Kurgan-Telecom Ru | Информационные технологии

Хорошая рекомендательная система быстро учится угадывать, что вы положите в корзину. И чем точнее она угадывает, тем реже показывает что‑то незнакомое: ведь выгоднее предлагать проверенное. Со временем система замыкается на привычках человека и перестаёт показывать ему хоть что‑то за их пределами.

Беда в том, что интересы меняются, а система просто так этого не замечает. Изменить ситуацию, как правило, удаётся лишь ценой краткосрочных потерь: стоит добавить в выдачу незнакомые товары, и объём ближайших покупок неизбежно начинает снижаться.

Меня зовут Рамиль Боярченков, я занимаюсь машинным обучением в команде Яндекс Лавки. Расскажу, как мы собрали механизм, который подмешивает незнакомые товары персонально — тем, кто к ним расположен, — и с какой вероятностью это делать для каждого пользователя. По пути разберу, как мы калибровали «агрессивность» exploration и что получилось в итоге.

Меня зовут Дианова Анастасия, я — Lead Delivery Manager в Lenta Tech («Группа Лента»). Я отвечаю за скорость поставки новых фич в приложение для заказа продуктов онлайн. В статье расскажу, как мы переосмыслили роль Delivery Manager’а, когда столкнулись с жесткими ограничениями.

Как часто вы сталкивались с ситуацией, когда качественный продукт не продается, а конкуренты уводят клиента буквально на последнем этапе переговоров? В B2B-сфере цикл сделки может длиться месяцами, и решающим фактором для продажи часто становятся не характеристики продукта, а глубокое понимание клиента, выявление его скрытых потребностей, навыки ведения сложных переговоров, обработки возражений, аргументации цены, презентации ценности решения, умение строить долгосрочные партнерства.

В этой статье в блоге ЛАНИТ мы расскажем о нескольких свежих книгах российских авторов, которые посвящены продажам в B2B. Все описанные ниже издания вышли в свет с 2022 по 2025 годы (проверенная классика по теме осталась за рамками этой подборки). Для вашего удобства мы выделили ключевые преимущества и недостатки книг. 

У каждой страны есть свои особенности управления. Например, в Японии или Германии всё вокруг уютных жёстких правил, в Корее надо тимбилдиться в сопли с руководителем в баре, а у нас надо что-то спереть с завода. Я сейчас утрирую, это по большей части стереотипы, но доля правды есть.

У нас тяжёлое советское наследие руководства «для отчёта», частая паранойя, что подчинённые подсидят или кинут — и замыкание ключевых решений на себя. Мы обожаем планировать уже после того, как облажались — у 78% компаний нет стратегии (ниже будут подробные пруфы, откуда все данные).

Есть особенности с кумовством (традиция «устраивать» родственников на непыльные должности). Часто возникают проблемы токсичной рабочей среды или уютного террариума.

К этому всему стоит добавить богатейшие традиции теневой бухгалтерии с «серой» зарплатой — это создаёт кучу проблем с прозрачностью данных. А без данных нельзя оптимизировать процессы.

Есть тяга решать крупные вопросы через лоббирование госстандартов, а не инновации (наверняка вы это видите прямо сейчас).

По большей части это позднесоветские шаблоны, но есть и пара новых, доставшихся нам после лихих 90-х.

В общем, давайте разберём, какие у нас есть не очень хорошие процессы. Если что, я это вижу практически постоянно, потому что мы занимаемся и переносом процессов среднего и крупного бизнеса в Кайтен, и стратегическим анализом этих процессов для как раз избавления от части проблем.

В этом доме под Красноярском живут не только люди. Здесь есть оранжерея с коллекцией тропических растений, несколько террариумов с рептилиями, комната для собак и витрина с авторскими коллекционными куклами. Каждая зона требует своих условий: температуры, влажности, освещенности и сценариев управления. 

Мы посетили объект и посмотрели, как реализовали систему автоматизации для дома с весьма необычными увлечениями хозяйки.

Как переехать с FatFS на LittleFS: опыт “КЕДР Солюшенс”
Честный разбор миграции на LittleFS и интеграции протокола MTP для работы с файловой системой микроконтроллера. Кейс от компании “КЕДР Солюшенс”.

Дисклеймер: я не нефтехимик и не эксперт по моторам. Я embedded-разработчик, который в будни отлаживает встраиваемые системы, а по выходным развлекается с собственной машиной. Всё, что ниже, является компиляцией учебников по теории ДВС, технических регламентов и личного накопленного опыта - вдохновлением послужила актуальная статья ресурса про устройство ДВС. Напугала обложка? Она напугала и меня, но именно с друзьями-роботами хотелось создать нечто для привлечения внимания к действительно важной проблеме.

Привет, Хабр! Меня зовут Оля Борисова, я фронтенд-разработчик в ПСБ. Работала как в продуктовых, так и в платформенной команде. Сегодня хочу поделиться нашим опытом разработки внутренних пакетов, их релизным процессом, расскажу какие проблемы у нас были, а также постараюсь дать советы тем, кто еще в начале пути.

На момент написания статьи у нас около 300 репозиториев, большинство из которых представляет собой внутренние библиотеки, утилиты, конфиги и микрофронты. 

Так было не всегда, когда-то у нас был один проект и все что с ним связано (компоненты, хелперы, конфиги и прочее) хранилось внутри него. Это работало пока не появилась надобность переиспользования наработок и лучших практик в других приложениях и направлениях. Так мы пришли к тому, что нам необходимы внутренние пакеты и механизмы их организации и менеджмента.

Привет Хабр! Меня зовут Владимир, и недавно я решил изучить новую (для себя) технологию - LlamaIndex. А тут и задачка подвернулась - надоело копаться в Положении о закупках, поэтому понадобился RAG для ответов по ФЗ-44, ФЗ-223, ну и локальному положению.

В этой статье разберу, как создать простенький RAG, не выходящий из локального контура, на базе LlamaIndex + Qdrant, напишем к нему API и UI на Gradio. Поехали.

Эта статья — формализованный анализ изменения структуры, целей и последствий кибератак, наблюдавшихся на территории Российской Федерации в период с 2020 по 2025 год. Границей между периодами выступают события наступления геополитического международного кризиса, повлёкшие за собой изменение внешнеполитической обстановки и структуры киберугроз. Здесь рассматриваются две основные временные когорты: 2020–2023 годы (включая период до начала изменения геополитического ландшафта состояния мировой ИБ и первый год острой фазы международного кризиса) и 2023–2025 годы (консолидация новых трендов). Мы провели анализ, чтобы выявить смену доминирующих типов киберугроз, факторов, которые её обусловили, а также эволюции подходов к обеспечению информационной безопасности в государственном и корпоративном секторах.

Привет, Хабр. 6 июля 2026 года Anthropic опубликовала исследование Verbalizable Representations Form a Global Workspace in Language Models. Разбираю технические детали и практические следствия.

Пока вы читаете это предложение, ваш мозг делает десятки вещей, которых вы не замечаете: держит осанку, регулирует дыхание, превращает линии на экране в слова. Но часть работы мозга вам всё-таки доступна - всплывший образ, обдуманное решение, куда направить внимание. Нейробиологи называют такую активность сознательно доступной и отличают её от всей остальной, идущей без нашего ведома. У неё особые свойства: её можно описать словами, ею можно управлять и рассуждать -> в отличие от автоматических процессов, которые текут сами собой.

В новой работе Anthropic показывает, что похожее разделение появилось и в языковых моделях вроде Claude. У модели обнаружился небольшой набор внутренних нейронных паттернов, которые - на фоне всей остальной обработки играют особую роль.

В прошлой статье мы устроили большое сравнение Opus 4.8, GPT 5.5 и Gemini 3.1 Pro и оговорились: GPT 5.5 Pro в том матче не участвовала, потому что ее корректнее сравнивать с недоступной на тот момент Fable. Что ж, обещания надо выполнять. Anthropic внезапно вернула Claude Fable 5 в общий доступ. Напомню, это первая модель нового класса Mythos, которая в иерархии компании стоит выше Opus. Значит, пришло время дуэли тяжеловесов: Claude Fable 5 против GPT 5.5 Pro.

Методика не меняется. Никаких бенчмарков и маркетинговых обещаний — только реальные будничные задачи. Тестируем через агрегатор нейросетей BotHub: он работает по API, а этот метод избавлен от подпорок и костылей, которые неявно помогают моделям в их веб-интерфейсах. Заодно сразу видим, во сколько каждое решение обходится по деньгам.

Затраты по-прежнему измеряем в CAPS — внутренней валюте BotHub, привязанной к числу затрачиваемых токенов. Напомним, за рубль можно купить от 4000 до 6500 CAPS в зависимости от объема покупки. В этот раз считаем по курсу примерно 1 рубль = 6370 CAPS, т.к. у меня сменился тариф. И сразу приготовьтесь: обе модели — премиальный сегмент, так что ценники будут заметно выше, чем в прошлый раз.

Победителя, как и раньше, чаще всего будем определять субъективно, уж простите нам эту вольность. Все материалы прикладываем, так что вы можете не согласиться с нашим мнением и выбрать своего фаворита.

Некоторое время назад я столкнулся с задачей сортировки зашифрованных строковых значений в базе данных. Сначала я предполагал, что существует какой-то общепринятый криптографический подход. Но чем больше разбирался, тем яснее становилось, что простого решения тут нет. В итоге оказалось, что искать нужно было совсем не там.

Я не знаю, как у нормальных людей начинаются отношения с искусственным интеллектом. Наверное, они заходят на сайт, нажимают кнопку, вводят карту, получают подписку и идут жить свою счастливую технологичную жизнь.

У меня всё было иначе.

Мои отношения с ChatGPT начались как хороший роман с плохим концом: сначала восторг, далее зависимость, потом внезапное исчезновение денег и фраза "знаешь милый, любовь прошла, завяли помидоры, а твоя страна больше не поддерживается. Гудбай, май лав"!

Расставание (два, точнее) обошлись мне в $220. Как это было, сейчас расскажу.

Я преподаю на кафедре информационных технологий и больше двадцати лет пишу код. Однажды эти две роли сошлись в проекте, который я затеял для себя: надоело каждый раз лезть на сайт вуза за собственным расписанием — и я сделал бота в MAX, который отвечает расписанием на «что у меня сегодня?».

Бот прижился, оброс командой из трёх человек и дорос до вопросов, которых в расписании нет вовсе: как перевестись, восстановиться, что со стипендией и общежитием. То есть до вопросов к регламенту вуза — документу на сотни страниц. Так начался умный поиск по документам, он же RAG.

10 новых российских продуктов для перевода речи в звонках в реальном времени; мониторинга, защиты и тестирования ИИ-систем от атак и других угроз; создания ИИ-агента с памятью в Telegram; дейтинга по книгам и фильмам и многого другого. Битва за «Продукт недели» началась!

Product Radar — здесь каждую неделю публикуются лучшие онлайн-сервисы и железки от русскоязычных команд.

Давайте честно — и да, и нет.
Этот вопрос возникает у каждого Go‑разработчика, который начинает использовать sqlc. Генератор кода создаёт отличные типизированные запросы, но как правильно интегрировать их в архитектуру приложения?

Стоит ли оборачивать сгенерированный Querier в ручной слой репозиториев, чтобы соблюсти «букву» чистой архитектуры, или использовать его напрямую в сервисах (use cases), следуя принципу KISS?

Мы разберём эту дилемму через призму пяти ключевых перспектив: SOLID (все 5 принципов), идиомы Go, DDD, тестирование и скорость разработки.

Мы создаем софт для горно-геологических служб калийных рудников, и после первой статьи про [кригинг на чистом NumPy](https://habr.com/ru/articles/1055612/) самый частый вопрос звучал одинаково: «Хорошо, а какой именно кригинг брать?» Вопрос правильный: под словом «кригинг» живёт целое семейство методов, и выбор между ними влияет на результат сильнее, чем тонкая настройка вариограммы. В плагине Isoliner их пять - простой, ординарный, с полиномиальным трендом, блочный и индикаторный, - и каждый существует не для галочки, а под конкретный класс геологических задач.

Под катом - разбор всех пяти на живых примерах калийного месторождения: когда какой, какие параметры за что отвечают, как это выглядит в коде и на каких ошибках спотыкаются чаще всего.

<cut/>

## Общая механика: что меняется, а что нет

Напомню каркас из первой статьи: оценка в точке - взвешенная сумма соседних скважин, веса - решение системы уравнений с ковариациями из вариограммы:

```python

s = np.linalg.solve(A, r)   # A - ковариации соседей между собой,

w = s[:na]                  # r - ковариации соседей с точкой оценки

est = float(np.dot(w, vra))

```

Все пять видов кригинга решают эту систему. Различаются они тем, что считается неизвестным про среднее поле и что именно оценивается - точка, блок или вероятность. Это и есть ключ к выбору.

## Простой кригинг (SK): среднее известно

Простой кригинг предполагает, что среднее значение поля вам известно заранее и постоянно по площади. Тогда система решается без дополнительных условий, а недобор веса соседей компенсируется этим средним:

Пару недель назад я рассказывал здесь, как три ночи чинил рендер, который не был сломан. С тех пор в главном ничего не изменилось: я по-прежнему энтузиаст, а не разработчик; код печатает машина, а что и зачем печатать, решаю я. Правда, машин в этот раз было две: код писала Claude Opus 4.8 в режиме ultracode с рассуждением, выкрученным на максимум (xhigh), а вторая — Fable 5 — атаковала приложение. Об этом ближе к концу. Изменилось всё остальное. Typhoonminigen — бесплатное open-source (MIT) нативное macOS-приложение для локальной генерации FLUX.2 Klein на Apple Silicon, без Python, без ComfyUI, без облака — доросло до версии 2.0: 57 новых функций, 150+ исправлений. Про них и статья. Но начать придётся не с функций, а с признания: самый живучий баг приложения сидел не в коде. Он сидел во мне.

Pinterest давно стал одним из самых популярных сервисов для поиска фотографий, иллюстраций, дизайнов, мемов и видеороликов. Именно поэтому у предпринимателей, блогеров и экспертов регулярно возникает вопрос: можно ли скачать понравившееся изображение или видео и использовать его в своем Telegram-канале, социальных сетях, на сайте или в рекламе?

Однозначно ответить на этот вопрос нельзя. Само по себе размещение изображения или видеоролика в Pinterest не означает, что такой контент можно свободно использовать. Вместе с тем существуют ситуации, когда использование допустимо, а также случаи, когда риск нарушения авторских прав существенно возрастает.