем выводится из эксплуатации. Новые активы часто создаются как копии существующих, но со временем обрастают уникальными особенностями. Из-за постоянных изменений в инфраструктуре возникают аномалии данных: дубликаты, «склейки» и цифровые призраки — активы, которых уже нет, но они продолжают числиться в системе.

Чтобы справиться с этой проблемой, нужно решить три нетривиальные задачи: сопоставить данные из разных источников с конкретным активом, корректно обработать изменения между предыдущим и новым состоянием, отследить жизненный путь актива и зафиксировать момент его исчезновения.

Сколько сообщений в секунду выдерживает MQTT‑брокер? Без описания нагрузки этот вопрос почти ничего не говорит. Приём сообщений от множества устройств, доставка одного сообщения тысяче подписчиков и обслуживание сотен тысяч соединений нагружают сервер по‑разному.

Я сравнил Mosquitto, EMQX, FlashMQ, HiveMQ Community Edition и XMQ на одном AWS‑стенде. Меня интересовали доставленная скорость, задержка и потребление CPU и памяти, а также то, что происходит, когда брокер не успевает за заданной нагрузкой.

Сразу обозначу свою заинтересованность: я разработчик XMQ. Генератор нагрузки xmq_scn также входит в этот проект. Поэтому рядом с результатами нужны версии, сценарии, конфигурации и исходные отчёты: читатель должен иметь возможность проверить эксперимент.