Kurgan-Telecom Ru | Информационные технологии

Как сэкономить 100$ на экзамене ISTQB? Расскажу про свой опыт сдачи ISTQB CTFL 4.0 через индийского провайдера.

50 лет назад люди летали на Луну прежде всего ради научных и политических целей — технологии того времени не позволяли говорить о постоянном присутствии человека на поверхности. Сейчас же космос постепенно превращается из политического проекта в часть новой экономики. Активно идет разработка многоразовых ракет, удешевляющих запуски, а также в лабораториях таких компаний, как, например, Blue Origin, разрабатывается новая лунная промышленность.

Нельзя сказать точно, чем это обернется для стран-участниц. Однако для любого противостояния справедливо утверждение, что в противостояниях часто побеждают поставщики необходимых для противостояния компонентов обеим сторонам.

В этой статье предлагаю разобраться, кто именно может стать бенефициаром этой гонки и какие ограничения придется учесть, чтобы заработать на ней максимум?

Я разобрал два исследования, которые вышли в один день, 30.09.2026: NP Digital и Grow and Convert. Оба смотрели, на какие страницы ведут ссылки-источники под ответами нейросетей. У NP Digital на коммерческих вопросах по 400+ крупным брендам 82% ссылок ведут на чужие сайты. У Grow and Convert на вопросах одного B2B-клиента таких 85%. Но в том же исследовании Grow and Convert в 87% ответов, где клиента назвали, среди источников был его собственный сайт. Для продвижения бренда в нейросетях из этого следует одно: выбирать между своим сайтом и внешними публикациями приходится по каждой теме отдельно.

Завершаем обзор мартовского коммитфеста 19-й версии. В четвертой и последней статье серии рассмотрим изменения, относящиеся к языку SQL и материалам курсов DEV1 и DEV2.

Напоминаю план статей о последнем коммитфесте 19-й версии:

Часть 5.1 (QPT)

Часть 5.2 (DBA1, DBA2)

Часть 5.3 (DBA3, DBS)

Часть 5.4 (SQL, DEV1, DEV2) – мы здесь

В статье рассказано об опыте использования генеративного ИИ для решения задач реверс-инжиниринга промышленного программного обеспечения. Рассмотрен кейс разбора проприетарного бинарного формата исторических архивов промышленной системы сбора данных и мониторинга Solar Turbines TT4000, выполненного с использованием DeepSeek, Qwen, GigaChat и Алисы.

Статья содержит ссылку на публичный репозиторий со всеми сгенерированными артефактами, а также ссылки на опубликованные диалоги с ИИ-сервисами.

Через год после закрытия проекта я открыл его код и устроил себе code review. Это был автомобильный маркетплейс объявлений, который я в одиночку спроектировал, написал, задеплоил и сопровождал: React‑фронтенд, три бэкенда на NestJS, PostgreSQL, чат на Socket.IO, интеграция платежей, Kubernetes в GKE, CI/CD, CronJob'ы и E2E.

Я нашёл несколько ошибок, которые почти наверняка проявились бы при росте трафика. Среди них — сообщения, которые не доходят между pod'ами, гонка при списании баланса и недостаточная авторизация в чате. Были и менее заметные проблемы эксплуатации. Ни одна не была сложной. Интереснее другое: почти все они возникли не внутри какой‑то технологии, а на стыках — между репликами, между чтением и записью, между кодом и расписанием, между сборкой и выкаткой.

Сразу о рамках. Реальной нагрузки у проекта не было: он прошёл софт‑ланч, а потом я его закрыл, потому что коммерческого интереса оказалось недостаточно. Платёжные функции были реализованы, но для пользователей так и не включены. Kubernetes по нагрузке был не нужен. Часть описанных ошибок не проявилась именно потому, что трафик был маленьким. Поэтому здесь не будет RPS и историй про масштаб. Будет разбор собственных решений: почему каждое казалось разумным, что с ним не так и как я сделал бы сейчас.

Пару дней назад ко мне подошел сын-дошкольник и спросил: "Папа, а цифра пять – это мальчик или девочка?". Хоть у меня математическое образование, но я растерялся. В таком контексте я никогда не думал о числах, а представлял их как удобную абстракцию. Я опросил родных, знакомых, полез в интернет и к моему удивлению, многие опрошенные сразу дали числам пол.

Хочу рассказать, что я выяснил по этой части за пару дней.

Если я шутя спрошу вас: «что мы любим на завтрак? Что мы любим на ужин?» — думается, что ответы будут очень разными, но, наиболее очевидным ответом наверняка будет то, что, хотя бы изредка, мы позволяем откусить себе, что утром, что вечером — маленький, ароматный кусочек килограмма на полтора душистого сыра!

Реальный продакшен-инцидент: пул соединений забит, активных запросов дюжина, рестарт помогает. Claude нашёл причину за двадцать минут. Нормальный человек на этом обновил бы библиотеку и пошёл дальше, но у меня две RTX 5090 стояли без дела, и зудел вопрос: а локальная 27B-модель смогла бы? Тот же промпт, тот же код, та же песочница, семь локальных моделей, около 40 прогонов. В промпте, кстати, осталась одна правдоподобная, но ложная гипотеза инженера. Я не планировал делать из неё ловушку. Она стала главным фильтром всего эксперимента.

LLM может быть уверена в своём ответе, но это ещё не означает, что системе разрешено выполнять действие. В AI Career Inbox Assistant разделены понимание сообщения, принятие решения и фактическое выполнение действия. Модель извлекает намерение и факты, профиль кандидата остаётся источником истины, а отдельный policy/decision layer определяет, что можно сделать: подготовить draft, попросить пользователя принять решение, ничего не делать или отправить безопасный автоответ при заранее заданных условиях.

На практике это особенно важно для Telegram‑ассистента, который может отвечать от имени пользователя. Ошибка в тексте и ошибочное действие — не одно и то же: второе уже становится архитектурной проблемой. Поэтому в статье разбирается, почему UNKNOWN должен оставаться неизвестным, почему уверенность LLM не должна расширять права системы и почему даже правильное решение требует отдельной защиты на уровне исполнения, например от повторной отправки сообщения.

Главный принцип: уверенность модели — это сигнал для принятия решения, но не разрешение на действие.

Я уже рассказывал на Хабре, как наша команда из “ЛАНИТ-Интеграции” автоматизировала процесс управления доступами для крупного заказчика, который имеет несколько десятков офисов по всей стране.

В этой статье я чуть подробнее опишу, как из прототипа мы стали развивать полноценную IdM-систему.

CTF в КубГТУ существовал и до нас. Кафедра КТиИБ проводила KubanCTF ещё в 2017 году, на старших курсах были ребята, которые играли в своих составах. Но комьюнити как такового не было — людей мало, команды закрытые, набирали по знакомству, а новичку войти в эту тему было негде. Через два года после того, как мы сами начали играть, мы провели свой CTF, на который зарегистрировались 1280 команд из 51 страны. Эта статья — про то, как формировалось комьюнити вокруг CTF в вузе, где потенциал был, но никто его не собирал воедино.

Массажистка нажала на точку за ухом, и голова перестала дрожать.

У меня тремор головы. Несколько лет, с неврологом. Муж однажды подарил тайский массаж, и девушка, помимо массажа, прошлась по точкам тела: спина, шея, лицо. На одной из них я заметила, что тремор стих. Она тоже заметила. Сказала, что её отец занимается точками и научил её. Я не поверила, но запомнила.

С тех пор я покупала книги по рефлексотерапии. Китайские, советские, современные. В каждой было одно и то же: красивая схема, список «от чего помогает» и ноль про то, что под точкой. Ни мышцы, ни нерва, ни ссылки на исследование. Я врач по образованию, восемь лет работала в лаборатории, и мне было видно, что это вода. В какой-то момент я всерьёз собиралась ехать в Китай учиться.

Мы прогнали шесть шлюзов маскирования ПДн через живого агента с инструментами, чтобы измерить то, чего не мерят существующие бенчмарки: возвращается ли настоящее значение в аргумент вызова. Шесть строк, четыре находки и открытый корпус.

Привет! Меня зовут Артур, и это мой персональный сайт. Идея создать такой сайт возникла у меня очень давно, практически одновременно с появлением Интернета. В 2000 году я разместил его на бесплатном хостинге https://splushka.narod.ru/

В первую очередь здесь я делюсь информацией о наиболее интересных для меня явлениях культуры: литературы, музыки, кино, изобразительного и компьютерного искусства и компьютерных игр. Можно сказать, это мой рекомендательный список.

А ещё здесь есть несколько моих работ в области компьютерной графики и программирования. Программы для Windows я пишу на C++. Мне 60 лет уже.

Этот сайт создан без помощи какого-либо конструктора сайтов. Весь код я написал вручную в текстовом редакторе, используя только HTML и CSS.

Во второй части я расскажу, как шумная толпа может оказаться идеальным местом для размышлений, почему без паяльника и синей изоленты все еще можно быть инженером и для чего надежный технологический стек должен быть немного скучным.

Меня зовут Элина Чусова, я работаю аналитиком данных в крупном банке. Я окончила курс «Аналитик данных» и осталась амбассадором в Яндекс Практикуме — провожу встречи выпускников и слежу за их карьерой.

Сразу после обучения я уволилась в никуда, чтобы начать карьеру с нуля. С тех пор прошло чуть больше года: я успела поработать аналитиком в сфере добычи полезных ископаемых и спортивном ритейле, понять, что мне действительно нравится в работе и как строить карьеру осознанно. Поделюсь своим опытом и находками в этом тексте.

Если вы когда‑либо строили пайплайны для обработки потоков данных в реальном времени со строгими требованиями, то наверняка знаете, сколько инфраструктурных заморочек в этом деле. Например, обеспечивать относительно низкие end‑to‑end‑задержки в штатном режиме относительно несложно. Но что, если они нужны и в высоких перцентилях, в том числе при сбоях или плановом обслуживании одного из используемых дата‑центров целиком? Как правильно партиционировать поток данных, обрабатывающие его процессы и их долгосрочное состояние, если нагрузка постоянно меняется? Как гарантировать exactly‑once, то есть отсутствие потерь и дублей даже при сбоях оборудования и в краевых случаях? Как понять, обработали ли мы все данные на тот или иной момент? 

С такими вопросами мы столкнулись при разработке высоконагруженных рекомендательных систем. Для этих задач мы создали YTsaurus Flow — фреймворк потоковой обработки данных с сохранением состояния между событиями и гарантиями exactly‑once по умолчанию. Это совместный проект команд Yandex Infrastructure и Яндекс Рекламы для обработки потоков данных в реальном времени. И сегодня мы открываем его исходный код под лицензией Apache® 2.0.

Flow — часть YTsaurus, платформы хранения и обработки данных, которую мы выложили на GitHub в марте 2023 года. Flow использует хранилище, очереди и общий механизм транзакций платформы, чтобы брать на себя управление состоянием и восстановление обработки после сбоев. Разработчик пайплайна при этом сосредоточивается на прикладной логике.

В статье разберём, зачем мы разработали собственный движок, как устроены его пайплайны и за счёт чего обеспечивается exactly‑once. А на примере реального сервиса покажем, как переход на Flow помог сократить задержку поставки данных для дообучения моделей с десятка‑другого часов примерно до двух.

«Вайбкодинг» двигается по планете буквально семимильными шагами — разработка через диалог с ИИ-агентами вроде Claude Code подается чуть ли не как новый стандарт отрасли. Набрав промпт в чате, можно без преувеличения за пару часов поднять MVP или пет-проект. Порог входа в индустрию снизился до умения более-менее внятно излагать свои мысли ИИ-агентам. 

Возможно, мы окончательно избавились от рутины, сложностей и нудной отладки? Или сами создали себе новую проблему — разрушение механизма роста инженеров? Ведь когда рабочий код создается генератором по нажатию одной кнопки, джуны перестают проходить через обязательные этапы профессионального становления. Вайбкодинг напрочь вырезает из процесса разработки то, на чем всегда строилось понимание процесса —  поиск утечек памяти, попытки уложить хотелки бизнеса в жесткие архитектурные рамки и многое-многое другое. Верно ли, что, исключив этап набивания шишек на старте карьеры, мы рискуем получить целое поколение специалистов, которые умеют ловко раздавать указания нейросетям, но понятия не имеют, как вся эта конструкция работает внутри? Заваривайте чаек-кофеек покрепче, будем разбираться.

На Хабре уже достаточно статей формата «топ-20 моделей» и «обзор сервиса». Они собирают просмотры, но в комментариях быстро появляется главный вопрос: «Зачем мне это, если есть ChatGPT, Qwen, OpenRouter и так далее?»

AI Studio — среда, где можно попробовать технологии GigaPlatform в своей задаче: до прототипа — понять, подходит ли модель или сервис; в работе — получить конкретный результат (отчёт, промпт, транскрипт, отработанные ответы на Q&A).