Kurgan-Telecom Ru | Информационные технологии

Я работаю в компании GlowByte, а в целом в ИТ – более 20 лет. В последние годы в основном занимаюсь проектами и решениями в области AI, аналитики, больших данных, но приходилось иметь дело с большим списком разнообразных ИТ-услуг и форм взаимодействия заказчиков и подрядчиков. По роду деятельности мне приходится много заниматься подготовкой, оценкой, запуском ИТ-проектов. Очень часто нормально проведенное предпроектное обследование становится залогом успешного проекта, поэтому решил, что мои мысли про предпроект, его цели и подводные камни могут быть интересны аудитории. 

После выхода первой части прошло 2 месяца, и наши многоуважаемые американские партнёры из Anthropic и Google что-то подхимичили, и новые версии Claude Code и Antigravity перестали работать.

А так хочется попробовать новые чудо-модели типа Fable 5 и Opus 4.8! Поэтому нам придётся осваивать новые хитрости для настройки VPS, чтобы быть на острие прогресса.

Каждый инженер рано или поздно сталкивается с вопросом: как выкатить новую версию приложения так, чтобы пользователи ничего не заметили, а команда не получила ночной звонок от дежурного.

На первый взгляд выглядит все довольно просто: собрал новую версию, загрузил на сервер и перезапустил сервис. Но как только система начинает обслуживать реальных пользователей, появляются новые требования — минимизировать простой, быстро откатывать неудачные релизы, снижать риски и выпускать изменения как можно чаще.

Именно для этого существуют Deployment Strategies — набор подходов, которые определяют, каким образом новая версия приложения попадает в продакшен. В этой статье разберём самые популярные стратегии деплоя: Recreate, Rolling Update, Blue-Green, Canary и Shadow, посмотрим их плюсы и минусы, а также выясним, в каких сценариях каждая из них действительно полезна.

ИИ фотосессия по фото — задача, которая на бумаге решена давно: загружаешь несколько селфи, модель обучается на лице и генерирует портреты в заданных образах. На практике всё упирается в детали: сохранение идентичности, работа со светом, доступность сервиса из России без VPN и зарубежных карт. Также мы протестировали ТОП самых актуальных нейросетей для фото — Nano Banana Pro, GPT Image 2, Higgsfield Soul, Seedream 5.0, Nano Banana 2 и FLUX — и показали на реальных примерах, где каждый ИИ-генератор фото выдаёт максимум качества, а где спотыкается. Все тесты проводили через агрегатор Study, который работает в России без VPN — так что создать фото через ИИ или сгенерировать картинку нейросетью онлайн сможет буквально каждый.

В статье — итоги тестов с примерами генераций, разбор сильных и слабых сторон каждой нейросети, рабочие промпты и ответ на главный вопрос: можно ли сделать нейрофотосессию почти бесплатно и не получить пластикового двойника.

В Heroes of Might and Magic III у каждого игрока есть своё мнение о том, какие юниты сильнее. Обычно такие сравнения строятся на характеристиках, способностях, личном опыте или ручных дуэлях на специальных картах.

В этой статье я попробую подойти к вопросу немного иначе: через симуляцию боёв. Я сделал упрощенную модель боевой системы HoMM3, которая позволяет сталкивать отряды юнитов друг с другом много раз при заданных условиях и смотреть, кто побеждает чаще. Дальше разберём, как устроена такая симуляция, какие допущения в ней есть и что можно узнать из результатов.

В большинстве известных мне коробочных прогнозных систем есть этап, когда часть исторических данных о продажах отбрасывается.  К примеру, этот этап есть в SAP и в Forecast. Обычно отбрасывают 2% самых больших и 2% самых маленьких данных в распределении. Это непонятные аномальные данные. Их называют «выброс».

Логика «если мы что-то не понимаем, то мы на это не смотрим» немного странная. Казалось бы, это самые интересные данные. Почему на них не смотреть? И с другой стороны, если математическая модель хорошо сделана, то присутствие этих данных в расчете не должно мешать.

Конкретный пример исследования аномалии в данных о продажах светильников в гипермаркетах DYI приводит нас к интересным выводам и заставил пересмотреть алгоритм заказа и бизнес-процессы.

«Нормально делай — нормально будет».

Слышали? С детства, наверное. От родителей, от учителей, из советских плакатов. Звучит как народная мудрость. Как все просто и понятно (на самом деле нет).

Но трактовать её можно по-разному. А если присмотреться — это программа в голове.

И она работает против тебя, пока ты этого не осознаёшь.

Это либо держит тебя в болоте, либо загоняет в ловушку.

Есть три способа работать и жить. Два из них — ловушки. Причём одна выглядит как мудрость, другая — как добродетель. Поехали.

В своей программной статье, опубликованной по итогам выступления на OOPSLA '89, Ребекка Вирфс-Брок и Брайан Уилкерсон излагают основы ответственностно-ориентированного подхода. Отталкиваясь от модели «клиент-сервер» и идеи контракта, авторы показывают, что концентрация на поведении и обязанностях, а не на структуре данных, позволяет максимально раскрыть потенциал инкапсуляции, делая систему более гибкой и устойчивой к изменениям.

Вы, наверное, слышали, что все перейдут в будущем на новое шифрование, и на квантовые компьютеры банкам будет плевать.

Основная проблема в том, что трафик собирается уже сейчас, чтобы, когда кубит будет доступен условно «каждой домохозяйке», пооткрывать эти пакеты.

Итак, есть такая штука — CRQC, или криптографически релевантные квантовые компьютеры. Они пока больше фантастика, но вроде как из-за последних сдвигов в сборке логических кубитов с коррекцией ошибок уже не такая дальняя, как термояд. Они угрожают криптографии на эллиптических кривых, поэтому сейчас активно переходят на постквантовые алгоритмы.

На текущий момент в Америке принят стандарт, что системы национальной безопасности с 2030 года должны быть на постквантовой криптографии, а полный переход нужен в 2035. Вот их план перехода.

Если что, RSA-2048 теоретически взламывается за неделю на квантовом компьютере с менее чем миллионом шумных кубитов. Это в 20 раз меньше, чем оценивалось в 2019. И тут же IBM обещает машину на 200 логических «чистых» кубитов к 2029.

«Подскажите модель и серийный номер». «Не знаю, где это смотреть». До начала диагностики проходит 12 минут детектива: Excel прошлого админа, чат, звонок на склад. Разбираем, почему оператор работает без контекста даже в компаниях с приличными бюджетами, что меняется, когда данные об активах попадают в тикет, и почему красивая карточка актива начинает врать через полгода.

Посмотрим на Kilua — новый Kotlin-фреймворк для web-frontend. Честно о том: где радует, где мешает, и почему один вопрос всё равно остается открытым

Рассмотрим пример сборки go приложения для работы в среде Entware на mips-роутерах Keenetic/Netcraze

Все знают, как писать промпты правильно: роль, критерии готовности, защита от выдумок, разметка под конкретную модель. Проблема в другом - выписывать все эти пунктыруками для каждого нового промпта утомительно. Да ещё и думать надо :) Поэтому я собрал скилл, который делает рутину за меня: описываешь задачу своими словами, получаешь полноценный промпт под Claude, GPT, Gemini или DeepSeek. Под катом - как он устроен: десять обязательных блоков, Python-проверяльщик, протокол разнообразия из свежей научной работы. Скилл открытый, ссылка внутри.

Приветствуем, уважаемые читатели! На связи Олег Сивченко @OlegSivchenko.

Пару месяцев назад мы анонсировали выход русскоязычного издания знаменитой в узких кругах книги Дениса Бахвалова, которая в оригинале называется «Performance Analysis and Tuning on Modern CPUs» или просто «perf-book». Теперь она, наконец, в продаже и на полках магазинов. Русское издание называется «Оптимизация производительности современных процессоров. 2-е изд.». Это один из моих наиболее сложных, выстраданных, многоэтапных и при этом ценных проектов за последние четыре года. Уверен, он бы не состоялся без активного участия автора, его искренней заинтересованности и содействия в редактуре, проверке терминологии и в целом качества перевода, а также при составлении глоссария.

Привет, Хабр! Я Миша Онянов, Python-разработчик и платформенный инженер в крупнейшем проекте MAGNIT TECH – F&R. Из статьи вы узнаете, как с помощью механизма Cluster Policies в Apache Airflow вынести требования к DAG’ам в исполняемый код:

- Поговорим о том, когда и зачем нужен отдельный слой Policies.

- Посмотрим на примеры требований в больших data-инженерных проектах и способ их реализации с помощью политик.

- Покажу нашу архитектуру, примеры кода и способы внедрения.

- Сделаем выводы из моих ошибок, допущенных при разработке и внедрении.

- В конце посмотрим, в каких ещё системах используется аналогичный механизм.

Материал будет полезен всем, кто собирается внедрять или уже работает с Apache Airflow ✌️

Строим Telegram-бота с RAG-поиском по базе знаний — без векторных БД, без эмбеддингов, без платной инфраструктуры. Поиск по ключевым словам через Jaccard, LLM через Groq, история сессий в Cloudflare KV, деплой одной командой. Стек: TypeScript + Telegraf + Cloudflare Workers.

Во второй статье цикла о конечных полях продолжаем путь от базовых понятий абстрактной алгебры к полям вида . Разберёмся, чем отличаются кольца и поля, познакомимся с конечными полями и на практике построим поле . Заодно посмотрим, как автоматизировать такие вычисления и эксперименты с помощью SageMath.

Есть один вопрос, который рано или поздно встаёт перед каждой командой, работающей над продуктом или стратегией роста: выходить на рынок первыми — или дать кому-то другому проложить дорогу, а затем зайти с более сильным предложением?

Интуитивный ответ менеджеров-энтузиастов будет — «лучше первым». Первый снимает сливки с рынка, задаёт стандарты, воспринимается как новатор и формирует лояльность к первооткрывателю. Но данные говорят о несколько иной картине.

В этой статье — плюсы и риски обеих стратегий, тест для самодиагностики вашей компании и два готовых промпта для ИИ по теме.

Я работаю в IT-консалтинге первый год и параллельно веду несколько пет-проектов вместе с Claude Code. И в какой-то момент меня начало беспокоить одно и то же:

«А код, который мне написал AI, вообще безопасный?»

Несколько личных проектов я собрал в связке с Claude Code, и раз уж большую часть code review я отдаю модели, то вполне реально, что куда-нибудь просочится:

На выставке Computex 2026 компания Supermicro® представила новую линейку серверов для агентного ИИ, облачных сервисов, HPC и масштабируемых вычислительных кластеров.
В сердце платформ — процессоры Arm AGI на архитектуре Arm Neoverse CSS V3. В максимальной конфигурации один процессор содержит 136 ядер, что дает в двухсокетной системе до 272 ядер. Все платформы поддерживают DDR5 и современные интерфейсы вплоть до PCIe 6.0.