Pull to refresh
3
Send message

Домашним сантехникам

Level of difficultyEasy
Reading time8 min
Reach and readers21K

Была мысль: а место ли этой статьи на хабре? Но потом вспомнил, что тут уже была штукатурка… А еще подумал, что тут очень много людей, которые суют свои ручки во все места, до которых могут дотянуться, а значит — стоит!:‑)

Ну а последней каплей стала фото на Озоне, в которой покупатель предъявлял претензию к «некачественной» гибкой подводке, которая течет. На фото были гайки подводки, которые закручены на трубы, обмотанные ФУМ‑лентой… Ну, кто в теме, понял, о чем я. А кто не в теме — дальше будет понятно.

Я не профи в этой теме. Я всего лишь «тыжпрограммист», который чинит водопровод сам. Хотя в моей копилке есть водопровод с нуля в новостройке (с некоторыми ошибками, да). Несмотря на кажущуюся простоту, я постоянно встречаю «детские» ошибки вроде подматывания ФУМ ленты под гайку гибкой подводки и подобное.

Тут не будет какого‑то углубления в тему. Не будет и рассказа о том, как редуктор давления без предохранительного клапана после него может загнать стрелку манометра за пределы шкалы в 10 атм при давлении на входе всего 3 атм (да, это мой опыт). Цель статьи — чтобы кто‑то, кто полез в водопровод, сделал меньше ошибок.

Закрутим!

Радуем работодателя, коллег и себя: как заработать на том, что мы есть

Reading time5 min
Reach and readers6K

Как автоматизация одного вечернего действия принесла компании +400 тыс. руб. в месяц, а нам — тренажёр в спортзал.

Читать далее

2 фаундера из 21 написали, кто их клиент. Эти же двое собрали 600 000 ₽ и 2 000 пользователей за сутки

Level of difficultyEasy
Reading time6 min
Reach and readers7.3K

С 1 августа по 8 сентября в 4 хабах, куда фаундеры приходят показать продукт, вышло 28 публикаций. Я открыл каждую, ленту комментариев под ней и витрину продукта и прошёл по всем с одним списком из 8 проверок. Ни 1 продукт не закрыл все 8. Для кого продукт — внятно написано у 2 авторов из 21. Эти же 2 получили деньги и людей быстрее всех остальных: 600 000 ₽ за 1-й день и 2 000 пользователей за 12 часов.

Кто эти двое и что у остальных 19

Самое подробное исследование mental-health стартапов: мы разобрали 542 мёртвые компании и нашли семь закономерностей

Level of difficultyMedium
Reading time10 min
Reach and readers11K

В 2021 году Pear Therapeutics стоила $1,6 млрд и продавала цифровые лекарства по рецепту с одобрением FDA. В 2023-м компания обанкротилась, а её активы ушли с аукциона за $6 млн.

Прежде чем вкладывать годы в свой продукт для ментального здоровья, я захотел понять, почему в этой нише столько трупов. Мы собрали 542 организации за 2000–2026 годы, разметили каждую по 18 полям и посчитали исходы: 45% поглощений, 37% смертей, 18% серой зоны.

Что видно в цифрах:

— смертность там, где платит сам пользователь, 53%, где платит институт — 21%; — B2C умирает в 2,2 раза чаще B2B; — среди приложений с разовой покупкой мертвы 85%; — среди поднявших $100M+ мертвы 25%; — опубликованные клинические данные дают 10 пунктов к выживаемости; — продукты, которые обещают заменить терапевта, умирают в 50% случаев против 9% у тех, где лечит живой специалист; — медицинский сооснователь исход не двигает: 47% поглощений против 47%.

В статье семь закономерностей, у каждой дробь и знаменатель, четыре кейса крупным планом и честный раздел про ограничения выборки. Отчёт собирается скриптом из датасета, так что каждую дробь можно пересчитать.

Читать далее

Pull request открыл — стенд появился. Закрыл — исчез. Эфемерные окружения в kubernetes через FluxCD

Level of difficultyEasy
Reading time8 min
Reach and readers9.7K

Когда несколько разработчиков хотят одновременно показать свои изменения — локальной разработки уже недостаточно. В статье разбираем, как автоматически поднимать изолированные окружения в Kubernetes по PR с лейблом и так же автоматически удалять их при закрытии.

Реализация построена на FluxCD с использованием директивы postBuild для шаблонизации манифестов через переменные. Каждое окружение получает собственный namespace, базу данных, TLS‑сертификат и уникальный URL — и всё это без ручного вмешательства. Разбираем структуру CI/CD пайплайна, слоёвую организацию GitOps‑репозитория и автообновление образов через ImagePolicy.

Читать далее

Как я за 15 лет устал диагностировать серверы руками и сделал инструмент, который делает это за 60 секунд

Reading time5 min
Reach and readers12K

Я работаю с Linux больше 15 лет. Начинал с хостинга, где «сервер тормозит» означало зайти по SSH и запустить top. Потом были выделенные серверы, кластеры, Kubernetes. Задачи менялись, но вопрос оставался один и тот же:

Сервер тормозит. Что не так?

За эти годы у меня накопились инструкции, SSH-скрипты, обёртки над vmstat, iostat, ss, perf. Каждый раз, подключаясь к проблемному серверу, я тратил 20-40 минут на одни и те же действия вроде команды top

Это Tier 1 — базовый уровень. Но когда top показывает что всё вроде нормально, а приложение всё равно тормозит, начинается настоящая диагностика.

Читать далее

Климат в эпоху динозавров

Level of difficultyEasy
Reading time7 min
Reach and readers14K

1 - Эпоха динозавров колоссальная по длительности, с конца триасового периода до конца мелового, между 210 000 000 и 66 000 000 лет назад - 144 000 000 лет. Для сравнения - весь процесс развития жизни после динозавров, это как раз 66 000 000 лет. Например те же слоны и киты 66 000 000 лет назад, бегали в виде млекопитающих размером не более 25 кг.

2 - При динозаврах океан был намного лучше прогрет, в силу меньшей глубины. А поскольку континенты были собраны в один, то площадь океана не перекрытого горами была больше, чем сегодня. Вспомним как Тихий и Атлантика сегодня перерезаны горами Северной и Южной Америки. В итоге воздушные массы носились по Земле свободнее и больше влаги не выливалось в горах, а попадало на континент.

Читать далее

Трансформер своими руками: с нуля до Numpy реализации и обучения

Level of difficultyMedium
Reading time51 min
Reach and readers16K

В этой статье пойдет речь об одной из самых сложных и интересных архитектур — трансформере, лежащей в основе современных моделей от OpenAI и Google DeepMind. И это не научпоп для обывателя с наивным уровнем объяснения, а полноценный учебный материал, который поможет вам понять работу трансформера на фундаментальном уровне без черных ящиков типа TensorFlow и Pytorch.

А для того чтобы лучше вникнуть, давайте напишем настоящий мини-трансформер на процедурном Python и обучим его!

Данный материал можно изучать в разных режимах:

* Как объяснение архитектуры для общего представления;

* Как полноценный гайд с чтением кода и самостоятельной практикой;

* Как основу для собственных экспериментов.

Вы сами можете выбрать тот режим, который нужен для ваших целей на данный момент.

Наш трансформер будет довольно простым: со статическим графом и одноблочными энкодером и декодером. Сам код написан в парадигме процедурного программирования (за исключением некоторых модулей) и может быть прочитан на любом уровне и без знания ООП. И все же это будет полноценный обучаемый трансформер с мультиголовым вниманием, батчами данных, параллельным вычислением и множеством параметров.

Для закрепления материала, выполните Домашнее задание, которое ждет вас в конце статьи.

Напишем трансформер!

Возможно, самый гениальный код на python на сегодня: разбираем 200-строчный microgpt от Андрея Карпаты

Level of difficultyMedium
Reading time27 min
Reach and readers62K

Буквально на днях Андрей Карпаты, один из ранних сооснователей OpenAI, покинувший компанию, исследователь нейросетей, опубликовал на Гитхаб фантастическую вещь: чистый (без специализированных библиотек) 200-строчный python-код трансформера, аналога GPT-2, для изучения всеми желающими. И написал в блоге статью для понимания этого кода (и работы трансформеров). Я перевёл статью и комментарии к коду — ведь этот код (я уверен!) войдёт в ИТ-историю...

Присоединяйтесь к этому завораживающему сеансу разоблачения gpt-магии, за считанные годы овладевшей миром!..

Читать далее

Let's Encrypt для внутренних сайтов

Level of difficultyMedium
Reading time3 min
Reach and readers13K

Всем привет!

Однажды администратор одного из внутренних сайтов предприятия попросил прописать TXT запись для получения Let's Encrypt сертификата, поскольку сайт не доступен снаружи и, нет возможности настроить проверку HTTP-01. Через три месяца попросил прописать еще раз, для продления, потом появился второй такой сайт, и, стало очевидно, что процесс пора автоматизировать. Уже перед публикацией нашлась отличная статья с полезными комментариями, автору понадобилась та же проверка DNS-01 и стандарт RFC 2136 для автоматизации выпуска wildcard сертификата

Так, что, предлагаю краткую “шпаргалку с заменой по Ctrl+H”, для тех, кто использует сервер DNS сервер bind и хочет делегировать выпуск/проверку Let`s Encrypt сертификатов для внутренних сайтов сторонним подразделениям.

Читать далее

«Привет! Я [0.44, -0.91, 0.66...]» или как научить машину понимать смысл слов

Level of difficultyMedium
Reading time11 min
Reach and readers21K

Я уверен, вы видели модели машинного обучения, которые принимают текст и предсказывают, является ли он спамом. Аналогично модель может проанализировать отзыв о фильме и определить его тональность — положительную или отрицательную, понимать что «груша» связана с «яблоком» куда больше, чем с «теплоходом».

Первое правило обучения любой модели машинного обучения — это преобразование входных данных в числа. Цифровой объект можно представить числом: картинку, текст, аудио или видеофайл — практически всё что угодно.

Для того чтобы ввести этот объект в нашу ML модель как некое понятие, мы должны преобразовать его в определённый набор чисел. По этому набору чисел мы сможем определить, что, например, этот объект «яблоко», а не «груша».

С картинками все просто. В чёрно-белом изображении (в градациях серого) самый яркий пиксель имеет значение 1, самый тёмный — 0, а оттенки серого имеют значения от 0 до 1. Такое числовое представление упрощает обработку изображений. Преобразовав изображение в цифровую форму на основе значений пикселей, мы можем использовать его в качестве входных данных для обучения нашей модели, позволяя нейронной сети обучаться на значениях пикселей.

Однако что делать с текстом? Как спроецировать буквы в числа?

Читать далее

Должен ли быть бизнес справедливым? Часть 2

Level of difficultyEasy
Reading time5 min
Reach and readers4.9K

В первой части мы рассмотрели, как понятие справедливости по-разному воспринимается внутри компании: собственником, топ-менеджерами, сотрудниками. И эмоциональная полемика там быстро разгорелась. Но этим контур не ограничивается. И во внешнем контуре это тоже будет жестко.

Дисклеймер: Все примеры выдуманы, все совпадения случайны ;-)

Читать далее

Должен ли бизнес быть справедливым?

Level of difficultyEasy
Reading time4 min
Reach and readers6.4K

Когда справедливость собственника, топ-менеджера и сотрудника не совпадают, рушатся даже сильные компании. Три роли, три разных мира. Постоянные конфликты. И каждый уверен, что поступает правильно.

Читать далее

Как оптимизация промптов превратилась из шаманства в инженерную дисциплину

Level of difficultyHard
Reading time5 min
Reach and readers15K

Ещё пару лет назад промпт-инжиниринг выглядел как подбор удачного заклинания: "а давай добавим think step by step, "а давай попросим быть аккуратнее" и о приправим xml-тегами".

Сегодня это типовая задача оптимизации в условиях чёрного ящика.

Уже 2026 год и современные LLM одновременно:

Читать далее

Как я делаю своего голосового AI-ассистента: роботы пишут код и работают, когда я отдыхаю

Reading time10 min
Reach and readers12K

В этой статье я открою капот своей системы, которая по голосовухе в телеграме сразу делает новые фичи на живых проектах. С появлением LLM я безоговорочно верил в то, что голос станет следующим важным интерфейсом — и вот наконец технологии всех частей достаточно созрели, чтобы собрать своего персонального AI-ассистента, который и код из бара напишет и в пробке за рулем кофеек на маркетплейсе закажет.

Поговорим про целеполагание, архитектуру, ASR, TTS, таск-трекинг, ai-агентов, написание кода ллмками, авто-комиты и пошагово пройдемся по моему end-to-end пайплайну, который себя блестяще показал и выглядит как что-то из фильмов про будущее, которое уже наступило.

Читать далее

Ого! 7 сантиметров! Ну так и быть, снимем с вас блокировку счетов по 115-ФЗ

Level of difficultyEasy
Reading time7 min
Reach and readers57K

Сейчас уже никого не удивить блокировками карт/счетов по подозрению в «мошенничестве» или «отмывании денежных средств». Особенно, после 01.01.2026.

Но летом, прошлого года, блокировки за «отмывание» были еще в диковинку и моя статья
«Если вам звонят из службы безопасности банка — будьте осторожны. Это может быть служба безопасности банка» — вызвала бурное обсуждение.

Я обещал, что расскажу чем все закончилось и дам несколько советов тем, кто попал в эту ситуацию (на примере собственного опыта). Мне таки удалось снять с себя подозрение в «отмывании».

Думаете это было легко?

А вот и нет

Девять опорных гипотез продукта: от идеи до MVP

Level of difficultyMedium
Reading time29 min
Reach and readers7.9K

С 2014 года мы со Светланой Берегулиной провели более 30 стратегических сессий по форсайту. Методология работала. Участники уходили с видением на 5-10 лет вперёд, с пониманием трендов и точек приложения усилий. Опыт накапливался, инструменты оттачивались.

В сентябре 2024 года мы решили проверить потенциал масштабирования. Сделали лендинг. Запустили охват на 20 000 маркетологов и предпринимателей — через рассылки, таргет, публикации в профильных каналах.

В открытом форсайте рассчитанном на 35 человек приняло участие 12. Ученики Школы CPO-Стратег и лично приглашённые эксперты.

Конверсия 0.06% — это не провал маркетинга. Это ответ рынка на вопрос, который мы не задавали десять лет. Форсайт — инструмент для тех, кто уже освоил базовые практики стратегической работы. Для тех, кто умеет формулировать гипотезы и проверять их до того, как вкладывать ресурсы. Рынку сначала нужны базовые инструменты. Продвинутые — потом.

Одна проверка гипотезы спроса сэкономила годы попыток масштабировать то, что не масштабируется в текущих условиях.

Ниже — 9 опорных гипотез, которые мы теперь проверяем в компании и Стратегической мастерской до старта любого продукта.

Наш случай не уникален. Статистика подтверждает: большинство продуктов умирают не от плохой реализации, а от непроверенных предположений.

90% стартапов закрываются в первые три года — данные CB Insights за последние десять лет стабильны. Главная причина смерти — no market need (42% случаев). Не нехватка денег, не конкуренция, не плохая команда. Просто продукт оказался не нужен.

Читать далее

300 дней с AI-агентами: от руководителя к Full Cycle Engineer

Level of difficultyEasy
Reading time19 min
Reach and readers18K

Последние 7 лет я руководил командами разработки, но не то что не писал код — я его даже не читал. В 2025 году я снова вернулся к самостоятельной разработке. И даже могу называть себя Full Cycle Engineer. Что стоит за этим термином — раскрою ниже.

За 2025 год я сделал больше, чем за предыдущие пять лет вместе взятые.

В статье расскажу про проекты, которыми занимался. Про задачи, которые решал. Про выученные уроки, набитые шишки, собранные грабли. И про некоторое количество полезных рабочих процессов и практик, которые у меня сложились и которые делают работу с кодовыми агентами по-настоящему эффективной.

Читать далее

Почему не всех сильных кандидатов берут на PhD в США? 9 типичных ошибок при поступлении и сила signaling

Level of difficultyMedium
Reading time24 min
Reach and readers8.6K

Меня зовут Мария, я - PhD-студентка в Mississippi State University который относится к категории R1 (Very High Research Activity) согласно классификации Carnegie. Уже полтора года я вижу систему PhD “изнутри” — как устроены ожидания департамента, как читаются заявки и какие сигналы воспринимаются как риск. 

Я написала эту статью, потому что мне действительно обидно наблюдать, как многие PhD-кандидаты с высоким GPA, сильными test-scores и хорошим бэкграундом получают отказы и не понимают почему. На самом деле это происходит из-за неверно поданных сигналов. В этой статье я разбираю 9 типичных ошибок, из-за которых даже сильные кандидаты выглядят рискованными в контексте PhD admissions, и показываю, как эти сигналы читаются и интерпретируются со стороны департаментов.

Когда мы живём и взаимодействуем с людьми, мы постоянно посылаем сигналы — в устной и письменной речи, в выборе слов, примеров и даже в том, что мы считаем нужным подчеркнуть или, наоборот, опустить. Этот процесс происходит независимо от того, осознаём мы его или нет.

Подача заявлений на PhD - это концентрированная форма такого сигналинга.

Формальный пакет кандидата - Statement of Purpose, Personal Statement, CV и рекомендательные письма - не является просто набором фактов о достижениях. В совокупности с письмами профессорам и интервью он формирует целостную систему сигналов, на основе которой admissions committee формирует представление о кандидате, его потенциальной интеграции в департамент и уровне сопутствующих рисков.

Читать далее

Анализ 105 рисков, наступающих во время разработки ИТ-продуктов в процессе реализации ИТ-проектов

Level of difficultyHard
Reading time18 min
Reach and readers7.2K

Проведенные исследования показывают, что во время создания ИТ-продуктов могут материализоваться 105 универсальных рисков. Также было обнаружено, что одним из критериев зрелости ИТ-субъекта является наличие результативных и эффективных мер превентивного воздействия на данные риски.

Цель: проведение анализа ранее выявленных универсальных рисков, возникающих во время создания ИТ-продуктов в рамках выполнения спринтов, фаз жизненного цикла ИТ-проектов и (или) контрактов.

Методы: теория управления рисками и ИТ-проектами. Анализ универсальных рисков был осуществлен с помощью методов 5W, SWIFT и коэффициентов Харрингтона.

Результаты: ИТ-субъект должен заблаговременно, до заключения контракта, проводить экспресс-оценку универсальных рисков и превентивно воздействовать на них, в том числе за счет формализации в тексте контракта действий и (или) бездействий, которые должны выполнять заинтересованные стороны для элиминирования наиболее опасных рисков. Также были разработаны схемы причинно-следственных связей универсальных комплаенс- и проектных рисков, что позволило выявить часто встречаемые и наиболее опасные рисковые события. Благодаря созданным схемам был идентифицирован негативный сценарий, который продемонстрировал наихудший вариант развития событий во время выполнения ИТ-проектов. Данный сценарий дает возможность ИТ-субъектам заблаговременно разрабатывать меры «достойного» принятия рисков, не допуская наступления наиболее радикального исхода.

Читать далее
1
23 ...

Information

Rating
Does not participate
Registered
Activity

Specialization

Системный администратор, DevOps-инженер
Linux
Python
Docker
Git
MongoDB
Bash