Всем привет. Меня зовут Алексей Матюшкин, руководитель направления роботизации ГК «Автомакон». Наша компания 13 лет отвечает за всю IT-инфраструктуру ВкусВилла. В последние два года я руковожу проектом роботизации распределительных центров сети.  

Работу начали с двух крупнейших РЦ — Вешки и Домодедово. Первыми в них появились роботы-погрузчики. Сейчас на складах работает три типа роботов, которые перевозят 29% всех поступивших товаров, убирают треть площади в смену и проводят инвентаризацию за два часа, отлично уживаясь друг с другом и с сотрудниками РЦ. 

В статье расскажу об этапах внедрения, трудностях, с которыми пришлось разбираться в процессе, и результатах работы. 

Я фронтенд-разработчик в небольшой команде и 2 месяца назад чуть не лишился работы. После двух лет в компании, сотен часов переработок и десятков исправленных багов меня собирались уволить. И они были правы.

Каждый день я опаздывал, допускал ошибки в коде и срывал дедлайны. А потом тратил ночи на исправление собственных косяков в предыдущих проектах.

На этом моя карьера могла закончиться — но я нашёл выход. 

Привет! Я недавно на Хабре. Да-да, такие всё еще существуют. Само собой, статьи с Хабра регулярно бывают в моей ленте, часто читаю всякое, но стать регулярным пользователем, да еще и "писарем", желание родилось совсем недавно. А связано это с тем, что я, будучи 35-летним дяденькой, решился на глобальные перемены в моей жизни, которыми хочу делиться с людьми. Я уверен, так этот путь пройти будет гораздо проще...

Предназначено для тех, кто задумывается о цифровизации предприятий. Телеграм-бот - это отличный способ сделать интерфейс между базой данных и сотрудником, у которого нет в данный момент доступа в корпоративную сеть (к своему компьютеру). Безусловно, мобильное приложение решает этот вопрос лучше, но затраты на создание/поддержание мобильного приложения несопоставимы с затратами на простого ТГ-бота (или даже средней сложности), то же относится и ко времени разработки/внедрения. Надеюсь, данная статья будет полезной для энтузиастов широкого внедрения ТГ-ботов как технологии цифровизации промышленных (и не только) предприятий.

Продолжаем изучать МРТ-данные с точки зрения Data Science. Сегодня: Inversion-Recovery и серии FLAIR, STIR. Размерности серий и их регистрация. Методы Echo Planar Imaging (EPI) и PROPELLER.

Содержание и первые части цикла статей здесь.

Как кажется, основные читатели книги «Low‑Code AI» — студенты ИТ‑курсов или специалисты, желающие сменить область деятельности и освоить профессию дата‑сайентиста или аналитика данных. На фоне большого разнообразия книг по машинному обучению (ML), авторам Гвендолину Стриплингу (Gwendolyn Stripling) и Майклу Абелю (Michael Abel удалось написать компактное практическое руководство по освоению ML в стиле «Для новичков — лентяев». Или вернее сказать, для тех, кому нравится Low‑code программирование. Короче говоря, если вас интересует, с чего начать путь в ML — попробуйте начать его с этой книги.

Когда про DeepSeek-r1 начали говорить уже из каждого утюга, я долго думал, а стоит ли еще и свои 5 копеек вставлять в эту историю, и подумал, конечно же да! Ведь могу.

Если коротко, просыпаюсь в понедельник и вижу сотни постов в час на тему «революции в ИИ», «гигантский скачок в развитии LLM», «Акции big tech компаний падают», «NVIDIA потеряла сотни миллиардов долларов» — все эти статьи и посты имели кое-что общее — упоминание DeepSeek. Первое, что я почувствовал, это, конечно, небольшое недоумение — так он уже несколько дней точно лежит в библиотеке ollama, а до этого еще лежал на hugging face, да еще и я уже и развернул его на домашнем сервере и тестирую, так почему он внезапно то хайповать стал?!

Подумал, подумал, и пошел работать, лишь к вечеру вернувшись к этому вопросу. Решил разобраться, откры Хабр и понял, что уже куча опубликованных статей в стиле «⚡️», так что решил подождать чуть более логичных рассуждений обо всей этой истории. В итоге, время шло-шло-шло, я уже состарился на целую неделю, параллельно изучая причины происходящего, но, так и не дождался полноценного разбора произошедшего, так что я решил написать статью в стиле «🐢».

За годы развития дарквеб превратился в высокоорганизованный рынок киберпреступности, на котором и опытные злоумышленники, и новички могут найти всё, что нужно для проведения успешных кибератак. Теневые площадки живут по законам легальных рынков: привлекают пользователей с помощью маркетинговых инструментов, работают с лояльностью клиентов, обеспечивают безопасность сделок и своих ресурсов. Рынок перегрет, предложений много, но и спрос высокий. Злоумышленники готовы платить немалые деньги за товары и услуги, зная, что в случае успеха могут многократно окупить затраты.

Мы проанализировали экосистему «темной сети», выяснили, что продают и покупают в подполье, сколько тратят и зарабатывают киберпреступники, а также предположили, как будет развивать дарквеб в ближайшем будущем. Обо всём по порядку — в этой статье.

В последние месяцы всё чаще слышим про «reasoning-модели», способные не просто продолжать текст, а действительно шаг за шагом решать сложнейшие задачи цепочкой рассуждений (chain-of-thought). Впервые такой подход эффектно показали в OpenAI o1, но, к сожалению, подробности там остаются секретными. Недавно же команда DeepSeek наделала шуму с открытыми вариантами R1 и R1-Zero, созданными поверх их собственной большой MoE-модели DeepSeek-V3. В этом посте я не стану углубляться в вопрос «чья модель лучше — o1 или R1». Зато разберу, какие главные технические детали стоят за R1, почему Zero-версия выглядит особо захватывающе, и как именно авторам удалось обучить модель мыслить.

В этой статье я поделюсь опытом быстрого локального развертывания модели DeepSeek — решения, которое позволяет не зависеть от облачных сервисов, сохранять конфиденциальность данных и тонко настраивать модель под собственные задачи.

Почему наше настроение так сильно колеблется изо дня в день? Всему виной дофаминовые циклы, которые влияют на получение нашим мозгом удовольствия, а также на мотивацию и поведение.

Меня давно интересует эта тема, поэтому решил оформить все в отдельную статью.

Для начала выделим стабильный и нестабильный дофаминовые циклы, чтобы постепенно во всем разобраться. 

Вы хотите использовать возможности DeepSeek, передового ИИ-помощника по программированию, прямо на своем локальном компьютере? Независимо от того, создаете ли вы пользовательский рабочий ИИ-процесс или обеспечиваете конфиденциальность данных, самостоятельное развертывание DeepSeek открывает безграничные возможности. Давайте погрузимся в процесс развертывания.

Стандартный сценарий выхода новой нейросети обычно включает в себя громкие заявления, масштабную рекламную кампанию и последующее разочарование пользователей. Так было с Apple Intelligence, Galaxy AI и даже Google Gemini. Но китайская DeepSeek нарушила привычный ход вещей. Этот чат-бот удивил всех не столько своими возможностями, сколько впечатляющей доступностью. Именно он показал, что эффективно работающая нейросеть может быть доступной. В результате западные IT-гиганты внезапно столкнулись с серьезным конкурентом, который одним фактом своего выхода уже устроил на американском фондовом рынке “Черный понедельник”. Если вы еще не изучили DeepSeek самостоятельно, под катом подробный разбор практики работы с новинкой.

Привет, Хабр. Меня зовут Кирилл, и я работаю в центре машинного обучения «Инфосистемы Джет». Сегодня хочу рассказать, как мы совместно со специалистами ТЭЦ крупного металлургического предприятия сделали цифровой сервис для оптимизации работы питательных электронасосов (ПЭН). Годовой экономический эффект от реализации сервиса превзошел наши ожидания и составил 19,6 млн рублей. Это, на первый взгляд, не так много для большого завода, но учитывая, что там работает целый ряд подобных решений, в совокупности общая сумма экономии впечатляет.

Мы не просто так в начале каждого года надеемся, что он будет другим. Что мы наконец-то закроем цели, привьем привычки, спорт внедрим в жизни и т.п.

Организм смело наливает нам мотивации и её надо использовать в моменте. Мотивация - краткосрочное топливо. Я расскажу про 6 сфер жизни или инструментов, которые дадут такой уровень жизни о котором 99% только мечтают.

Которые можно качнуть без денег, не выходя из дома.. С только оплаченным интернетом.

Я более‑менее знаю пять языков, на четырех пишу, читаю и общаюсь, на одном читаю и криво общаюсь, еще пару-тройку языков понимаю — они в архиве. Все, что здесь написано, это мой личный опыт, а не «байки из интернета» или компиляция ИИ.

Когда я выучил еще три в дополнение к своему родному, то думал, что теперь все знаю о том, как учить языки. Когда выучил еще один и начал два других, некоторые вещи пришлось пересмотреть. Думаю, это зависит от количества, и полиглоты, владеющие 10–15 языками, скорее всего, будут иметь уже другое мнение насчет учебы. Так что сейчас я делюсь наработками, которые у меня есть на данном этапе. Если же вы знаете меньше пяти языков, подумайте хорошо, если вы хотите оспорить моё мнение.

В данной статье я покажу, как твое резюме видит работодатель, что ему в нем не нравится, а что прям бесит, какие ошибки ты совершаешь и как их исправить.

Это вторая статья из трилогии про осознанный поиск работы, чтобы лучше усвоить материал — советую сначала прочитать первую Так у тебя сложится правильная картина происходящего и ты ничего не упустишь, получив максимум пользы.

Прочитал? Тогда можем продолжить.

Я провела эксперимент и создала 4 вакансий на hh.ru, чтобы исправить все плохие резюме людей, кто на них откликнется. В итоге я исправила более 1000 резюме, на что ушло 2 недели и кучу убитых нервов от однообразных ошибок, которые до сих пор совершают люди. Все их я собрала в этой статье!

Если хочется посмотреть еще и на внутрянку кабинета работодателя и увидеть, как именно тебя фильтруют и как отказывают, то советую посмотреть это видео: