Kurgan-Telecom Ru | Информационные технологии

Всем привет, меня зовут Александра, и в 2024 году я занималась темой валидации спутниковых данных на основе наземных измерений.

Статья посвящена главной теме — какому же источнику верить и как я вижу свою работу спустя 2 года работы DevOps.

Летом 2022 года на Алтае датчик, лежащий на земле, показал +48 °C. Спутник Aqua почти в то же время над той же точкой увидел около +33. Кто из них прав и насколько вообще можно доверять «космической» температуре, я разбиралась в дипломе в ВКИ НГУ.

Спутниковые карты температуры поверхности используют климатологи, агрономы, гидрологи и пожарные службы. Они удобны: одна картинка покрывает тысячи километров, а наземная станция видит только свою точку. Но спутник не меряет температуру напрямую. Он ловит инфракрасное излучение сквозь атмосферу с высоты 700 км, а потом алгоритм пересчитывает его в градусы. Поэтому любые такие данные нужно проверять землёй. Эта проверка называется валидацией.

В статье расскажу, как я сравнивала данные MODIS (спутники Terra и Aqua) и Landsat 8 с показаниями термодатчиков, какие получились расхождения и на какие грабли я наступила.

Пять человек, шесть спринтов и AI-ассистент для продавцов маркетплейса. Архитектура, интеграции, тестирование, автономные ответы — всё хочется уместить в квартал. Как понять, что план выполним, а не просто красиво выглядит на доске?

На учебном кейсе разбираю, как свести объём работ с возможностями команды, пересчитать доступное время по ролям после замены backend-разработчика на QA и связать этапы запуска с зависимостями, резервом и критериями успеха. Внутри — исходная доска, расчёты и вариант доработки квартального плана.

Когда я смотрю очередной ролик с удачной генерацией ИИ, не могу не заметить, чего в кадре нет: ни одного юриста, ни одного бизнес-процесса, ни одного клиента, который уйдет в результате ошибок генерации. Только модель и аплодисменты. 

За кадром остается то, что и определяет реальную цену: ИИ-генерация стоит копейки в сравнении с бюджетом традиционной разработки, но одна-единственная галлюцинация может подорвать доверие клиента и прибавить работы юристам; модель генерирует ответ очень быстро, а бизнес-процесс, который она «оптимизировала», придется восстанавливать, возможно, несколько дней. Что-то мне подсказывает, что если такую рекламную генерацию превратить в ТЗ, останется только подсчитывать, во сколько раз вырос бюджет проекта.

Представьте: вы настроили CronJob, протестировали локально и выкатили в продакшн. Всё работает как часы. А потом решили добавить отказоустойчивости и развернули приложение во втором дата‑центре. И внезапно ваша задача начала выполняться дважды. Это не баг Kubernetes, а фундаментальная проблема синхронизации.

Меня зовут Тимофей Салтымаков, я бэкенд‑разработчик в Точка Банк. В статье расскажу, как мы решили проблему дублирующихся CronJob'ов в распределённой системе. Прошли путь от advisory locks до собственной библиотеки, и в итоге поняли, что нужно перестать синхронизировать процессы и начать синхронизировать... время. Поехали!

Привет, Хабр! Продолжаю изучение испанских барахолок. В этот раз кроме кофеварок, проводов и старых ноутбуков встретилось несколько крайне интересных вещей, о которых спешу рассказать. Тут и компьютер Sony со встроенным кассетником, и трехдисковый музыкальный центр с прозрачной крышкой, и прибор для настройки телевизионных антенн. В общем, посмотреть было на что. Обо всем этом — в новой статье. Поехали!

За мной пришли. Ещё совсем недавно, где-то год назад, компания, в которой я работаю, начала "мотивировать" всех разработчиков использовать AI, буквально в любом виде. Затем оказалось, что просто использовать AI уже недостаточно, и всех начали "агитировать" использовать coding агентов. Но и на этом дело не закончилось: теперь меня "призывают" стать адептом SDD и начать активно использовать OpenSpec.

При этом я бы не сказал, что отношу себя к консерваторам или луддитам (так называют противников внедрения новых технологий). Я начал использовать AI ещё на этапе выхода GPT-3 (задолго до того, как его стали активно внедрять у нас). Одним из первых перешёл на программирование с помощью агентов, настраивал собственный harness и, кажется, вполне успешно справлялся с задачами.

Но если сверху решили, то сопротивляться бессмысленно. Поэтому в статье разбираемся как встроить OpenSpec в свой любовно настроенный harness и не сломать то, что уже неплохо работало.

28 августа Tech Times вынес в заголовок сразу две новости: бету gang scheduling в Kubernetes 1.37 и «экономию на простое GPU по умолчанию». За день этот заголовок разошёлся по лентам. Через одиннадцать дней авторы функции написали в блоге проекта: «Все перечисленные здесь бета- и альфа-функции по умолчанию выключены; их нужно включать вручную». 

В этом расхождении между заголовком и первоисточником — вся суть релиза. Группу подов впервые описали в 2018 году и тогда же решили реализовать вне ядра Kubernetes. Следующие восемь лет функцию развивали Volcano, YuniKorn, Kueue и отдельные плагины. В Kubernetes 1.37 групповое размещение стало бетой в kube-scheduler, но по умолчанию оно выключено.

Некоторые обзоры называют бету включённой. Из этого легко сделать вывод, что внешний планировщик больше не нужен. Но KEP передаёт ядру только размещение группы. Очереди и квоты по-прежнему остаются задачей Kueue и Volcano — это прямо указано в документе.

Инженерам здесь пригодится разбор работы кластера с GPU и внешним планировщиком. Администраторам платформы — список feature gates, которые нужно открыть пользователям. Руководителям — критерии, по которым можно решить, стоит ли после обновления отказываться от Volcano. В каждом разделе указано, для кого он предназначен.

28 августа Tech Times вынес в заголовок сразу две новости: бету gang scheduling в Kubernetes 1.37 и «экономию на простое GPU по умолчанию». За день этот заголовок разошёлся по лентам. Через одиннадцать дней авторы функции написали в блоге проекта: «Все перечисленные здесь бета- и альфа-функции по умолчанию выключены; их нужно включать вручную». 

В этом расхождении между заголовком и первоисточником — вся суть релиза. Группу подов впервые описали в 2018 году и тогда же решили реализовать вне ядра Kubernetes. Следующие восемь лет функцию развивали Volcano, YuniKorn, Kueue и отдельные плагины. В Kubernetes 1.37 групповое размещение стало бетой в kube-scheduler, но по умолчанию оно выключено.

Некоторые обзоры называют бету включённой. Из этого легко сделать вывод, что внешний планировщик больше не нужен. Но KEP передаёт ядру только размещение группы. Очереди и квоты по-прежнему остаются задачей Kueue и Volcano — это прямо указано в документе.

Инженерам здесь пригодится разбор работы кластера с GPU и внешним планировщиком. Администраторам платформы — список feature gates, которые нужно открыть пользователям. Руководителям — критерии, по которым можно решить, стоит ли после обновления отказываться от Volcano. В каждом разделе указано, для кого он предназначен.

Всем привет! Меня зовут Дмитрий Мазуров, я контрибьютор проекта Axelix. Это open-source продукт, который помогает находить типичные проблемы и неэффективности в Spring Boot приложениях.

В прошлой статье Михаил разбирал EnvironmentPostProcessor и мимоходом упомянул ConfigDataEnvironmentPostProcessor, который грузит application.yml, разбирается с профилями и обрабатывает spring.config.import. Сегодня заглянем внутрь него.

Поводом стала вполне практическая задача. Нам понадобилось подружить Axelix Master с Vault так, чтобы пользователь настраивал его через наши собственные свойства под axelix.master.*, а не через spring.cloud.vault.*. Чтобы сделать это аккуратно, пришлось разобраться, как вообще работают spring.config.import.

Большинство инструкций по локальному запуску LLM сводятся к одной-двум командам: вставьте их в терминал, дождитесь загрузки модели и готово. Такой подход работает ровно до первой ошибки. После этого становится непонятно, на каком из нескольких уровней возникла проблема: в Windows, WSL2, драйвере NVIDIA, Docker, CUDA или самом inference-сервере.

В этой статье развернем Qwen3-0.6B на обычной NVIDIA-видеокарте под Windows 11 с использованием WSL2, Docker, NVIDIA Container Toolkit и vLLM.

Три минуты на презентацию проекта, десятки слайдов, полчаса вопросов от экспертов и сверхзадача убедить жюри в том, что ты не фантазер, а у идеи есть коммерческие перспективы. Это набор задач стартапера, который идет классическим путем — от идеи к развитию через питчи и поиски инвесторов.

Как подготовить такое выступление, на чем сделать акцент и как справиться с волнением, как не запутаться и не забыть сказать про главное, и что оно такое, это магическое главное? Об этом беседуем с нашей коллегой Елизаветой Кузьминой, руководителем направления технической аналитики АНО «Платформа НТИ» и основательницей стартапа Hypothesis Lab, платформы для тестирования рекламных кампаний и проверки гипотез с использованием синтетических персон для генерации креативов, а также подготовки рекомендаций по масштабированию и сбора аналитики.

Елизавета представила свою платформу на финале акселератора «Физтех. Идея», весенней волне 2026 года. Это был самый первый питч проекта, и сразу успешный. В финальном питче ее команда вошла в топ-6 проектов и получила полмиллиона рублей на развитие.

Поздравив с почином, поговорили с Елизаветой о ее стартапе, а также о том, как устроен акселератор и как подготовить суперлаконичную презентацию на три минуты. А также какие вопросы задают эксперты и что помогает убедить жюри в перспективности проекта. В общем, вот лайфхаки для всех, кто идет или готовится пройти по этому пути.

Claymation - пластилиновая stop-motion анимация - выглядит как ручная работа на недели, но с нейросетями занимает около 20 минут. В статье - полный конвейер производства рекламного креатива: сценарий на 30 секунд с четырьмя актами, единый стайлгайд с палитрой и параметрами камеры, закадровый голос, генерация видео по сценам и финальный монтаж. Все промпты даны целиком и в том виде, в котором их можно копировать, а рядом - примеры реальной выдачи от Claude, чтобы было видно, что именно придёт в ответ. Отдельный разбор: какие модели под какие задачи брать - Claude для структуры, ChatGPT для креативных идей, ElevenLabs для озвучки, Kling и Veo для видео. Почему формат работает: у аудитории ещё нет фильтра на пластилиновую рекламу, поэтому Claymation-креативы показывают результаты в 3 раза лучше привычного UGC.

За последние несколько лет кадровый электронный документооборот перестал быть инструментом для отдельных новаторов.

На этапе знакомства с продуктом многие оценивают прежде всего удобство кадровых процессов: оформление документов, маршруты согласования, подписание, интеграции и пользовательский опыт. При этом значительно реже задумываются о том, что кадровые документы необходимо правильно сохранить.

В этой статье посмотрим на 6 популярных решений для КЭДО и оценим, насколько оперативно они хранят документы и есть ли у вендоров решения для архивного хранения.

Это важно, потому что большинство документов, связанных с работой, имеют длительные сроки хранения и служат гарантией безопасности организации при проверках и судебных разбирательствах.

Многие из вас уже слышали историю о том, как ИИ создал страницу в интернете, после чего в своих ответах начал ссылаться на нее, как на авторитетный источник. О подобных проблемах можно прочитать, например, в этой статье. Не говоря уже про многочисленные видео в социальных сетях по этой теме. Однако, естественно, это ни в коем случае не является проблемой ИИ. Это является проблемой социологии, а также в первую очередь человека. Ведь именно люди придумали социально-поведенческую формулу: информация + ссылка на авторитетный источник = правда. Именно эта формула была заложена в основу, к примеру, Википедии. Именно эта формула заложена в основу мировоззрения миллиардов людей по всему миру. И именно этой формулой люди сами стали пользоваться, чтобы обманывать друг друга. Ведь самое слабое место в ней - авторитетный источник. До появления социальных сетей авторитетным источником были СМИ. Однако, с разивитием интернета благодаря социальным сетям актуальная информация стала распространяться быстрее, чем ее публиковали СМИ. И далее повторилась уже знакомая многим история семьи Ротшильдов и телеграфа. Напомню, по легенде Ротшильды получали первыми новости о мировых событиях (особенно военных действиях) и могли раньше других предпринять действия для личной выгоды. Но одной лишь реакцией на происходящее дело не обошлось. Вскоре люди научились не просто быстро передавать данные, но и контролировать, какие именно данные должны быть распространены. Это называется пропаганда.

Пропаганду можно назвать неотъемлимой частью цивилизации. Это обыденное явление, существующее уже тысячи лет. Помним Спарту и Афины? Это всего лишь еще один способ контролировать информацию для выгоды определенного круга лиц. В поисках истины люди придумали стандартную контрмеру против пропаганды - экспертное мнение. Однако, и это мнение, оказалось, можно контролировать, даже за деньги. И вновь возник вопрос о поиске истины. Тогда на сцену вышла честь. Уважающий себя и уважаемый в обществе человек не станет лгать. И чем дольше человек уважаем, как придумали люди, тем ценнее его слово. К слову, методология тоже древняя, уходящая корнями к пророкам. Однако, и уважаемые люди в кризисных ситуация оказались обыкновенными людьми, у которых тоже были свои интересы, мешающие им говорить всю правду. И вновь возник вопрос о поиске истины. Наконец, люди подумали: если человеку доверять нельзя, можно доверить бездушной машине. Но не учли момент, что машина обучается именно на человеческих формулах социального поведения. И вот, все это привело нас к самому началу статьи: используя человеческие формулы поведения даже машина перестала излагать истину. Поскольку новый способ поиска правды на данный момент находится в активном поиске, сосредоточим свое внимание именно на том обмане, которому научился ИИ. Для общего образования, так сказать, и более объективной гражданской позиции.

В данной статье докажу, что чисел-близнецов бесконечно!

Напомню, числа-близнецы (или простые близнецы) — это пары простых чисел, которые отличаются друг от друга ровно на 2. Например, (3, 5), (5, 7), (11, 13), (17, 19), (29, 31) и так далее.

У чисел-близнецов есть свойство которое поможет нам в доказательстве - формой представления, где все пары чисел-близнецов, кроме (3,5), имеют вид (6n-1, 6n+1).

Вот и наступила золотая осень!

В сентябре я каждый день почему-то вспоминал поговорку “от работы дохнут кони, ну а я бесмертный пони”. Сделано было просто куча всего! Новые релизы, библиотеки, крутые фичи, доклад на конференции. А еще наше сообщество сделало кучу интересных проектов в опенсорсе.

С меня как всегда статья без нейрослопа и ИИ, с вас как всегда интересные комментарии и лайки! А вот тут ссылка на прошлый дайджест за август.

Погнали смотреть, что у нас в питоне происходило!

«Мясная педаль: как я превратил большой палец в псевдо‑Force Touch на iPhone»

Мы привыкли воспринимать сенсорный экран довольно просто: палец находится в какой‑то точке, система знает его координаты (x, y), а дальше практически вся привычная механика мобильного управления строится вокруг изменения этих координат. Нажал на кнопку, сделал свайп, потянул виртуальный стик, передвинул слайдер — в каждом случае мы так или иначе говорим телефону, где находится палец или куда он переместился.

В какой‑то момент я поймал себя на довольно странной мысли: у нас в руках огромная интерактивная поверхность, способная одновременно показывать изображение, отслеживать несколько касаний и давать тактильную обратную связь, но как только игре требуется аналоговый ввод, мы почти всегда сначала рисуем на этой поверхности копию какого‑нибудь физического контроллера — педаль, рычаг, стик или ползунок, — а затем просим человека двигать эту нарисованную штуку пальцем.

Я большой фанат автосимов, и именно в них особенно хорошо почувствовал ограничение такого подхода. С кнопками и слайдерами всё прекрасно работает визуально: передвинул ползунок — увидел новое положение, нажал кнопку — увидел реакцию интерфейса. Но мне не хватало самого ощущения контроля, потому что в автомобиле работа с педалью — это не только её положение, а постоянное дозирование воздействия и обратная связь. Мне хотелось не просто видеть на экране условные 30 или 60 процентов сцепления, а чувствовать изменение прямо под пальцем, точно удерживать промежуточное значение и физически понимать, когда я приближаюсь, например, к точке схватывания.

После того, как в открытый доступ выложили отсканированный мозг мухи дрозофилы, начали появляться видео о том, как муха играет в DOOM, водит машину, играет в азартные игры и ещё много чего. Но за красивыми демонстрациями часто остаётся простой вопрос: насколько хорошо такой мозг вообще способен учиться чему‑то новому?

Мне стало интересно проверить это на практике. Я взял открытую реализацию обучаемой части коннектома дрозофилы и начал последовательно давать ей задачи разной сложности: от многорукого бандита и сравнения чисел до лабиринтов, крестиков‑ноликов, распознавания изображений и даже простейшей арифметики.

Результаты оказались намного интереснее, чем я ожидал. В одних задачах коннектом почти не уступал классическим алгоритмам обучения с подкреплением, а в других неожиданно упирался в фундаментальные ограничения. В статье я покажу не только успешные результаты, но и провалы, а также попробую разобраться, почему они возникали.

В 2019 году я решил написать экономическую игру. План казался скромным: взять идею любимого «Коммерсанта» времён MS‑DOS, добавить несколько банков, новости и чуть более осмысленное поведение цен.

Через три дня я уже плохо понимал, как работает мой собственный код. Изменение одной механики ломало другую, а исправления постепенно превращались в попытки удержать всё это от окончательного развала.

Проект отправился в папку со старыми поделками.

В 2026 году я нашёл его снова. За это время успел пройти путь от начинающего разработчика до ведущего инженера‑программиста. Посмотрел на старый код, вспомнил, что хотел сделать, и решил вернуться к идее. Но теперь — не ради улучшенной копии игры из детства, а ради собственной экономической стратегии.

Это первая статья о проекте: откуда он появился, какую игру я хочу получить, что в ней уже работает и куда я собираюсь двигаться дальше.

ВОЛКОВ ЮРИЙ ВАСИЛЬЕВИЧ

Описан проведенный автором эксперимент по проверке вывода СТО о материальности (инертности) энергии. В качестве носителя энергии в эксперименте использовались звуковые волны. Наличие массы у звуковых волн предполагалось выявить по возникновению их взаимодействия с гравитационным полем Земли.

Рассматривалось два вида этого взаимодействия: падение звуковых волн, как тел имеющих массу, в поле тяжести Земли, и возникновение гравитационного красного смещения их частоты. В эксперименте был использован второй вид взаимодействия.

Приведены: расчеты и техника проведения эксперимента, анализ полученных результатов и выводы из них следующие.

Введение.

Считается, что вывод специальной теории относительности (СТО) Альберта Эйнштейна о том, что энергия имеет массу, подтвержден во множестве экспериментов, в которых наблюдается эффект не сохранение отношения заряд/масса электрически заряженных частиц в процессе их движения и/или участия в ядерных реакциях (дефект масс). В рамках СТО этот эффект объясняется тем, что масса частицы состоит из двух компонент – массы покоя и массы ее потенциальной/кинетической энергии. Вторая компонента является переменной, что при постоянном электрическом заряде дает переменное значение отношения заряд/масса.

Аргументом в пользу такого объяснения считается также и то, что тезис материальности энергии лежит сейчас в основе огромной пирамиды теоретических конструкций, выводы которых подтверждены в многочисленных опытах. Однако эффект не сохранение отношения заряд/масса не является прямым доказательством материальности энергии поскольку его можно симметрично объяснить связью с энергией не массы частиц, а их заряда. Такое предположение является более сильным, поскольку позволяет описать не только явления, которые относятся к прерогативе СТО и ОТО, но и включить в это описание ряд новых эффектов [1]. Наличие же такой альтернативы делает необходимость прямой поверки тезиса материальности энергии вполне актуальной.

Описан проведенный автором эксперимент по проверке вывода СТО о материальности (инертности) энергии. В качестве носителя энергии в эксперименте использовались звуковые волны. Наличие массы у звуковых волн предполагалось выявить по возникновению их взаимодействия с гравитационным полем Земли.