Kurgan-Telecom Ru | Информационные технологии

Привет! Я - функциональный архитектор Enterprise-продуктов и ИТ-комплаенс лид. В моей практике — проектирование сквозных ИТ-ландшафтов, управление миллионными финансово-налоговыми рисками и регулярная защита долгосрочной ценности проектов перед C-level.

В кросс-функциональных командах я регулярно сталкиваюсь с тем, как крутые специалисты топят отличные идеи в тоннах "индусского кода" и избыточном шуме на планерках. Мы забываем, что внимание коллег — это жестко ограниченный ресурс. О том, как перестать взрывать мозг смежным командам и дожимать переговоры с помощью математических лимитов нашего мозга, я рассказала в этой статье.

Кошелек Миллера в межкомандных переговорах: как перестать взрывать мозг оппонентам.

Когда переговоры между командами или отделами заходят в тупик, мы привыкли винить коллег в саботаже, глупости или пассивной агрессии. На самом деле причина чаще всего в когнитивном перегрузе. Вы пытаетесь загрузить в чужую голову терабайт информации, забывая, что оперативная память человека имеет жесткий физический лимит.

В психологии этот лимит называется «кошельком Миллера» (закон Джорджа Миллера, 7±2, а в современных реалиях клипового стресса — строго 3–4 единицы информации) .

Если вы вводите в первой главе книги 10 персонажей, ваш роман назовут суррогатом, потому что читатель запутается в именах. Но почему-то на кросс-функциональных встречах мы совершаем это сумасшествие регулярно: вываливаем на коллег 5 графиков, 8 юридических рисков и 12 пунктов дедлайнов за раз, а потом удивляемся, почему они «переобуваются» и включают защиту.

Иногда возникает ощущение, что между ОТО, квантовой механикой и нашим физическим восприятием мира всё ещё не хватает какого-то интуитивного мостика.

В этой статье я попробую рассмотреть гравитацию и эффект Казимира через простую волновую интерпретацию: что если масса — это устойчивая волновая структура, а гравитация является следствием градиентов состояния среды?

Это не попытка «отменить физику» и не «теория всего», а скорее попытка посмотреть на уже известные эффекты под немного другим углом.

Философия статья начинается с удивления. В данном случае я отметил для себя то, как по-разному начинающие разработчики реагируют на сложности, с которыми сталкиваются. Например, когда надо сделать выбор - какое решение взять, чтобы избежать ошибок? Кажется, все сталкиваются с такими неудобными вопросами. Давайте попробуем разобраться.

Предлагаю немного помедитировать о ближайшем будущем нашей цивилизации. Данный мини-обзор я рассматриваю как некую подводку к опросу на тему сабжа в конце. Если кто-то считает, что историю вопроса он и так знает, может переходить прямо к опросу.

Давайте посмотрим, через какие фазы и сломы проходило наше общество в прошлом. Преобразование труда и переоценка ценностей уже знакомы человечеству, и каждый раз это было «больно».

В этой статье я хочу напомнить читателям, как проходила в обществе промышленная революция XVIII-XIX в. Пытливый ум сам проведет нужные параллели и сделает выводы...

Это пародия... на многое

Статья‑интервью написана на основе разговора с Артёмом, основателем проекта Stopilot — редактора кода, который помогает разработчику не писать код, пока тот не понял задачу.

Большинство историй про AI‑инструменты выглядят одинаково: человек открывает Cursor, за выходные собирает SaaS, выкладывает скриншот MRR и дальше объясняет, что главное — не думать, а быстро валидировать гипотезы. Рынок не ждёт, окно возможностей закрывается, конкуренты уже деплоят.

Артём пошёл в другую сторону. Он заметил, что после Cursor у многих команд появилась новая проблема: код пишется быстрее, чем его успевают понимать. За выходные он собрал альтернативу Cursor, которая на любой промпт отвечает: «Сначала сформулируйте задачу человеческими словами». Через 8 месяцев Stopilot вышел на 1,29 млн рублей в месяц.

Он сам расскажет, как это было.

Это девятая статья про инженерные решения в ONEMIX. Тема узкая, push-уведомления. Но я её давно хотел разобрать, потому что туториалов в интернете много, а production-граблей в них почти нет.

Если коротко, туториал по push выглядит так. Регистрируешь токен через Notifications.getExpoPushTokenAsync(). Отправляешь на бэкенд. Когда приходит пуш — addNotificationResponseReceivedListener ловит тап, навигируешь в нужный экран. Всё.

В реальном мессенджере таких туториалов недостаточно. Появляется десяток узких проблем. Пуш приходит когда юзер уже в этом чате. Пуш приходит когда приложение убито системой. Navigation после открытия из пуша добавляет дублирующийся экран в стек. На iOS звонки идут через отдельный канал VoIP который требует совершенно другой инфраструктуры. Эти грабли я и разберу.

В этой статье я хочу представить вам мой фреймворк, реализующий идеи чистой архитектуры адаптированные для игровых проектов. Данный фреймворк определяет основные слои вашего проекта, сущности и сервисы, а так же содержит минимальный набор утилит. 

За годы работы разработчиком я сталкивался с разными подходами к тестированию. В этой статье я хочу показать, какие практики кажутся мне неэффективными, и объяснить, как довольно просто писать надёжные тесты, которые дают и хорошее покрытие, и устойчивость. Статья может быть полезна не только Python-разработчикам, но и инженерам-программистам в целом.

Эта задача представляет собой несколько более продвинутую модификацию задач, встречающихся на студенческих олимпиадах по механике. Там обычно вместо шара в кардановом подвесе рассматривается диск на стержне. Интересно также, что основные проблемы в этой задаче начинаются не на уровне динамики, а на уровне кинематики.

Довольно интересное наблюдение: я перестал пользоваться автокомплитом в IDE, который предлагает LLM.

Сначала для меня это была одна из ключевых функций. Это казалось жутко удобным: ты начинаешь писать функцию в своём коде, а LLM дописывает её на основе здравого смысла или контекста из открытых табов.

Хотите узнать, как редактировать видео быстро и без сложных программ? ИИ редактор видео Runway Aleph - лучшая нейросеть для обработки видео. Учимся монтажу.

Компания Nintendo в наше время имеет довольно… странную репутацию. Одни до сих пор упорно игнорируют её существование, другие все еще ненавидят по очень надуманным причинам, а третьи фанатично сражаются за ее честь в интернете, когда кто-то снова спиратил Зельду.

И, как правило, все три категории геймеров делятся на два лагеря, когда слышат один тезис: Nintendo придумала всю современную игровую индустрию и львиную долю актуального геймдизайна.

Что? Вы тоже не верите? Тогда давайте об этом сегодня и поговорим.

Так сложилось, что я люблю играть в волейбол и активно снимаю свои игры и тренировки.

У любителей обычно стоит стационарная камера на штативе, которая захватывает всю площадку (или почти всю) в формате 16:9. При этом современные соцсети потребляют контент вертикально (9:16) и короткими роликами около минуты.

Задача: быстро делать вертикальные видео из любительских волейбольных съёмок.

Центральный объект внимания в волейболе — мяч. Значит, нужно определять начало розыгрыша и дальше уверенно следить за мячом. Если сопровождать мяч и делать кроп из 16:9 в 9:16 — получаем готовый вертикальный ролик.

При изучении темы детекции объектов почти сразу попадаешь на семейство YOLO. Отличные модели. В предобученных весах есть класс sport ball.

Но возникает проблема. Площадка 18×9 метров, диаметр мяча — 65–67 см. Чем дальше мяч от камеры, тем он меньше на изображении и тем хуже его определяет YOLO.

Человек легко отслеживает мяч даже на сложных кадрах, потому что видит движение и контекст последовательности. А при покадровой обработке YOLO часто «теряет» маленький объект.

На первом этапе мы попробовали superframe — три grayscale-кадра, записанные в RGB-каналы. Это позволило явно подсветить движущиеся объекты.

Когда видишь три модели с одним именем — первая мысль: «наверное одно и то же, просто разные версии». На практике разница между ними примерно как между стажёром, опытным сотрудником и старшим аналитиком. Формально все делают одну работу. Но то как они с ней справляются — совсем другая история.

В первой части была создана инфраструктура для запуска машинного обучения. Там же была создана БД с данными для использования в примерах.

В данной части будет искаться, какой тип файлов вызывает увеличение нагрузки. При этом, зная, какой именно тип файла был указан как вызывающий нагрузку.

Будет использоваться машинное обучение в Apache Spark.

Привет, Хабр! Меня зовут Антон и я занимаюсь задачами NLP в компании Ростелеком Информационные технологии.

Если вам приходилось разбирать большие массивы текстов: отзывов, обращений в поддержку или комментариев, то вы знаете, насколько это трудоемкий процесс.

В статье я покажу, как автоматизировать этот процесс с помощью пайплайна BERTopic: от эмбеддингов и кластеризации до интерпретации тем. Особое внимание уделим тому, как встроить локальную LLM в пайплайн и получить человекочитаемые названия тем.

Подробный гайд по созданию видео из фото и текста с помощью нейросетей. Выбираем, какой ИИ для генерации видео лучше: от русских нейросеток до мощных западных инструментов для монтажа и создания качественных роликов.

Сегодня мы в Beeline Cloud подготовили подборку примечательных опенсорсных решений, упрощающих управление «флотом» интеллектуальных помощников и ИИ агентов — все благодаря наглядным графическим интерфейсам. Инструменты в списке помогут выстроить пайплайн выполнения задач и распределять их между ИИ-агентами.

Что должно быть в теле production AI агента? Не «один длинный промпт», а структурированная система: роль, бюджет вызовов, OODA loop, потолки ресурсов, разделение ответственности между агентами. Разбираю два открытых промпта от Anthropic (research_lead_agent.md и research_subagent.md), собираю чек-лист из 13 блоков и шаблон SKILL.md. На руки — конкретный артефакт, по которому можно пройтись по своему агенту.