Привет, Хабр. Меня зовут Денис, и я люблю 3D-печать. Как и в любой компании с дружным коллективом, у нас в Cloud.ru есть много сообществ по интересам, одним из которых является кружок очумелых печатников. Со временем чат, где мы обсуждаем приемы моделирования, аспекты печати, принтеры, спорим про пластик и делимся моделями, так разросся, что кажется, пора показать немного его содержимого кому-то за пределами компании. Не пропадать же такому добру!

OpenClaw (ex. Moltbook и Clawdbot) мощно взорвал начало года. Все бросились устанавливать себе агента, и я понимаю, почему получился такой хайп. Ведь это первый в мире опен сорсный персональный AI-ассистент, которого можно подключить к мессенджеру, почте, календарю и практически чему угодно еще и он будет управлять моей личной жизнью. Ему можно поручить покупку билетов в кино, бронь столика в любимом кафе или внести важную встречу в календарь.

Другая сторона хайпа — вопросы к безопасности агента, здесь шумихи не меньше. То исследователи Gen Threat Labsнашли 18 000 открытых инстансов OpenClaw, к которым можно подключиться и управлять уже не своей, а чужой личной жизнью. То Касперский пишет, что каталог «навыков» агента стал рассадником вредоносного кода. Или вспомнить историю о том, что OpenClaw сливал данные своих пользователей через Moltbook (соцсеть для нейронок).

И что теперь, совсем нельзя пользоваться этим агентом? Я считаю, что пользоваться можно, но осторожно и лучше в облаке. Расскажу, как это сделать безопасно.

Привет! Меня зовут Дима Веселов, уже три года я развиваю облачные технологии в команде Evolution App Services как техлид. Мой путь начинался с классической backend-разработки на Python, но со временем я все глубже погружался в то, как работает инфраструктура, сетевые протоколы, Kubernetes. Сегодня я хочу рассказать, как eBPF буквально в два присеста позволяет делать то, что раньше требовало невероятных усилий.

Кому будет полезен этот материал? В первую очередь разработчикам PaaS-платформ, DevOps-инженерам и архитекторам, которым тесно в рамках классического HTTP-only serverless. Расскажу, как обеспечить масштабирование с нуля для любых TCP-приложений без переписывания их кода.

Привет, это Саша Константинов из Cloud.ru. Недавно в статье я рассказал, как после ухода Notion развернул базу знаний в облаке на Wiki-движке Outline, потому что хотел хранить данные и управлять ими самостоятельно и без ограничений, чего не может дать SaaS. И что самое главное, я хотел дорабатывать решение под свои требования.

В этой части истории сосредоточусь на том, как я еще упростил себе жизнь и добавил в базу знаний AI-помощника. Он помогает мне, когда нужно быстро просмотреть тезисы нескольких статей на общую тему или найти ответ на конкретный вопрос в документах по работе. Для доступа к базе я сделал Telegram-бота с подключением через MCP-сервер. Расскажу, как все устроено, поделюсь процессом настройки и интеграции компонентов. 

Если вы занимаетесь обучением или тюнингом больших языковых моделей, используете инференс в режиме реального времени или выполняете сложные HPC-симуляции, то наверняка задавались вопросом: «а каково это будет на одном из лучших в мире чипов»?

Как только мы получили B200, графический процессор, который по заявлениям производителя открывает новые грани производительности, гибкости и масштабируемости, то сразу побежали его тестировать. Сегодня я и мои коллеги из Evolution Bare Metal возьмем лупу SGLang и пристально взглянем на новую карту. Заходите под кат оценить, какие цифры нам покажет B200 «в бою», и узнать, чем отличается эта модель от предыдущих ускорителей, таких как A100, H100 и H200.

Привет, друзья! Меня зовут Роман Татаркин, я руководитель проектов в Cloud.ru. До этого я четыре года работал solution manager в направлениях информационной безопасности и сетевой архитектуры. В этой роли я стоял в самой гуще: мне нужно было понять реальные потребности заказчиков, обосновать требования по безопасности, перевести их на язык технических деталей и сформулировать техническое задание на реализацию.

За эти годы я видел одну и ту же ситуацию сотни раз. Поэтому мне, как и каждому IT-специалисту, знакомо чувство легкого (или не очень) раздражения, когда приходит очередное требование от службы безопасности установить DLP, переписать политики доступа, внедрить EDR...

Я написал эту статью, потому что долгое время находился в центре конфликта: с одной стороны безопасники, которые требуют инструменты, необходимые по приказу, с другой — разработчики, которые слушают эти требования с недоверием, потому что не видят в них логику. Действительно, на первый взгляд кажется, что это лишь бюрократия, которая тормозит проекты. Но что, если за этими требованиями стоит не прихоть безопасников, а четкая логика?

Переписать решение с Python на Go и получить ускорение в 35 раз — звучит приятно. Но можно ведь пойти дальше, вспомнить о возможностях современных процессоров и увеличить отрыв Go до 200 раз! Статья написана по мотивам доклада для Golang Conf.

Привет, Хабр! Я — Игорь Вагулин, работаю тимлидом департамента IaaS в Cloud.ru, крупнейшем в России облачном провайдере IaaS- и PaaS-сервисов. Прогресс в производительности процессоров и видеокарт привел к тому, что мы можем использовать полный перебор там, где мы раньше обходились приближениями. Сегодня на примере алгоритма DRS-платформы Cloud.ru Evolution рассмотрим, как он может быть решен на разных версиях операций с плавающей точкой процессоров x86 и Arm, в чем сложности задействования SIMD-операций, почему это сложнее на Go и как это обойти.

Привет! Меня зовут Сюзанна, я менеджер по развитию бренда работодателя. Моя задача — создавать мосты между специалистами и компанией Cloud.ru.

Думаю, многие из вас наверняка посещают различные IT-конференции, и не просто так. Кто-то хочет узнать о последних трендах в индустрии, кто-то — о новых продуктах, технологиях. Но для большинства посещение IT-конференции открывает возможность стать частью профессионального сообщества, познакомиться с новыми людьми.

Если вы фанат подобных мероприятий и хотите взять от них максимум пользы, эта статья для вас. Я расскажу, как мы создали зону CareerLab на конференции GoCloud Tech для развития карьеры в IT, где участники прокачивали резюме, проходили HR-интервью, техническое собеседование и получали предметную обратную связь.

Наверное, всем знакома ситуация, когда собираешь красивый отчет в BI-системе, пользуешься им полгода, а потом он с каждым днем тормозит все сильнее? Графики обновляются дольше обычного, таблицы медленно грузятся. А все потому, что BI работает на одной базе на пределе своих возможностей из-за перегруженности.

Пример классической схемы, с которой начинают почти все компании: BI + база данных. Пока стартапы не могут позволить себе дорогостоящее озеро данных или DWH, они устанавливают базу данных, заполняют ее и прикручивают рядом BI-систему. Вот только данные в растущей компании имеют свойство прибывать. К примеру, у стартапа в первые месяцы работы было пять заказов в день, затем 100, 1 000 и еще больше. День за днем, год за годом все данные складываются в одну базу данных, и в итоге получается тяжелая, медленная система, которой банально неудобно пользоваться. Можно увеличить мощность базы данных, но это лишь отложит проблему на время, а не решит ее. А можно снять нагрузку с базы и доверить обработку накопленных данных другим инструментам и системам хранения.

В этой статье я расскажу, как решить проблему с базой данных, которая трещит по швам, с помощью облачных managed-сервисов.

Привет! Я занимаюсь сопровождением реализации внутренних и внешних технических задач. В статье расскажу, как организовать централизованную аутентификацию через Identity Provider Keycloak. Сотрудники не будут мучаться с кучей паролей от БД, систем аналитики, таск-менеджеров, почты и других программ. На выходе получится готовый сервис аутентификации, который изолирован в своей VPC и доступен из интернета. Поехали ;)

Привет, Хабр! Я Кирилл, занимаюсь дизайном и цифровой иллюстрацией, часто работаю с генеративной графикой. За последнее время успел перепробовать кучу разных платформ — от бесплатных Web UI до платных сервисов вроде Midjourney. Но, как это обычно бывает, идеальный инструмент так и не нашелся. Одни оказываются слишком дорогими — пока дойдешь до десятой итерации картинки, уже выжжешь весь лимит токенов. Другие же страдают от неудобного интерфейса и абсолютно непредсказуемого результата.

И вот недавно я решил создать серию артов в разных стилях, чтобы положить в портфолио. Примерно понимал, что хочу видеть, и не хотелось тратить время на миллион попыток, чтобы получить нужный результат. Именно поэтому пришлось искать новый инструмент, с которым не нужно долго разбираться и при этом можно полностью контролировать процесс генерации. Решил рассказать, как я пришел к ComfyUI, и написать небольшую инструкцию по его запуску. Заранее прошу прощения, если вы уже видели эту публикацию в ленте — перезалил потому что по невнимательности ткнул английский в языке публикации, заодно приложил более свежие арты.

Рано или поздно ты задумываешься о том, что засиделся на одной должности, готов прокачивать навыки, брать больше ответственности и двигаться дальше по карьерной лестнице. Бывает и такое, что ты уже вырос из текущей позиции: берешь задачки сложнее, решаешь их быстрее. Например, ты джун, а в работе у тебя то же самое, что и у коллег-мидлов.

Как понять, что ты уже готов к переходу на следующую позицию или чего еще не хватает для этого? Да и как подступиться к разговору о повышении с руководителем...

На помощь приходит карта компетенций, в которой зафиксированы soft- и hard-компетенции для разных уровней одной профессиональной роли. И отличаются эти уровни именно разными наборами знаний и компетенций. Например, в рамках роли DevOps-инженера есть джуны, которые запускают существующие плейбуки, и сеньоры, которые выстраивают DevOps-процессы в компании.

Меня зовут Настя Логина, я менеджер по оценке персонала в Cloud.ru. В статье расскажу о картах компетенций и о том, как составить такую карту самостоятельно.

Привет, я Александр Шакмаев продуктовый менеджер в Cloud.ru. Этот год принес массу AI-активностей и, уверен, многие столкнулись с почетной миссией внедрения AI в команду, свои процессы и компанию в целом.

Фраза «хотим внедрить AI и чтоб быстро» — лидер новой реальности, только вот скорее всего, быстро ничего не получится. Одни только согласования могут занят месяцы, а ведь нужно время еще на разработку и внедрение. Но, все-таки, попробую описать пять более-менее реалистичных сценариев, которые можно реализовать за полгода.

В конце лета я буквально наблюдал, как «треснул найм Хабр напополам». Одни авторы выкладывали гайды по тому, как вычислить так называемых «волчков», т. е. соискателей с фейковым CV, другие справедливо негодовали, что выяснять, какие навыки кандидата реальны, а какие пшик — задача нанимателя и вообще: сначала процессы найма отточите, а уже потом «охоту на ведьм» устраивайте.

Попробую побыть за кота Леопольда в этом дискурсе и поделиться опытом, что я как бывший собеседователь делал, когда искал к себе в команду джунов/ мидлов/ синьоров/тимлидов, как проводил техсобесы и отслеживал эффективность на испытательном сроке. А еще расскажу немного про то, как я сам внедрялся в «меркантильные» чаты и что оттуда вынес.

Всем привет, с вами Макс Гуляев. Я отвечаю за разработку сервиса Evolution Notebooks.

Jupyter Notebooks — проверенный временем инструмент, который на слуху у каждого DS или ML-инженера. Перечислять все его плюсы смысла нет, а вот минусы — вопрос, пожалуй, актуальный. Меня как ML-щика раздражало, что ты приходишь в ноутбук полный энтузиазма, надеешься решить все проблемы человечества с помощью своей модельки… Но выясняется, что путь к обучению усеян локальными ограничениями ресурсов, проблемами с установкой зависимостей и коллаборациями, тут надо проверить, там подкрутить. В итоге модель ты обучаешь 20% времени, а остальные 80% проводишь в обработке напильником инструмента, который должен тебе помогать. Но хорошая новость: сегодня мы прокачаем эту унылую «тетрадку».

Под катом расскажу, как мы с командой хотели упростить жизнь ML-разработчикам и что из этого вышло.

Когда мы работаем с реплицированными системами, вопрос стратегии переключения между репликами, а тем более ее реализация — это довольно значительная головная боль. Если вашей системе необходимо работать с отказами штатно, то наш опыт может подсказать пару новых идей, как можно сделать отказы контролируемыми. 

Я Владислав Доронин — Go-разработчик в команде S3 облачной платформы Cloud.ru Evolition. Хочу рассказать про подход к управлению отказами реплик, который мы кристаллизовали опытом выхода из строя разных частей системы. Практика показала, что массовые и не очень отказы приводят к взлету задержки ответов и увеличению количества client-side повторов, которые тоже висят. Пускай на уровне записи из-за требований репликации и гарантии мы много поделать с ситуацией не можем (хотя и там не все безнадежно), то вот чтение гораздо более гибкое. У нас получилось сделать retry на чтении красивыми, об этом сегодня и поговорим.

Привет, Хабр! На связи вновь Алексей Капранов, архитектор-исследователь в команде квантовых вычислений Cloud.ru. В первой части мы узнали, что такое тензорные сети, познакомились с графическим представлением, вспомнили основные операции и подумали над алгоритмической сложностью.

Прошлая статья была подготовительной и немного философской преамбулой. Сегодня мы продолжим знакомиться с тензорными сетями и наконец-то доберемся до представления тензорного поезда, которое получим при помощи сингулярного разложения.

Рекомендуется к прочтению ML/AI‑исследователям и инженерам, которым интересны продвинутые методы понижения размерности; исследователям алгоритмов и численным аналитикам, а также всем, кто интересуется математикой и знаком с линейной алгеброй.

Когда мы говорим об искусственном интеллекте, мы неизбежно говорим о наследии Марвина Минского. Этот ученый не просто стоял у истоков области — он во многом определил, какой она станет. Сооснователь лаборатории AI в MIT, создатель первой нейросети, консультант культового фильма «Космическая одиссея 2001 года» и автор революционных теорий о природе разума — Минский был одним из тех людей, которые превращают научную фантастику в реальность.

С вами снова Катя Косова, днем я бизнес-аналитик в Cloud.ru, а свободное время посвящаю исследованию когнитивных процессов, преподаванию «Психологии рекламы» в Вышке и «Когнитивной психологии и наук» в РАНХиГС. Сегодня хочу познакомить вас с тем, кого многие современные изобретения и научные теории могут назвать если уж не отцом, то как минимум дедушкой.

Привет, Хабр! Меня зовут Капранов Алексей, я архитектор-исследователь в команде квантовых вычислений в Cloud.ru. Сегодня я расскажу про подход, который позволяет не только моделировать большие квантово-механические системы, но и полезен для целого ряда задач, включая машинное обучение и нейронные сети.

И физики, и математики страдают от так называемого «проклятия размерности», которое заключается в экспоненциальном росте сложности вычислений и необходимой памяти при увеличении числа параметров. Методы тензорных сетей позволяют существенно сократить этот скейлинг и в ряде случаев даже получить линейную сложность по количеству параметров и размерности задачи.

В этой части мы вспомним основы тензорной алгебры и на простых примерах узнаем, что же такое тензорная сеть и как представлять операции с тензорами в виде комбинации палочек и кружочков.  

Привет, Хабр! Меня зовут Роман Путилов. Последние восемь лет я занимаюсь облачной инфраструктурой. SRE-процессы, SLA «пять девяток», регулярные инциденты и постмортемы – часть моей работы, а не только новостная повестка.

За последние годы несколько крупных инцидентов в облаках показали, что одна ошибка может вырубить сразу несколько глобальных сервисов. На кейсах VK, ЕГРН, Яндекса, AWS, Google Cloud и CrowdStrike я разбираю, ведет ли консолидация инфраструктуры к цифровой катастрофе – идеальному шторму, где простая ошибка и несколько неудачных совпадений окажут такой разрушительный эффект, от которого уже нельзя будет оправиться.

Будет полезно SRE, архитекторам, IT- и ИБ-руководителям.