После первой части у нас есть браслет, который синхронизируется с open-source приложением на телефоне, и sqlite-база на этом телефоне, обновляемая по расписанию. Данные — наши. Но пока они живут на телефоне, они в золотой клетке: один утопленный в ванной телефон — и вся история ушла.
Задача этой части: доставлять базу домой, на свой сервер, ежедневно.
Твой спортивный браслет — это маленький медицинский прибор, который знает о тебе гораздо больше, чем терапевт в поликлинике: когда ты спал и как глубоко, как билось твоё сердце ночью. Весь этот поток по умолчанию течёт в облачную систему производителя браслета — и остаётся там навсегда, в чужой юрисдикции, на чужих условиях, с чужим правом на «улучшение сервиса».
Выход из этой ситуации есть и чем раньше ты им воспользуешься, тем больше данных останется в твоём собственном распоряжении.
Размышления, вдохновленные статьей Марка Хау «Towards ‘augmented sociology’? A practice-oriented framework for using large language model-powered chatbots» (Hau, 2025)
Недавно в одном из чатов коллег-исследователей я обратил внимание на обсуждение темы использования синтетических выборок. Будучи по своему профилю академическим, да ещё и политическим социологом, я в своей работе с подобными методами не сталкивался, однако же в мире продуктовых исследований это стремительно нарастающий тренд последних лет.
В связи с этим меня крайне заинтересовал вопрос: а как исследователям вообще относиться к подобным методам и насколько они, если так можно выразиться, академичны? Так я и погрузился в исследование применения синтетических выборок и в целом LLM в рамках социологических исследований, однако, как всегда оказывается, всё гораздо глубже и тревожнее.
Есть у меня сервис собственной разработки по визуализации данных из базы: сенсоры упорядочены, я могу посмотреть, какие значения были на том или ином датчике за определенный промежуток времени. Лично я считаю, что у меня интереснее реализованы некоторые функции, которые в пользовательском интерфейсе Grafana или ESPHome сделаны исходя из совсем других удобств.
Так, несмотря на появление принципов ООП еще в 1960 годах, о нем многие из нас начали слышать лишь в году так 2010. Многие программисты писали методы и функции без разделения кода, но оказалось, что намного интереснее ориентироваться на живой мир, когда с разработкой четко видишь и осознаешь, что вот этот текст в программе – код человека как законченного объекта исследований с его инкапсулированными методами, например, а вот тот фрагмент – это тот же человек, но с наследованием родительского класса… Он уже не просто человек, но специалист, например, в программировании.
Итак, в интерфейсе своего приложения стало интересно оттолкнуться от реального объекта в моем окружении – от фермы на балконе, где выращиваются клубника и микрозелень. И первым вопросом было явно не то, а как и каким инструментом визуализировать данные с датчиков на этом мини-огороде. Ну окей, самым первым вопросом было, конечно, это. Но когда я накидал график и get-запросом начал переключаться между датчиками, понял, что мне не очень понятно среди этого множества графиков, как вообще управлять всем этим делом и не запутаться.
Вот на подоконнике я точно понимаю, что есть коричневый ящик, а с его правого края находятся два датчика влаги. Но когда я забыл о ферме на полгода, а потом вдруг решил вспомнить, мне что, надо копаться и вспоминать, где именно эти два датчика?
Привет, Хабр! В одной из прошлых статей мой коллега упомянул теорию соматических маркеров Антонио Дамасио. Эта гипотеза связывает текущие ощущения с эмоциональными и физиологическими реакциями. В похожих ситуациях мозг использует их для предварительной оценки вариантов, поэтому выбор формируется раньше осознанной аргументации.
Этому исследованию уже больше тридцати лет, и многие современные работы отталкиваются или дополняют его.
В этом материале я разберу, на чем Дамасио строил свою гипотезу, какую видел роль интероцепции и вегетативной нервной системы и что показали эксперименты со знаменитой игровой задачей Айова (Iowa Gambling Task, IGT). Отдельно постараюсь ответить на вопрос, когда телесным сигналам стоит уделить внимание, а когда они отражают тревогу, усталость или ошибочно закрепленный опыт.
Практический разбор синхронизации камеры глубины RealSense и лидара Livox Mid-360. Как программная коррекция на основе счётчика кадров и замкнутой петли обратной связи позволяет добиться стабильности ±0,3 мс без GPRMC — с кодом драйвера и результатами замеров дрейфа.
Многие компании молятся на конверсию. Улучшение даже на 1% вызывает экстаз. Потеря конверсии — траур, поиск виноватых, казни на площадях.
Мамкин РОП уверен — если конверсию сделать планом, то завтра продаж станет больше, а зарплата самого РОПа — выше. Вот только после нового KPI конверсия растет, а выручка и прибыль падают.
Почему попытка добиться высокой конверсии может привести к большим финансовым потерям, разрушению клиентской базы и увольнению менеджеров — в статье.
В статье описывается архитектура автономной (внесетевой) полностью локальной системы поиска информации, предназначенной для анализа глобальной медицинской литературы на общедоступных серийных вычислительных устройствах в условиях жестких ограничений по объему памяти. Используя базу данных из примерно 2500 современных тщательно отобранных монографий и ресурсоэффективную агентную структуру, система преодолевает разрыв между обширными базами данных медицинских публикаций и возможностями работующего локально типового серийного оборудования, сохраняя при этом абсолютную конфиденциальность данных и детерминированную проверяемость результатов поиска. Система облегчает извлечение научных знаний из литературы в области лечебного дела, клинической фармакологии и биохимии. Она также предоставляет механизм поиска изображений медицинских патологий по их словесным описаниям и средства визуализации инструментальных медицинских исследований в формате DICOM. Предлагаемый ИИ асистент служит доступным ускорителем семантических исследований для практикующих врачей, биомедицинских инженеров и междисциплинарных специалистов.
Максимально простой и в меру подробный гайд о том, как запускать и играть в игры серии Gothic. Решаем проблемы с запуском, даём полезные стартовые советы перед игрой — всё для максимально ленивых и не желающих долго ковыряться с технической частью и настройками.
В октябре 2023 года я рассказывал на Хабре о WUI — небольшой UI-библиотеке на C++, которую начал делать для своего приложения. Тогда она работала на Windows и Linux, а macOS оставалась в списке задач.
Теперь у WUI есть бэкенды для macOS и WebAssembly. Можно открыть сайт и пощелкать тот же интерфейс, который собирается в desktop-приложение: кнопки, многострочный ввод, списки, меню, диалоги, разделители. Код контролов и логика демонстрации общие.
Как получить бесплатный HTTPS сертификат от Минцифры для своего сайта на 365 дней. Смотрим, с какими сложностями предстоит столкнуться.
Кто в детстве рубился в Dendy — страшный человек, который сейчас проходит все современные проекты на сложности ультра. У меня своей приставки, к сожалению, не было, поэтому тренированные друзья-счастливчики размазывали меня только так. Затестила несколько игр, чтобы проверить, насколько это вообще играбельно или в детстве любая трава зеленее. Спойлер: зависла на несколько часов и эмулятор удалять не буду. Делюсь с вами ностальгией.
У моей визитки, как и у большинства, собственной батареи нет. Но достаточно поднести её к телефону, как микроконтроллер запускает анимацию по 21 светодиоду, получая питание исключительно через NFC.
Этот проект я начал около трёх месяцев назад, чтобы без лишних усложнений набраться опыта в проектировании печатных плат. Вот только «без лишних усложнений» продолжалось недолго. В процессе разработки этой визитки я получил гораздо больше опыта, чем планировал, да и сам конечный результат мои ожидания тоже превзошёл. Все детали проекта можно найти в репозитории.
Ну что, продолжаем издеваться над Fallout 4. В предыдущих частях я уже разбирался с графикой и производительностью, крупными дополнениями, оружием и одеждой. В принципе, на этом можно было бы остановиться и спокойно играть. Но мир модов Fallout устроен так, что после очередного нормального улучшения обязательно находится человек, который решил добавить в игру что-нибудь совершенно неожиданное. Вообще этих модов — вагон и маленькая тележка, все рассмотреть не получится при всем желании.
Сопромат и теоретическая механика против МКТ
Ешё со школьных уроков «физики» мы знаем, что согласно «молекулярно‑кинетической теории» (МКТ) молекулы газа похожи на абсолютно упругие бильярдные шары, которые с высокой скорость стукаются об стенки сосудов и отскакивают от них с той же скоростью.
По МКТ получается, что именно этими постоянными многочисленными ударами с отскоками создается эффект «равномерного давление» на стенки сосуда под давлением (см.рис.1–2.)
Постмортем Electron-редактора меню: SceneTree, PDFKit и тесты, которые доказали не то
Я вернул «Объём» в поле, для которого он был задуман.
Текст наполз на цену.
Четыре релиза подряд проходили автоматические тесты. Зелёный статус только подтверждал обходной путь, который модель сама придумала, реализовала и затем закрепила проверками.
Когда визуально все выглядело хорошо, пошла проверка деталей, на этапе которой результаты тестов разошлись с реальностью. Проверил руками и увидел, что объём лежит не там, где должен. Не в Position.volume, а внутри PriceNote. Четыре релиза. Четыре зелёных гейта. Четыре раза процесс сказал «всё правильно» тому, что правильным не было. После этого пришлось разбираться не только с багом, но и с контрактом, который его пропустил.
Представьте себе грустного школьника, которому приходится решать тысячи задач по математике. Учебник в целом хороший, но примерно в одном проценте случаев в нем напечатаны неправильные ответы. Ученик все равно занимается по этому учебнику и в конце концов начинает решать все новые и новые задачи.
Интуитивно кажется, что результат должен быть хуже, чем при обучении по идеальному учебнику. И обычно так и происходит: неправильные данные действительно вредят обучению. Но есть любопытный нюанс, что при определенных условиях небольшое количество ошибок в обучающих данных может не только не помешать, но и привести к лучшему качеству на новых данных.
Звучит парадоксально: если учиться на неправильных ответах, откуда вообще может взяться улучшение? Об этом и поговорим.
В статье представлена переработанная текстовая версия доклада, прочитанного на JPoint 2026 с некоторыми дополнениями.
Речь пойдет об изменениях, которые произошли в сборщике мусора G1 в версиях JDK с 17 по 25, а также дано краткое введение в то, как сборщик мусора устроен.
Привет, Хабр! Сегодня поговорим о контексте: о его тонкостях и ошибках, которые возникают при его использовании.
Почти в каждом проекте, где я помогал внедрять ИИ-ассистента, был один и тот же момент. Бизнес горит идеей: разгрузить поддержку, автоматизировать вычитку и проверку документов, перестать сводить отчеты руками. А потом в разговор заходит безопасность - идея потухает на требовании «нашим данным нельзя наружу».
Дальше обычно есть два стула. Либо проект хоронят целиком (значит, ИИ нам не подходит), либо линейные сотрудники втихую используют Чат ГПТ, и через полгода случайно выясняется, что куски договоров и персональные данные клиентов утекли на чужие серверы.
Оба варианта происходят от непонимания, что внедрить ИИ и отправлять данные в чужое облако это не одно и то же. Модель может работать там, где вы скажете, вплоть до ноутбука сотрудника без выхода в интернет. Ниже я разбираю, из чего собирается такой закрытый контур
Сразу оговорюсь: пишу из личного опыта, не претендую на истину в последней инстанции. Где-то намеренно упрощаю. В комментариях welcome, если вы не согласны.