Kurgan-Telecom Ru | Информационные технологии

В последнее время часто стал получать вопрос от клиентов про ATS, клиенты из ниши рекрутинга путаются и не понимают зачем им это и чем отличается от CRM. Решил подготовить статью, может кому-то тоже будет полезно узнать про отличия и определиться, что именно нужно для вашего бизнеса.

Начну с азов - ATS расшифровывается как applicant tracking system - система отслеживания кандидатов, она хранит резюме, ведёт кандидата по этапам подбора и собирает переписку с ним в одном интерфейсе рекрутера. А вот CRM уже ведёт клиента к сделке и считает выручку, у неё другая задача.

Эту статью я подготовил для собственников, руководителей компании и HR-руководителей, которые решают, хватает ли текущих инструментов для подбора или пора брать отдельную систему.

В работе с ИИ почти все застряли в одной из двух крайностей.

Одни сидят в родном приложении ChatGPT или Claude: открыл чат, пишешь — и так весь день. Другие полезли в Cursor и VS Code и там обживаются.

Скажу сразу: если вы не разработчик, то и то и другое — мимо. Первые недожали, а вторые забивают гвозди микроскопом. Знаю, потому что сам год микроскопом и забивал.

Давайте расскажу, что делать, чтобы работа с ИИ наконец разгружала голову и решала проблемы, а не добавляла бардака.

Привет! Я Сергей, DevOps-инженер в KTS.

Мы работаем как аутсорс. Проектов много, и по каждому дежурят разные люди, поэтому когда оплачивать PagerDuty стало невозможно, пришлось срочно искать альтернативу. Мне нужна была система, которая собирает алерты из множества наших источников, знает, кто сегодня дежурит, и эскалирует инцидент, если первый человек в цепочке не успел отреагировать на него.

Новую систему я выбирал среди self-hosted, чтобы больше не зависеть от зарубежных провайдеров. Нашел два подходящих решения, IncidentRelay 1.1 и OneUptime 11.4.1, поднял оба в Kubernetes и сравнивал уже на своих сценариях дежурства. Ниже расскажу, почему я выбрал OneUptime.

TypeSafe AI открыла ранний доступ к Jev — модели, которая не генерирует текст, а отвечает на заранее описанные вопросы типизированными значениями с вероятностями. Разбираю, что она умеет, сколько стоит по словам вендора, что показал первый публичный тест и где цифры из документации с ним не сошлись.

Всем привет! Меня зовут Костя, я QA-инженер в Банки.ру. Общение с агентом у меня давно стало обыденным делом. И в какой-то момент я заметил, что работа тестировщика превратилась в ежедневное объяснение ему одного и того же: «прочти задачу», «составь критерии приёмки», «сделай баг-репорт», «сделай отчёт за сегодня».

Готовых QA-скиллов под мой стек на find-skills не нашлось, поэтому я собрал свои: 10 скиллов для Claude Code — от критериев приёмки и деплоя до логов, баг-репортов, тест-кейсов в Allure и отчёта. Каждую ошибку агента я превращаю в правило внутри скилла. В статье рассказал, как устроен этот QA-конвейер, где агенту нужны мои апрувы, и опубликовал скиллы в открытый репозиторий.

Я ребенок 90-х, и расцвет моей компьютерной жизни пришелся на GTA:Vice City, StarCraft, HOMM4 и Assassin's Creed. Своего компа у меня не было вплоть до середины десятых, поэтому познание видеоигр шло под эгидой интересов старшего брата по выходным у бабушки. 

Долгие годы я любил играть в «Героев» и грезил однажды попробовать «Цивилизацию». Из-за разницы в возрасте старший брат не хотел играть в нее со мной и младшим братом, поэтому желание оставалось мечтой, которую я никак не мог реализовать. 

И на днях я наконец-то скачал Civilization VI. Ожидания были огромными, но они жестко разбились о реальность. 

Причем довольно быстро выяснилось, что за двадцать лет ожидания я успел придумать себе совсем другую «Цивилизацию».

Представьте, что у вас одновременно запущено несколько десятков экспериментов. В каждом миллионы пользователей и несколько метрик с ежедневным пересчётом. У нас как раз такой кейс, поэтому ещё при проектировании платформы мы подумали, что считать метрики на уровне пользователей будет слишком дорого и медленно…

Решили попробовать через бакетирование. Все пользователи в рамках одного эксперимента разбиваются на 256 бакетов, поэтому статистика считается уже по бакетам. В результате вычислительная сложность и объём хранимых данных сокращаются на порядки. Вместо миллионов строк мы работаем всего с 512, поскольку для двух групп нужно обработать по 256 бакетов.

Но сразу возникает вопрос: а не теряется ли при этом статистическая корректность? Ведь нам важно оценивать эффект именно на пользователя, а не на бакет, работать со всеми типами метрик, включая ratio, и поддерживать всевозможные сплиты. Кроме того, мы хотим применять CUPED, который снижает дисперсию через исторические данные, но ещё сильнее усложняет расчёты.

Я встречал самых разных экспатов. Кто-то вез с собой пачку долларов, кто-то прилетал с рублями на карте и думал, что разберётся на месте.

Моя практика показывает, что для комфортной жизни здесь нужны наличные, армянская карта и понятный способ переводить на неё деньги из России. К этому желательно найти какой-то запасной вариант, потому что сервисы переводов и направления в них умеют исчезать именно тогда, когда надо платить за квартиру (привет Короне).

Я жил в Ереване недолго, но в период высокого спроса на жильё. С 2023 года живу в Гюмри. Поэтому ниже не привожу точной статистики и кучи конкретных цифр — новая волна миграции уже могла всё снова сдвинуть. Это мой опыт и основанное на нём мнение.

Знакомая картина: в 3 часа ночи падает база данных, Alertmanager засыпает каналами, через 5 минут сеть восстанавливается, но… система остаётся «мёртвой». CPU на воркерах 100 %, Goodput на нуле, а перезапуск подов только усугубляет ситуацию. Все указывает на то, что вы столкнулись с метастабильным отказом — самым коварным типом аварий в распределённых системах.

Меня зовут Артём Баранов, в «Базисе» я занимаюсь автоматизацией и развитием инфраструктуры. В этой статье я хочу рассказать о математике метастабильного отказа и через теорию массового обслуживания — конкретно через модель и формулу Кингмана — проложить мост от математических абстракций к реальным логам, метрикам и алертам. Далее, предложить практикующему SRE-специалисту набор методик для анализа, диагностики и предотвращения катастроф, возникающих в информационных системах по тем или иным причинам (ошибки конфигурирования, сбои «железа» и т. д.). Это позволит инженеру распознать sustaining-эффект по логам и метрикам и осознанно выбрать рычаг (backoff, retry budget, shedding, circuit breaker), а не просто объяснить постфактум, почему возникла предыдущая авария.

Продолжение статьи «Как создать переводчик для низкоресурсного языка».

Год назад я рассказывал, как дообучил две модели MarianMT: одну для перевода с русского на кабардинский, другую обратно. Сейчас вместо двух моделей обучена одна, на 61 млн параметров, и она переводит в обе стороны. На FLORES-200 русско-кабардинский перевод вырос с 38.7 до 57.4 chrF, кабардинско-русский с 35.0 до 50.2. Для сравнения: в среднем по 30 «большим» языкам многоязычная SMaLL-100 даёт 47–48. Обучение заняло 6 часов на одной арендованной RTX 4090 и обошлось меньше чем в 10 долларов. Всё остальное делалось на Mac mini с Claude Code в терминале.

Сильного специалиста часто повышают в руководители за прежние заслуги. Но новая роль требует других результатов: распределять ответственность, развивать команду и принимать решения через других людей. Разберём, как проверить готовность к переходу до назначения.

Почему в Python-видеосервере одновременно нужны asyncio, потоки и процессы? Разбираю переход с C++ на Python на реальном RTSP-конвейере: ссылки и копии NumPy, GIL, FastAPI, ONNX Runtime, ограниченные очереди, управление ресурсами и правила сохранения низкой задержки.

Когда устройству нужна относительно большая энергонезависимая память с возможностью быстрой замены, SD или microSD-карта — один из самых удобных и доступных вариантов.

Компактность, простое подключение, поддержка микроконтроллерами и низкая цена при большом объёме делают SD-карту стандартом для логирования, хранения конфигураций и обновления прошивок.

Многие считают работу с SD-картой чем-то сложным и низкоуровневым. На практике, если использовать SDIO + FatFS, бо́льшая часть сложности уже спрятана библиотеками и аппаратными модулями микроконтроллера.

В этой статье я покажу, как добавить поддержку SD-карт в проекты на STM32: что лежит в основе, и как она настраивается.

Документ провёлся. Ошибок в коде нет. Тест зелёный.

Открываю оборотно-сальдовую ведомость по 19-му счёту — и вижу, что часть НДС оказалась на 91-м. С точки зрения программы операция завершилась успешно. С точки зрения бухгалтера учёт уже разъехался.

Всем привет! Меня зовут Ольга Сумерина, я старший инженер по тестированию 1С в Ozon. Три года до этого я работала бухгалтером: считала амортизацию, контролировала расчёты с поставщиками, закрывала период.

В этой статье я расскажу о своём пути, о навыках и инструментах, необходимых тестировщику 1С, и про баги, которые было бы сложно заметить без бухгалтерского опыта. Разберу причины, покажу, где их искать, а в конце соберу из них чек-лист. Думаю, материал будет в первую очередь полезен тестировщикам и разработчикам 1С без бухгалтерского бэкграунда.

На фоне усложнения корпоративной сетевой инфраструктуры происходит рост интереса к обучению сетевым технологиям. По данным исследования К2Тех, 36% опрошенных ИТ-руководителей и сетевых инженеров называют дефицит компетенций главной проблемой при эксплуатации сетей. Ещё 33% отмечают, что управление инфраструктурой существенно усложнилось из-за одновременного использования оборудования разных производителей. В исследовании, проведённом в марте 2026 года, участвовали более 200 представителей крупных российских компаний.

Переход на новый технологический стек не требует от опытного инженера начинать профессиональный путь заново. Фундаментальные принципы построения сетей сохраняются, однако специалисту необходимо освоить особенности настройки и диагностики конкретных решений. На практике именно этот зазор между общими знаниями и работой с новым оборудованием может замедлять внедрение и усложнять дальнейшую эксплуатацию инфраструктуры.

Найм в 2026 году: соискатель просит ChatGPT написать отклик под конкретную вакансию, рекрутёр запускает свой алгоритм, чтобы этот отклик отсеять или, наоборот, ранжировать среди тысяч похожих. Разберём, как работают нейросетевые эйчары и как их переиграть.

Привет, Хабр! На связи команда Just AI. Сегодня хотим поговорить про Claude Code. Он умеет работать не только с моделями Anthropic: если направить его запросы в совместимый API-шлюз, можно оставить привычный клиент, но при этом менять провайдера, модель и способ работы с API.

В этой статье разберемся, что Claude Code отправляет в API, что от шлюза требуется для нормальной работы и какие проблемы возникают при подключении других моделей. На примере Caila посмотрим, какие модели можно использовать с Claude Code, сколько стоит сессия и как устроено подключение.

Как часто вы задумываетесь о том, какие модели компьютерного зрения используются на строительных объектах и для чего? Сколько камер нужно на объект? Какая точность детекции днём, ночью, в пыль и дождь? Где идёт обработка: на edge-устройстве или в облаке? Как быстро приходит алерт прорабу? Сейчас все разберем!

Начнем с базовых понятий - как система работает, какие проблемы решает, дальше поделюсь о внутренних процессах, рисках и ограничениях. 

Как работает система? 

Начнем с самого простого - как ИИ работает на стройке. Изначально она находит человека в кадре и определяет видимые признаки наличия или отсутствия СИЗ. Дальше происходит формирование события, которое специалист может проверить. Мы например в компании используем модели компьютерного зрения, в том числе семейства YOLO и DETR, дообученные на реальных строительных данных.

Количество камер зависит от зон, которые нужно контролировать. Одна обзорная камера может показывать всю площадку, но человек на ней будет настолько маленьким, что каску уже не разобрать. Поэтому сначала смотрим на задачу, ракурс и детализацию изображения. Стандарт для стройплощадки - 15 камер на один ЖК.

Я бы не обещал одну точность для дня, ночи, дождя и пыли. Это разные условия, и проверять их нужно отдельно. Если ночью камера физически ничего не видит, нейросеть ситуацию конечно же не исправит.

Обработка может идти в нашем облаке, на сервере заказчика и даже непосредственно на объекте - на edge-устройстве. Задержка уведомления зависит от всей цепочки: камеры, связи, обработки и отправки события. Её мы проверяем при внедрении, а не называем универсальное количество секунд для любой стройки.

Когда говорят о PL/I, воображение часто рисует большие машины и программы из другой эпохи. Но у языка есть и вполне современная сторона: процедуры, массивы, многопоточное выполнение. Если вы писали на Go или Python, базовый сценарий будет понятен: запустить работу в фоне, пока она идёт заняться чем‑то ещё, а затем дождаться результата.

Разберём этот сценарий на примерах, которые опираются на реализованную многозадачность в pli‑llvm — новом открытом кроссплатформенном компиляторе языка PL/I, который был создан на основе спецификации языка TR25 с добавлением некоторых более поздних полезных фишек из IBM Enterprise PL/I.

Если с запрещенными площадками Meta* ситуация более-менее понятна, то вокруг Telegram и YouTube по-прежнему остается немало вопросов. Можно ли размещать рекламу на этих площадках в 2026–2027 годах? Какие ограничения действуют сейчас и какие риски стоит учитывать при запуске рекламных кампаний? Разберу все по порядку.

*принадлежат компании Meta, деятельность которой признана экстремистской и запрещена на территории РФ.