Сегодня проведём полный экономический анализ для каждого языка программирования, основанный на реальных данных и кейсах и покажем, как количественно оценить trade-off между скоростью разработки и производительностью, учесть долгосрочные затраты на поддержку кода.

В меню — исследования скорости разработки, стоимость изменений, скорость обновления кода для разных отраслей, стоимость инфры. Учитывая эти факторы, посчитаю для скольких RPS экономически оправдано использовать тот или иной язык разработки.

В конце вы получите ссылку на экономическую модель, которую сможете забрать и использовать у себя, подкрутив разные параметры для своего кейса.

Советскому Союзу нужна была атомная бомба. Теперь уже срочно. Атомный проект стартовал в 1942 году, но после взрывов в Хиросиме и Нагасаки пришлось ускоряться. Это был вопрос буквально жизни и смерти государства.   Поэтому уже через две недели после бомбардировки Японии создаётся Специальный комитет по атому.

Сделать такое оружие на обычных заводах было невозможно. Атомный проект требовал гигантских площадей для циклотронов, реакторов и химических комбинатов. Плюс в городах слишком много лишних глаз — от случайных прохожих до шпионов.

Нужно было собрать в одном безопасном месте физиков, химиков, инженеров и конструкторов, чтобы они могли работать, не отвлекаясь на быт.

В России, Беларуси и в целом в СНГ - огромное количество креативных, талантливых разработчиков, геймдизайнеров, продактов и просто талантливых людей. У кого-то из них есть идея создать игру, или возможно, он или она уже создает игру, либо управляет, возглавляет, помогает развивать игровой проект.

В какой-то момент возникает желание сделать больше, лучше, расширить команду, нанять дизайнера, композитора, провести исследование, закупить ассетов, библиотеку, новый софт и железо. Иными словами, в том или ином плане возникает потребность в увеличении финансирования, для развития своей уникальной, лучшей игры, супер-игрового проекта. И возникает вопрос - Где взять деньги?

Почему я как инвестор должен вам поверить? Ведь я думаю о деньгах и как их приумножить. Я думаю о том, как 1. Вложить деньги и вернуть их, с прибылью, и желательно быстро. 2. Я думаю о вашей игре, да, и графика, и сценарий, и геймплейный цикл вроде норм, даже интересно, но где во всей этой истории моя прибыль? Как быстро я ее получу? И получу ли?

Что поможет убедить инвестора?

Современный многоквартирный дом включает несколько инженерных систем: тепловой пункт, электрооборудование, водоснабжение с насосными станциями и канализацию. На практике управляющая компания узнает о проблемах либо из жалоб жильцов, либо во время регламентных обходов. Такой подход не устраивает ни жильцов, ни саму управляющую компанию.

Год назад застройщик КамаСтройИнвест начал внедрять диспетчеризацию инженерных систем в своих жилых домах и привлек к проекту компанию EFFI CODE, которая занимается промышленной автоматизацией и диспетчеризацией.

Мы посетили объект вместе с инженерами Эффикода и представителями застройщика и разобрали, как система работает на практике. Все подробности расскажем в статье.

^Talifero

В статьях до этого, мы рассматривали интересные высоковольтные устройства, в основном, электростатического толка — электрофорные машины: школьная, генератор Ван де Граафа и т.д. 

И даже рассмотрели механический трансформатор напряжения — сам по себе весьма удивительный аппарат. 

Однако, если перейти к более практичным вещам (и таким же интересным) — то, зададимся вопросом: «если не электростатика, то что?» :-) 

Как нам поднять напряжение, если бы мы хотели сделать это одним из самых простых способов и это было бы применимо на практике? 

Нет ничего проще — нам всего лишь нужно обратиться к изобретению более чем 100-летней давности, где несмотря на свою древность, оно весьма активно и по сей день используется в электронике — и речь пойдёт об умножителях напряжения.

В блоге Beeline Cloud мы часто поднимаем темы информационной безопасности — например, недавно рассказывали про RFC 9116, который описывает security.txt.

Сегодня мы продолжим тему в контексте LLM. Спроектировать или развернуть систему ИИ — это только полдела. Ее еще нужно тщательно протестировать, отладить и проверить на уязвимость к промпт-инъекциям. Упростить эту задачу помогают специальные инструменты — несколько таких open source-проектов мы собрали в этой подборке.

Большой адронный коллайдер в швейцарском CERN — прежде всего огромная научная установка. Под землей, на границе Швейцарии и Франции, проложено 27-километровое кольцо, в котором ученые разгоняют и сталкивают друг с другом элементарные частицы. Об этом вы, конечно, знаете. Да и обычно о коллайдере говорят именно в этом контексте — открытия, теории, физика. Но с января 2026 года у него появилось еще одно применение, можно сказать, приземленное. Речь об отоплении домов.

Дело в том, что во время работы коллайдер выделяет большое количество тепла. Раньше его просто отводили, оно тратилось впустую. Сейчас же избыточное тепло начали использовать для отопления соседнего французского городка. В итоге система, созданная для экспериментов с частицами, стала источником тепла для тысяч квартир и зданий.

Google Research опубликовала 151-страничный сборник кейсов, в котором 34 исследователя из Google и ведущих университетов (CMU, MIT, Harvard, EPFL, Stanford) описали, как использовали Gemini Deep Think для решения открытых научных задач. Речь не о демонстрационных примерах — авторы утверждают, что модель помогла доказать теоремы, опровергнуть гипотезы и улучшить алгоритмы в областях от теории информации до физики космических струн.

Любое предложение бизнесу чаще всего должно сопровождаться обоснованием, во что оно обойдется в плане финансовых затрат и сроков, когда планируется получить первые выгоды от его использования.

Поэтому, когда завершены два первых этапа фазы, и становится более-менее очевидным, что именно должен получить заказчик в результате создания целевой ИС, в дело привлекаются команды потенциальных исполнителей для первоначальной оценки реализации решения.

Исследователи из Корнеллского университета разработали метод 3D-печати бетонных конструкций на морском дне. Они применили роботизированные 3D-принтеры и специально разработанную бетонную смесь, предотвращающую вымывание.

Итак, у вас есть телеграм-канал, и вы хотите понять, какой контент заходит аудитории конкурента, вам некогда искать темы или вы просто не знаете, о чем писать, но не хотите постить лабуду.

Вместо того чтобы читать тысячу постов конкурента за год, вы загружаете историю его постов в NotebookLM и нейросеть, проанализировав закономерности, скидывает вам меньше чем за минуту список топовых рубрик, плюсы и минусы контент-стратегии канала и прочее.

В эру нейросетей уже даже у людей без компьютера есть свой карманный ИИ, не говоря про специалистов, работающих в интернет маркетинге, арбитраже, SMM и так далее, продолжать можно долго.

Вот и я перепробовал разные вариации искусственного интеллекта (от набившего всем оскомину GPT, до китайских “убийц” этого самого ГПТ, ну или каких то сильно нишевых моделей). Но я всегда использовал или прямое общение, или какие то готовые инструменты, которые люди писали под разные нужды. Это то и натолкнуло меня на мысль - сделать помощника под себя. И вот… Хотя давайте по порядку.

В 2021 году выход работы Даниэля Канемана, Оливье Сибони и Касса Санстейна «Шум» закрепил в научном и управленческом сообществе представление о вариативности суждений как о критическом изъяне человеческого интеллекта.

Однако последние исследования, опубликованные в период с 2024 по 2025 год, указывают на необходимость пересмотра этой концепции.

Всем привет! Меня зовут Катя, я развиваю Gramax — базу знаний для it-команд. В этой статье я расскажу, как мы решали довольно очевидную проблему связи знаний и случайно сделали штуку, у которой даже есть отдельное название.

Когда говорят «Semantic Wiki», обычно представляют что-то сложное: онтологии, RDF, графы и так далее. Но можно ли это сделать как-то проще и для людей? В этой статье разберем:

• Что делает вики «семантической».

• Как свойства и представления в Gramax решают эти задачи.

• Как быстро создать семантическую структуру, связать с ее помощью статьи и посмотреть по ним отчеты.

Эта статья для тех, кого волнуют вопросы: качественного ведения базы знаний, создания единого источника правды, построения полезных связей между знаниями (а не банальной линковки, которая побьется через пару релизов).

В данной статье будет рассказано о симуляции распространения на большие расстояния волн цунами, порождённых подводными землетрясениями, при помощи программного пакета Wolfram Mathematica. В качестве математической модели системы используется вращающийся гравитирующий геоид с нетривиальной поверхностью дна и выколотыми областями, которые эмулируют материковые образования, и вязкая несжимаемая жидкость на его поверхности.

Привет, Хабр! Сегодня расскажем про регуляторику как ключевой фактор IT-индустрии, новости нашего спутника-платформы, будущее микроэлектроники в России и лучшие статьи прошлой недели: о белорусской игровой приставке на базе ZX Spectrum, платформе для управления контейнерами Portainer, получении всех «белых» IP-адресов Интернета и многом другом.

В связи вот с этой новостью "Профессор Кёльнского университета потерял два года работы с использованием ChatGPT" , напоминаю, что в ChatGPT тоже (как и в других сервисах) можно выкачать данные штатно.

Доброго времени суток, «Хабр»!

В предыдущей своей статье я рассматривал разные парадигмы обучения моделей. Однако не всегда при обучении все происходит гладко.

Бывают ситуации, когда на обучающих данных модель работает идеально, но при проверке на новых данных точность резко снижается. Это явление называется переобучением.

Сегодня в статье расскажу об переобучении моделей, как обнаружить это явление и избежать его. Примите стратегически удобное положения, а я приступаю к своему повествованию.

Open Table Formats — Iceberg vs Paimon — практика использования

В блоге партнеров GlowByte вышла новая статья.

Генетический алгоритм как инструмент инженера: практический кейс раскроя полотен

Генетический алгоритм — это «умный» инструмент для автоматизации раскроя материалов (металл, ткань, пластик). Вместо ручного подбора или полного перебора он по принципам естественного отбора ищет компактное размещение деталей, минимизируя отходы. В статье показан практический кейс на Python: как без сложной математики создать алгоритм, который экономит материал, время. Этот подход можно адаптировать под ваши производственные задачи.