Команда AI for Devs подготовила перевод статьи о том, как быстро растущие AI-ассистенты меняют саму природу разработки. Их код выглядит безупречно — но всё чаще решает не ту задачу, что стоит перед нами. Где проходит граница между ускорением и самообманом, и какую новую ответственность это накладывает на инженеров?
Я пришел в Data Science не сразу. Учился в магистратуре по вечерам, работая в совершенно другой сфере (строительство). Осваивать машинное обучение и анализ данных было интересно, но один из самых неожиданных вопросов, который возник буквально сразу - в какой среде писать код?
На первый взгляд кажется, что Jupyter Notebook, Google Colab, Kaggle и сравнительно новая Marimo - это одно и то же, ноутбук с ячейками и Python (так же поддерживаются другие языки программирования). Но на практике каждая из этих сред подходит для разных задач, где-то удобнее учиться, а где-то работать командой.
Эта статья - результат моего практического сравнения сред, которое я проводил во время обучения и выполнения исследовательских задач, связанных с анализом и подготовкой данных, моделированием и машинным обучением.
Статья будет полезна:
Устройство успешно подслушивает нейронный обмен данными между мозгом и кишечником, углубляя наше понимание их внутренней взаимосвязи. Это проливает свет как на болезни кишечника, так и болезни разума. И, потенциально, создает лучшее понимание еще одной нервной системы, наравне с симпатической и парасимпатической.
Привет, Хабр! Я Ильдар Ишкинин, ведущий инженер Центра компетенций Innostage. В этой статье хочу поделиться результатами нагрузочного тестирования отечественного NGFW «Континент 4», которое мы провели в нашей лаборатории INSI (Innostage Security Infrastructure).
Работаете с ИИ-ассистентом и чувствуете, что он вас не понимает? Ломает архитектуру, пишет код мимо кассы, а на простые вопросы отвечает какой-то ерундой?
Спокойно. Скорее всего, дело не в нём. Давайте разберёмся, где кошка зарыта.
Привет! Я Аня, бизнес-тренер ЮMoney. Уже пять лет я помогаю коллегам выходить из Zoom на сцену — в прямом и переносном смысле. И знаете, что интересно? Большинство из тех, кто сейчас выступает с техническими докладами на IT-конференциях и митапах, начинали с простого — рассказывали коллегам о путешествиях, йоге или волейболе.В этом материале опишу системный подход к подготовке спикеров в ЮMoney и поделюсь статистикой.
Доброго времени суток, «Хабр»!
В 2025 году рынок инструментов для работы с нейронными сетями пополнился множеством интересных новинок. Появляются все новые онлайн-сервисы, программы и десктопные приложения, позволяющие одновременно взаимодействовать с разными моделями нейросети.
Вероятно, многие читатели сталкивались с ситуацией, когда требовалось задействовать сразу несколько моделей, каждая из которых обладает собственным API. Логичным решением в таком случае становится объединение всех моделей в одном удобном интерфейсе. Именно эту проблему мы сегодня и попробуем решить одним из возможных способов.
Эта статья посвящена знакомству с ИИ-интерфейсом Open WebUI. Мы разберем процесс его установки, подключим API BotHub и оценим удобство использования.
Устраивайтесь поудобнее, ну а мы приступаем.
Есть разные способы понять, что именно происходит в нашем мозге. Можно наблюдать за мозгом через сканы МРТ или посредством вскрытия. Можно выращивать органоиды – небольшие пласты нейронов, которые коммуницируют друг с другом. И даже использовать эти органоиды как процессор на биореакторе. Можно еще имитировать процессы мозга, используя вычислительные мощности и создавая 3D модели… Но можно ли вырастить мозг в лаборатории? Да, можно. Если использовать адекватные строительные леса.
Если бы кто-то создал кнопку «Сделать безопасно», то заработал бы миллиарды. Но увы — такой не существует, приходится всё делать вручную.
Привет, Хабр! Меня зовут Анна Лучник. Последние два десятилетия я реализую сложные и безопасные ИТ-проекты.
В этой статье расскажу:
От каких угроз может защитить внедрение Service Mesh в теории и на практике.
Какие конфигурации и решения обесценивают включение mTLS, на какие конфигурации стоит обратить внимание, чтобы всё корректно работало.
Поговорим о том, чем mTLS отличается от обычного TLS.
К каким сбоям и проблемам может привести режим strict mTLS. И что делать, чтобы безопасность на стала причиной того, что у нас ничего не работает.
Ситуация: клиент обратился за помощью в интерпретации данных «Монитора». Были жалобы на подвисания в работе 1С и долгие запросы. При одном взгляде на долгие запросы сразу выяснилось, что сервер СУБД очень сильно нагружен. Как именно удалось это понять, рассмотрим в коротком материале. Это статья нашего партнера Андрея Бурмистрова, эксперта в сфере оптимизации производительности 1С.
В мире облачных технологий часто возникает конфликт между целями DevOps и FinOps. DevOps стремится к скорости, надежности и масштабируемости, в то время как FinOps сосредоточен на эффективности затрат и часто на том, чтобы некоторые затраты сократить. Кажется, что эти задачи находятся в противофазе: одни строят, другие — урезают. На самом деле, современные DevOps-практики, направленные на повышение производительности и эффективности, являются самым мощным инструментом FinOps. А оптимизация затрат — это не самоцель, а естественное и неизбежное следствие правильно выстроенных инженерных процессов.
Мне давно хотелось услышать мнение DevOps про практики FinOps, и вот в подкасте FinOpsWeekly вышло интервью с участием Виктора Фарчича, в котором он в присущей ему провокационной манере говорит о том, как одно дополняет другое и как девопсы видят оптимизацию со своей стороны. Предлагаемые решения в основном рассчитаны на Kubernetes, но основной посыл и обсуждаемые тренды так или иначе актуальны для многих компаний: эфемерные среды разработки, right-sizing и масштабирование.
Почти каждый разработчик рано или поздно сталкивается с задачей, когда ему нужно спроектировать такое сложное изменение в системе, которое затронет сразу несколько продуктов или команд. Кроме того, понимание архитектуры программного обеспечения ценится на рынке — ведущие IT-компании стремятся сохранять прежде всего тех, кто понимает, как устроены системы и решения, и способен решать сложные инженерные задачи.
На связи команда курса «Архитектура программного обеспечения» в Яндекс Практикуме. В этом материале мы расскажем, как ответили на запрос рынка и разработчиков и стали готовить инженеров в области архитектуры ПО, а также какие изменения внесли в курс совсем недавно.
Прохладное утро... Щелчок... Зажигалка подносится ко рту, где своей очереди ждет сигарета.
Такая желанная, такая необходимая, которая нежно согреет и укутает.
Глубокий вдох, который непременно ускоряет мою смерть, - и ментоловый дым наполняет легкие. Сознание постепенно стирает грань реальности, отдаляя меня от текущего местоположения и направляя в далекие воспоминания, что таятся в моей голове.
У каждого из нас есть события, которые становятся триггерами нашего взросления
Я не буду учить вас вести переговоры. Если вы читаете эту статью, то, возможно, разбираетесь в теме даже лучше меня. Теории полно — книги, курсы, гениальные методики. Обращайтесь к ним.
Лично мне всегда не хватало практики.
Вся линейка продуктов Apple, по сути, строится на одной простой форме: прямоугольник со скругленными углами. Будь то он вертикальный и портативный — iPhone. Или уменьшенный и утолщенный — кейс AirPods.
На днях OpenAI опубликовали в своем блоге небольшую статью с достаточно громким названием «How evals drive the next chapter in AI for businesses». Я сделал ее перевод, чуть адаптировав для лучшей читабельности, очень уж бюрократический язык в оригинале.
Статью авторы называют «руководством для бизнес-лидеров». Внутри — про оценку недетерминированных систем, как к этому подходить, немного про A/B тесты и почему не стоит пытаться решить все сразу. Классический цикл фиксации метрики и постепенного ее улучшения, но с LLM спецификой.
Так что это стоит прочитать как сборник хороших практик для LLM-систем. Дальше — слово OpenAI.
Привет, Хабр.
Меня зовут Вадим, я бэкенд-разработчик.
Все мы знаем, что поиск работы в IT — это отдельный круг ада. Особенно этап "воронки": чтобы получить один оффер, нужно отправить 100+ откликов. Причем не пустых, а с вменяемым сопроводительным.
Как инженер, я не люблю рутину. Если алгоритм действий повторяется ("прочитать — сопоставить — написать — отправить"), значит, его можно заскриптовать.
Так появился мой pet-проект «Аврора», который на прошлой неделе перерос в закрытую бету на 100 человек. Рассказываю про архитектуру, промпт-инжиниринг и о том, почему if company_name != current_job — это самая важная строчка кода, которую я забыл написать.
Зачем вообще делать что-то своё?
Я знаю, что вы можете подумать: «Почему бы просто не использовать Elasticsearch?» или «А что насчёт Algolia?» Это вполне рабочие решения, но у них есть нюансы. Нужно разбираться с их API, поддерживать инфраструктуру под них и учитывать все тонкости их работы.
Но иногда хочется чего-то более простого...
Привет, защитники! На связи Pensecfort.
В видео я разобрал, что такое SCA (Security Configuration Assessment) в Wazuh — ваш личный системный аудитор, который автоматически проверяет серверы на соответствие стандартам безопасности (CIS, NIST, PCI DSS и вашим внутренним политикам).
Wazuh из коробки даёт отличные политики на основе CIS Benchmarks. Но что делать, если у вас:
• специфичный корпоративный стандарт?
• нужно проверять кастомные приложения?
• хочется убедиться, что разработчики не оставили debug: true в продакшене?
Ответ один — писать свои кастомные политики.
Сегодня я разберу анатомию SCA-политик от и до, покажу все подводные камни и в конце дам готовый мощный пример для SSH Hardening. Также вот ссылка на официальную документацию.
Для расчета коэффициента корреляции в PostgreSQL используется агрегатная функция corr
Однако, в ходе экспериментов была обнаружена интересная особенность функции corr - несовпадение результата с вычислениями в Excel.
