Научиться программировать может даже ребенок 7 лет. В этом ему помогут вводные языки и среды вроде Scratch и Kodu Game Lab. О них и поговорим в этой статье и прикрепим ссылки на уроки.

Мы с коллегами считаем, что даже младший школьный возраст — не причина для отказа от обучения ребенка кодингу. Особенно при условии, что он интересуется геймингом и написанием кода. Это увлечение обязательно нужно поддержать: погружение дошкольника или школьника в азы программирования в игровой форме способно приблизить к IT и заложить основы профессионального будущего в одной из востребованных профессий.

Хочу отметить 3 направления обучения для начинающих: Scratch Junior, Kodu Game Lab и Scratch. Давайте рассмотрим каждое и ознакомимся с тематическими уроками: это поможет погрузиться в основы IT и попрактиковаться, решая различные задачи по понятным примерам.

Мой провайдер помимо замедления (читай полная блокировка) YouTube так-же стали блокировать соединения с моими рабочими VPN. Работодатель не очень любит, когда на встречах на вопрос о прогрессе, я неделю отвечаю, что у меня не работает VPN! Своими действиями, мой провайдер сам меня подтолкнул к поиску обходных путей.

Сразу скажу, обходной путь придумал не сам, мне его подсказал автор проекта zapret, а точнее его комментарий, более того, я использую его проект, чтоб смотреть нормально YouTube. Спасибо огромное!

Добавлю, я использую nftables и nfqws, если этот вариант работает у меня — это не значит, что оно заработает и у вас! Возможно, вам придётся изменить некоторые параметры.

Привет, Хабр! Меня зовут Александр Старостин, я занимаюсь тестированием биллинговой системы МТС. Тестирование бэкенда — важная часть процесса проверки разработки ПО. Покрытый тестами бэкенд минимизирует ошибки при выкатывании новых фич на прод и в целом делает разработку более предсказуемой. Тесты бэкэнда быстрее разработать, они стабильнее и быстрее в прогоне, в отличии от тестов пользовательского интерфейса. К тому же не у всякого сервиса есть интерфейс, например публичный API для внешних систем. Но ручное тестирование может быть очень трудоемким. И тут нам на помощь приходит ее высочество автоматизация. О ней мы сегодня и поговорим.

Гайнуллина Екатерина, инженер по информационной безопасности отдела развития Security Vision

Контейнеры Docker давно стали неотъемлемой частью современных IT-инфраструктур благодаря своей легкости и гибкости. Однако, несмотря на все их преимущества, они обладают и серьезными недостатками в плане безопасности. Представьте себе контейнер с root-доступом. Это, как если бы у вас была дверь с замком, но ключ от неё подходил бы ко всем замкам в доме.

Добрый День! Меня зовут Галактион, я — QA, в этой статье я собираюсь поделиться с Вами опытом автоматизации API посредством Postman, используя язык программирования — JavaScript.

Проект, о котором пойдет речь — региональный портал государственных и муниципальных услуг, в котором интегрированы следующие сервисы (все перечислять не буду, т.к. их множество).

В программе может быть огромное количество функций и различных способов их использования. В идеальном мире при бесконечном запасе времени и ресурсов, тестировщик может проверить все функции и все сценарии их применения. Но мы не живем в идеальном мире и времени у нас всегда не хватает. Чтобы не упустить ничего важного и избежать ненужных проверок нужно ориентироваться на 7 принципов тестирования. В статье рассказывается про каждый принцип с примерами.

С ростом числа кибератак и угроз безопасности информационных систем автоматизация процесса анализа уязвимостей становится критически важной задачей.

С ростом объемов обрабатываемых данных, расширения информационных систем, сервисов и приложений возникает все больше проблем с точки зрения информационной безопасности. Исходя из этого встает острый вопрос о том, как это все контролировать, и преждевременно предотвращать угрозы информации.

Мир стремительно меняется. Технологии проникают во все сферы жизни, и сегодня знание кода становится столь же важным, как умение читать и писать. Программирование — это не просто набор заумных символов на экране, это язык, на котором говорят машины, а значит, это ключ к пониманию и управлению окружающим нас цифровым миром.

Для многих детей, растущих в эпоху цифровых технологий, программирование все больше становится необходимым навыком. И не только по причине перспективной профессии в ИТ-сфере (хотя именно об этом в большей степени мы сегодня и будем говорить). Оно развивает целый спектр важных для жизни навыков:

Доброго дня. Это мой первый пост на хабре, поэтому не будьте особо строги к нему.

В мире разработки, системного администрирования и DevOps не смотря на то, что давно существуют и заняли свою нишу инструменты, связанные с централизованным сбором, визуализацией и анализом логов (graylog, ELK/EFK, loki, loggly и другие), всё ещё существует необходимость периодически взять шашку в руки и поработать со старыми/добрыми (а может быть и не очень добрыми) текстовыми логами. За 21 год своей деятельности я успел побыть системным администратором, DevOps инженером, разработчиком, CTO и системным аналитиком, но необходимость периодической работы с логами неизменно присутствовала в том или ином виде всегда. Это может быть разбор вывода нового сервиса или контейнера на машине разработчика, что-то, что ещё не успели завести (или сознательно по каким-либо причинам не завели) на централизованную систему сбора логов или, например, сервис, временно включенный в режиме debug для поиска причин проблемы. Ситуаций бывает много и ситуации бывают разные, а текстовые логи были, есть и ещё долго будут с нами.

Все, кто как-либо связан с DevOps знают про такие утилиты как more, less, tail, head, grep, sed, awk (а кто-то и ещё десяток более специфичных) и при необходимости их используют, но из тех, с кем я общался, никто не подтвердил мне, что знает про lnav. Я и сам не знал и искал нечто подобное более десяти лет. lnav — это не просто швейцарский армейский нож в мире работы с логами, а целый космический корабль, на котором можно улететь в соседнюю галактику. Мой мир разделился на "до" и "после" знакомства с этой утилитой. Там, где раньше требовались часы, а то и десятки часов на анализ логов, теперь хватает считанных минут.

В статье расскажу как можно отправлять текущую температуру с внешнего датчика кондиционеру и как можно управлять обычным кондиционером через умный дом с помощью ESPHome и HomeAssistant.

Кто сегодня не слышал о нейросетях? Таких людей практически не осталось. Популярность технологий ИИ выросла настолько, что слово «нейросеть» было объявлено словом 2023 года. В последние несколько лет узнаваемость и востребованность таких технологий резко повысилась по причине появления массовых доступных сервисов по генерации контента: изображений, видео, текста, музыки, презентаций и много другого.

Каким бы сложным ни казался ИИ, для его создания не нужно ученых степеней и исключительного знания математики. Нейросети создаются на языке программирования Python. Так что даже школьник вполне может написать код для простой «нейронки».

Решаем судоку на pytorch. Можно ли делать нейросети без обучения? Без кучи тестовых примеров? Попробую ответить на этот вопрос.

Как  разработчики большой мультибрендовой торговой площадки (Faire) внедрили автоматизированные c LLM  Code Review (статья - мой перевод для нашего ТГ канала посвященного разработке софта при помощи LLM). 

В Faire мы верим в ценность код-ревью и всегда придерживаемся этой практики. Хотя многие аспекты код-ревью требуют глубокого понимания проекта, существуют также множество общих требований, которые можно учесть без дополнительного контекста. Например, наличие ясного заголовка и описания, достаточное покрытие тестами, соблюдение стиля кода, выявление изменений несовместимых между сервисами.

Похоже, что LLM хорошо подходят для выполнения таких общих задач код-ревью. Имея достаточно информации о pull request: метаданные, diff, логи сборки и  отчеты о покрытии тестами, можно эффективно настроить LLM для добавления полезной информации, выявления багов или потенциально опасных изменений и даже автоматического исправления простых ошибок.

Я создал телеграм бота (FYTT), который ищет телеграм каналы всех ваших подписок на ютубе⁠⁠. (Авторизация через google api, парс ссылок с описания ютуб каналов с помощью https://yt.lemnoslife.com/).

В современном мире, где границы становятся все более условными, а удаленная работа  –  нормой, многие специалисты задумываются о карьере в американских компаниях, не покидая своей страны. История Алексея Коношенкова, специалиста по data science, показывает, что это вполне достижимо.

Алексей сумел получить два предложения о работе от компаний в США, находясь на Кипре. Его путь от выпускника МГУ до кандидата на позиции в американских компаниях включает в себя ряд этапов и стратегических решений.

Как ему это удалось? Какие шаги он предпринял? И главное –  какие практические выводы можно сделать из его опыта?

В этой статье мы рассмотрим стратегию Алексея: от работы над резюме до создания американского номера телефона. Вы узнаете, как эффективно использовать LinkedIn для привлечения внимания рекрутеров и почему участие в профессиональных конкурсах может быть полезным при поиске работы.

В статье рассмотрим четыре способа создания собственного VPN. Начнем с самого простого варианта, что под силу даже начинающим пользователям ПК.

Я наткнулся на пост в X/Twitter, где Pritam обнаружил, что его решение на Leetcode работало медленнее, когда он использовал встроенную функцию min, и производительность улучшилась, когда он реализовал min прямо в своем коде на Python.

Это правда, что вызовы функций могут быть затратными, и они, как известно, еще более затратны в интерпретируемых языках, таких как Python. Стандартная рекомендация — использовать встраивание функций, если они являются частью узкого места.

Автор на этом скриншоте использовал Python 2, который на данный момент уже стал древностью. За последние 10 лет Python 3 получил множество релизов, и последние версии были нацелены на улучшение производительности языка. Так действительно ли вызовы функций по‑прежнему так сильно влияют на производительность в Python?

В этой статье я собираюсь обсудить конкретные улучшения, внесенные в CPython, которые повышают производительность интерпретатора. Рассмотрим причины медленной работы в старых версиях и как нововведения помогают исправить ситуацию. Давайте погрузимся в детали.