Прототипирование *

При видеокаротаже мы опускаем в скважину камеру и видим на экране обсадную трубу, фильтры, отложения и повреждения, застрявшие насосы и тд. Но есть проблема: на видео нет глубины. Ты видишь картинку, но не знаешь, на какой глубине находится камера. Можно конечно сделать метки на кабеле, условно, каждые 1 -2 метра, но это жутко не удобно и их нужно стоять и считать, вообще тот еще костыль. Раньше использовали вторую видео камеру, которая снимала механический счетчик с отображением метров, но тоже костыль. Нужно потом накладывать друг на друга картинку, что не самый удобный вариант.

А можно наложить глубину прямо на видеопоток в реальном времени. Это экономит часы расшифровки и исключает ошибки, а главное это отображение глубины и видео прямо тут и сейчас.

Вот как я это сделал. Начнем с железа :

Микроконтроллер: Arduino Nano
Почему? Простота и размер. Он маленький, дешёвый, легко программируется. Вставляется в разъём на плате OSD-модуля. В сети куча примеров по данной теме, решил использовать то, что уже было сделано другими.

Чип OSD: MAX7456
Этот чип умеет в реальном времени накладывать символы на аналоговый видеосигнал. Выпускается в готовых модулях — например, MinimOSD. Такие модули изначально делали для квадрокоптеров (F3/F4 flight controllers), но они отлично подходят для каротажа.

Почему не готовый видеорегистратор со встроенным OSD?

Входящий бриф от клиента почти никогда не приходит в виде аккуратной формы. Это письмо на полторы страницы, голосовое в расшифровке, таблица из трёх несвязанных вкладок или сообщение в духе «нам нужна автоматизация, бюджет обсудим». Раньше первичный разбор такого брифа и сборка чернового коммерческого предложения были ручной работой: кто-то садился, вычитывал письмо или таблицу, выуживал требования и перекладывал их в шаблон предложения. Сейчас этим занимается воркфлоу в n8n: он принимает сырой бриф, извлекает из него требования LLM-нодой, раскладывает их по структуре и собирает черновик КП, который человек дорабатывает, а не пишет с нуля.

Это не «магический промпт». Это оркестрация из полутора десятков нод, где у LLM ровно две задачи — извлечение и генерация, а всё, что между ними и вокруг, делают детерминированные ноды. В этой статье — разбор архитектуры, конкретные конфиги нод и, что важнее, грабли, на которые мы наступили в проде. Названий клиентов и волшебных цифр про «экономию 80%» здесь не будет.

Привет! Кто не любит прикольные интерьерные штуки? Я, например, всегда любил вид неоновых вывесок. В какой-то момент мне пришла в голову мысль: а почему бы не сделать свою собственную? Правда, не неоновую, а светодиодную. Да ещё и с кучей эффектов и управлением со смартфона. Так появилась идея для очередного «проекта на лето», реализация которого у меня растянулась на полгода. С виду простая задумка таила в себе кучу технических сложностей и мелочей, которые нельзя было упускать из виду. Добро пожаловать в невероятно интересную историю создания, которую я вам сейчас поведаю…

Привет! Я не AI-инженер, у меня нет ML образования. Я проджект-менеджер со старым бекграундом в качестве веб-разработчика и с опытом более 10 лет в управлении командами разработки ПО. И с приходом полноценных AI-агентов я стал по выходным заниматься экспериментами на своих пет-проектах. 

Один из таких проектов - мобильное приложение для запоминания карточек/слов: я учу японский язык и не нашёл ни одного сервиса, в котором добавлять новые слова в словарь было бы не мучительно, поэтому решил сделать своё, для себя. Что ж, для этого у меня не было GPU-кластера и команды, но был MacBook, свободное воскресенье и конкретная проблема, которую я хотел решить.

Ниже я опишу свои наблюдения с точки простого PM'a, и вытекающую ​идею и концепт.

Решил к предыдущей статье (https://habr.com/ru/articles/1041000/) добавить практики немного. А именно поездка на очередную скважину на моей каротажке.

Всем привет, вот появился свободный денек для написания части про каротажный регистратор. Если в предыдущей статье я описал все подряд, весьма обобщенно и не конструктивно, то теперь, я решил все разбить на этапы. Начнем с каротажного регистратора.

Классические регистраторы от именитых брендов, типа "Велко", "Вулкана" и тд. имеют свой интерфейс, выглядят очень круто, и стоят очень дорого. Как правило большинство приборов используют Манчестер-2 для общения прибор-регистратор. Для этого им достаточно иметь на кабеле одну жилу и броню. Но тут сразу появляется очень много НО ( на мой профессиональный взгляд из всех не профессиональных )). Во-первых как по одной жиле передать видео сигнал ? AHD скажите вы, согласен но геофизический кабель не коаксиал и далеко видео сигнал не кинешь. Бывают коаксиальные геофизические кабели, согласен, но коаксиал для видео не AHD такое себе. Далее расскажу почему AHD идея не сработала у меня. ( спойлер OSD).

В целом, список требований к регистратору:

1) он должен принимать сигнал с каротажной видеокамеры.

2) принимать данные с каротажного прибора

3) должен быть экран для вывода глубины

4) нужно контролировать питание прибора и выводить на дисплей

5) контролировать глубину исследования и скорость спуска

Примерно такой лист требований был у меня в голове. Кабель был 3х жильный геофизический в броне. И так начинаем рисовать: Сердце регистратора будет stm32f401 - черная таблетка. К ней мы подключим дисплей DWIN. На дисплей нужно вывести кнопки управления режимами прибор либо видеокамера, подача питания, надо учесть возможность подключения аналоговых приборов, а также вывод глубины на видеопоток.

В последние годы количество запросов на поддержку RedOS значительно выросло& Ранее Test IT позволяла использовать готовые сборки под Ubuntu или CentOS с запуском в контейнерах. Однако рынок идет вперед и клиентам требуется нативный дистрибутив под RedOS 8.02 с официальным подтверждением совместимости и внесением в реестр отечественного ПО. Делимся, как со стороны технической команды прошел крупный проект налаживанию совместимости с отечественной операционной системой.

Здравствуй, Хабр! Разработка ингибиторов мутантного онкобелка KRAS ( особенно формы G12D)- одна из главных задач современной онкофармакологии. Используя наш проприетарный матаппарат мы рассчитали несколько секвенсов под целевой карман мишени. Мы оперировали секвенсами от 7 до 21 остатка на мишенях длиной от 102 до 188 остатков, полученные при докинге результаты ipTM в AlfaFold Server варьировались от 0.58 до 0.92.

Привет, меня зовут Андрей, я занимаюсь виртуальными расчетами прочности и жесткости для Атома.

Моя задача — сделать электромобиль максимально надежным, комфортным и долговечным, и сейчас я расскажу как делаю это с помощью компьютерного моделирования (CAE).

Самый ценный объект в отделе расчетов прочности сегодня — это цифровой двойник. Виртуальный клон автомобиля, который ломают, давят и испытывают тысячи раз, не потратив ни грамма металла. 

Почему без него невозможно построить ни один электромобиль — рассказываю изнутри.

В марте мы написали на Хабре, что хотим сделать платформу, где учёные смогут находить друг друга не «по знакомым», а по конкретным задачам. Тогда это была гипотеза и черновик MVP.

За эти два месяца мы прошли закрытый бета-тест, переделали ключевой экран приложения, поняли, что половину фич из первого плана делать не нужно — и недавно выложили Synaps в RuStore.

В этом посте — что из изначальной гипотезы выжило, а что пришлось переписать после первых живых пользователей.

Я, как и многие, залип в датасеты, метрики и нейросети - и в какой-то момент понял, что почти не думаю о главном, как вообще проходит процесс инспекции печатных плат.

Чтобы закрыть вопрос реального процесса инспекции печатных плат, было принято решение собрать собственный компактный стенд (подиум на алюминиевом профиле, камера, два шаговых двигателя и много (очень много) хомутов для проведения автоматической инспекции. Основные критерии, которые были заложены в основу будущего стенда: он должен быть простым в управлении, достаточно компактным, чтобы уместиться на рабочем столе и универсальным. Чтобы была возможность решать различные задачи инспекции.

В статье расскажу, почему я не стал делать конвейер, как в промышленности, какие компромиссы пришлось принять, что пошло не так при сборке и почему этот DIY-подход оказался полезнее, чем ещё один прогон модели на готовом датасете.

Если коротко, то я собрал из того, что было под рукой (местами буквально "на коленке"), и это неожиданно дало больше понимания, чем ещё одно обучение модели.

В условиях современного банковского надзора внезапный дефолт крупного банка — событие экстраординарное, особенно в США. Финансовые регуляторы выстроили глубоко эшелонированную систему защиты: Центральные банки непрерывно мониторят нормативы, проводят стресс-тесты и, как правило, действуют на упреждение.

В текущих реалиях довести банк до стихийного рыночного краха прежде чем регулятор превентивно вмешается и отзовет лицензию — задача со звездочкой, система спроектирована так, чтобы гасить пожары до их открытого возгорания.

В статье воссоздадим дефолт SVB в банковском ALM симуляторе: наберем тот самый портфель ценных бумаг, смоделируем изменение рыночной конъюнктуры и поведение вкладчиков.

Покажем, как невидимые банковские риски превращаются в реальную дыру в капитале, и убивают крупнейшие банки.

Почему домашний бар перестал быть просто набором бутылок и как сегодня можно пересмотреть актуальность DIY-наливаторов

Людей уже так давно подсадили на кофе, что даже пришельцами-червями из Людей в Черном никого не удивишь. Наш организм пропитан этим экстрактом кофейных семян настолько, что в голове уже кипят совершенно нереальные ежедневные мысли и инсайты. 

Мы измеряем утро эспрессо, рабочий день американо, а вечер крафтовым рафом, хотя есть еще люди, посасывающие бутылочки в барах или за телевизором по вечерам, в которых не совсем кофе. Кофемашины стали идеальными: точные, быстрые, бесшумные. 

Но в этой эффективности потерялось главное, ради чего мы вообще собираемся за столом. Ритуал. Общение. Тот самый момент, когда кто-то поднимает бокал, говорит пару слов, и комната на секунду становится теплее.

Мы решили вернуть это в быт. И создали устройство, которое не про кофе. Оно навряд ли заменит Вам вашу подружку-кофемашину, но даст в жизни действительно что-то новое кроме очередных кофейных эмоций. Устройство не просто молча и нужно наливает, а разговаривает, предлагает тосты и превращает домашнее распитие или встречу друзей в событие с особой, оригинальной, атмосферой. У него есть несколько названий, одно из них – «Наливатор». В статье немного пересмотрен подход и принципы, которые использованы в решении 2020 года.

Это перевод статьи Питера Штайнбергера (@steipete), того самого автора OpenClaw, которого недавно купили в OpenAI — «Shipping at Inference‑Speed». Этот пост, как мне кажется, спустя полгода после публикации читать только интереснее — потому что то, что он описывает как первые впечатления и вау‑эффект от работы с агентами для производства кода, а так же методы для работы с ними — сейчас уже в мейнстриме. Если вы активно пользуетесь агенсткими системами в разработке, то многое из описанного для вас стало привычно; этот пост помогает освежить воспоминания о том, как все было в мае прошлого года — и как сильно все изменилось к декабрю.

Мы живём в эпоху когда можно написать в чат «сделай мне CRUD» и получить рабочий код через десять секунд что в принципе удобно. И это, если честно, главная причина почему я периодически намеренно лезу в что-то сложное руками — чтобы не разучиться думать о том что происходит внутри.

ИИ я использую. Но в этом проекте он был исключительно быстрой документацией — особенно когда добрался до selection/range API, про которые до этого знал чуть меньше чем ничего. Реализация все равно была за мной.

Так вот — ReadGen. Блочный конструктор README-файлов. Месяц, 2-3 часа в день, React и TypeScript и небольшая пачка дополнительных библиотек для разумного облегчения жизни. Важно понимать что это не коммерческий продукт и не претендует на решение чьей-то боли. Просто техническая задача которую я давно хотел разобрать.

Прототип сайта на Тильде нельзя рассматривать только как черновик будущего дизайна.

Тильду часто воспринимают как инструмент, где можно быстро собрать сайт из готовых блоков. Это правда, когда структура заранее ложится на логику платформы. Но если сначала нарисовать свободный макет, а потом пытаться перенести его в конструктор без учета стандартных блоков, Зеро-блока, адаптива, форм, SEO-структуры и будущего редактирования, скорость быстро исчезает.

История одной отладки и перехода в серию: как лишний трансформатор портил полезный сигнал с технологией HiPoE и что мы с этим сделали.

В эпоху вайбкодинга удивить кого‑то базовым веб‑интерфейсом сложно. Но сделать его понятным и простым в поддержке — другой вопрос. Если вы хотите обернуть свои скрипты\автоматизацию в красивую обертку, а также сделать это быстро и просто — я нашел для вас классную библиотеку на python.

Цель статьи — поделиться классным инструментом и замотивировать вас к созданию нового. Поехали!

У любого EdTech продукта есть проблема поддержки студентов. Я и сам столкнулся с ней в мою бытность автором курсов на степик. Студенты сталкиваются с трудностями и пишут в чат / на форум в надежде, что им помогут (особенно, если они заплатили за обучение свои кровные).

Традиционный способ решения данной проблемы - куратор. Это человек, достаточно хорошо разбирающийся в предмете и структуре курса, задача которого отвечать на такие вопросы студентов. К сожалению, такой способ решения обладает радом недостатков, обусловленными человеческим фактором.

Однако, в эпоху развития технологий искусственного интеллекта появился новый способ решения проблемы поддержки студентов. Прототип такого решения я недавно собрал и хочу вам об этом рассказать.

На собственном опыте я узнал, что партнерство с людьми без технического бэкграунда, которые хотят построить стартап, не всегда оказывается тем, что ожидаешь. У этих людей обычно есть идея, экспертиза в целевой области, деньги или все сразу — и видение, которое они считают прорывным. Но нет продукта.

Я проходил через это несколько раз. В такой конфигурации, несмотря на кажущуюся эффективность связки технарь‑идея‑инвестор — ни разу ничего не запустилось. Под катом — четыре паттерна, которые я видел на каждом таком проекте. И как AI может сделать еще хуже.