Как стать автором

Привет, Хабр! Меня зовут TrashPony и я делаю свою MMORPG. Увидел статью, решил тоже поделиться.

Мы — команда из одного человека и нескольких личностей. У нас нет крупных бюджетов, нет издателя, но есть идеи, которые мы хотим воплотить в жизнь.

Дата — это всего три числа, но даже такой маленький элемент интерфейса может серьезно повлиять на пользовательский опыт.

Тестировщики это просто крутые покемоны, такая мысль крутится у меня в голове.

Я не имею в виду то, что нужно собрать их всех, а скорее то, что в большинстве случаев они могут эволюционировать во что-то в зависимости от методов прокачки.

Для людей, которые по какой-то причине не знакомы с этим прекрасным аниме или плохо помнят в чём там была суть, стоит напомнить основные моменты. В мире мультсериала существуют животные, которых могут ловить люди и использовать в своих целях.

По стандарту у покемонов 3 уровня прокачки, прямо как привычные Junior, Middle, Senior. В дальнейшем появляется возможность выбора мега эволюции или чего-то подобного, что совпадает с позициями Team Lead, Project Manager и т.д.

Каждый человек, у которого возникало желание добиться определённого успеха в какой‑либо сфере, сталкивался с кучей проблем — как себя мотивировать, как развить дисциплину, что вообще влияет на мою продуктивность, желание работать и куча‑куча всего иного.

Реагируя на этот запрос от общества, интернет заполонили блогеры‑инфлюенсеры, которые обещают, что своим 10-минутным видео они смогут объяснить, как абсолютно любой, независимо ни от каких обстоятельств и личных характеристик, сможет стать супер продуктивным. Да, может явно это и не проговаривается, но кликая по обложке такого видео мы надеемся, что сейчас этот гуру сможет дать нам решение проблемы, которую мы, зачастую, даже сформулировать сами не можем. Но проходит время, и после пресыщения подобным контентом разумный человек начинает жёстко фильтровать поступающую информацию, отсеивая подобные обещания.

Я достаточно долго варился в этой саморазвиваторской движухе и понял, почему бОльшая часть советов разных блоггеров не помогают. Дело в отсутствии фундамента. Нас заманивают волшебными приложениями и методиками, которые нам «точно помогут»: метод помидора, zettelkasten (второй мозг), getting things done, deep work… продолжать можно достаточно долго. Эти инструменты могут быть действительно полезны, но лишь для конкретного человека, находящегося в конкретной ситуации. Тот, кто реально преуспел в организации себя, должен всем этим умело управлять, а для этого необходимо иметь базовые принципы, на которых будет строиться его логика в контроле своего времени.

Зачастую нам приходится описывать API-запросы или переписывать уже имеющиеся ввиду изменения каких-то DTO (Data Transfer Object) или параметров у запросов. Это вполне естественно для разработки, но часто оказывается скучным и однотипным процессом, не требующим размышлений или особых навыков. В этой статье я рассказываю, как автоматизировать всю эту историю.

Всем привет! Недавно я закончил один из этапов собственного проекта, в котором я провел сравнительный анализ 3 одних из самых известных нейросетей для семантической сегментации: U-Net, LinkNet, PSPNet. Теперь я хочу поделиться со всеми, чтобы в случае, если кто-то захочет сделать что-то подобное или ему просто понадобится, то он не искал весь интернет, как я, а легко и просто все нашел. В конце главы каждый нейросети я оставил ссылки на оригинальные статьи для желающих самостоятельно все изучить (на английском). Ссылка на мой GitHub с полноценной версией всех нейросетей и main файла в конце статьи.

Я расскажу кратко о подготовке входных данных перед тем, как подавать их в нейросеть, объясню самые важные детали каждой модели по отдельности, а также покажу результаты сравнения. Использовал я библиотеку Tensorflow, а обучение проводил в среде Google Colab.

Приветствую всех любителей CTF и этичного хакинга на стороне Red Team! В этой статье мы рассмотрим прохождение легкого таска «СМС», разработанного пентестерами из команды Codeby.Games.

Справка: codeby.games — отечественный условно бесплатный веб‑проект, где каждый может попрактиковаться в оттачивании навыков наступательной кибербезопасности. Таски (задания) представлены в широком спектре: начиная от использования методов OSINT и заканчивая компрометацией учебного домена Active Directory. CTF разделяются на три группы — «Легкий», «Средний», «Сложный» в различных категориях. Но подробнее об этом — на официальном сайте проекта.

Итак, приступим. Задание «СМС» находится в категории «Квесты».

Хабр, привет! Меня зовут Мария Недяк, я специализируюсь на разработке харденингов нашей собственной микроядерной операционной системы «Лаборатории Касперского» KasperskyOS. Если вкратце: мы стараемся сделать любые атаки на нашу ОС невозможными — или хотя бы очень дорогими :-)

Один из главных инструментов в нашей нелегкой работе — «канарейка» (ну или Stack Canary), которая защищает от базовой атаки переполнения стека. Лично я к работе с этой птичкой уже давно привыкла — набила руку во время многократных CTF-турниров, где без такого харденинга было никуда… Этот бэкграунд очень пригодился мне в «Лаборатории Касперского», когда перед нашей командой встала задача усилить «канарейку» в KasperskyOS.

В статье я подробно объясню, как работает Stack Canary, как ее ломают — и как от этих методов взлома защититься. Сразу скажу: тема непростая, так что для самых любопытных я оставила список полезной литературы в конце текста. Поехали!

...и почему от этого зависит будущее общества.

#сезонбудущеездесь

Мир переживает новую промышленную революцию. ИИ-агенты и мультиагентные решения уже начинают забирать базовые функции, которые раньше выполнял человек. Пока это первая фаза возможного снижения занятости людей.

Следующая фаза – создание полноценных ИИ-сотрудников (представляющих собой пул ИИ-агентов), что приведет к еще большему сокращению потребности в человеческом труде.

Третья фаза – формирование ИИ-команд, когда роль человека в создании конечного продукта станет минимальной.

Если вам кажется, что это описывает далекое будущее, значит, вы просто недостаточно информированы о текущем прогрессе технологий.

Крупные корпорации, которые осведомлены гораздо лучше, уже взяли ситуацию в свои руки. Если вчера это был бизнес, создающий новые рабочие места, то сегодня это бизнес, который их будет уменьшать (временное увеличение спроса произойдет только на старте, пока нужно активно создавать эти решения).

Главный вопрос: станет ли распространение и владение ИИ-агентами фактором процветания общества или причиной антиутопии?

В статье описан алгоритм обсчета когортного анализа по датасету транзакций платежей пользователей с реализацией на Python.

Всем привет! Меня зовут Даша Мельникова, я ведущий релиз-менеджер в МКБ. В рамках этой статьи буду говорить об инцидентах, которые переходят на третью линию (на команду разработки).

А еще о такой сущности, как инцидент ЗНО. Это сервисный запрос, обращение пользователя, в рамках которого мы лишь консультируем человека, а не правим код, то есть просто даем советы. Но если в рамках консультации возникает необходимость что-то доработать, то это выливается в создание новой фичи.

Во всю идет 2025 год, и нейросети перестают быть чем‑то фантастическим. Они уже повсюду в нашей жизни: от умных колонок в квартирах до сложнейших систем, управляющих логистикой и финансами. Вместе с ними стремительно меняется подход к работе с данными. В этой статье мы поговорим о том, как современные LLM помогают автоматизировать сбор данных с веб‑сайтов и сводят к минимуму рутинную настройку и «подкручивание» парсеров.

Что еще вы найдете в этой статье?

Представьте, что вы архитектор, проектирующий дом. Вы выбираете материалы, планируете комнаты, но... кто-то уже подвез кирпичи, цемент и даже расставил мебель. Звучит идеально? Примерно так Python обращается с памятью: он берет на себя рутину, чтобы вы могли сосредоточиться на логике приложения. Но что, если дом нужно перестроить или добавить нестандартный этаж? В этой статье постараемся разобраться, как Python управляет памятью, когда можно довериться автоматике, а когда стоит взять инструменты в свои руки.

«У нас в спальне стало холодно», — первое, что сказал мне по телефону наш новый клиент. Сергей включал отопление на полную мощность, но все равно приходилось укутываться в плед, чтобы не замерзнуть. При этом в других комнатах было тепло. Чтобы разобраться, мы пришли к нему с тепловизором. Как и когда его использовать, расскажу в статье.

Всем привет! Меня зовут Софья Якимова, и я работаю в компании ТЕХНОНИКОЛЬ. Ситуацию, описанную выше, мои коллеги решили с помощью тепловизора. Чтобы выявить места теплопотерь, они провели тепловизионное обследование. Это позволило точно определить, откуда уходит тепло, и дать рекомендации по улучшению теплоизоляции в комнате. Расскажу подробнее, как работает сервис.

Mask R-CNN 3D – это расширение знаменитой модели Mask R-CNN для работы с трехмерными данными (объёмными изображениями или облаками точек). Классическая Mask R-CNN предназначена для instance segmentation (сегментации отдельных объектов) на 2D-изображениях и состоит из двух основных частей: (1) сети предложений областей (Region Proposal Network, RPN) и (2) головы (Head) с несколькими выходными ветвями для классификации, регрессии ограничивающих рамок и сегментации масок . В версии 3D эта же концепция перенесена в трехмерное пространство.

Входом модели Mask R-CNN 3D обычно является объёмный данных – например, медицинский 3D снимок (CT/MRI) размером (D×H×W) или облако точек, представляющее 3D-сцену. Backbone-сеть (обычно сверточная нейросеть типа ResNet) извлекает из входных данных многомасштабные признаки. В 3D версии backbone заменяет все 2D-операции (свертки, пулинг) на 3D-аналоги, позволяя обрабатывать объёмные данные напрямую. (Если 3D-данные заданы как облако точек, возможно предварительное преобразование, например, вокселизация пространства или проекция на несколько 2D-плоскостей – об этом подробнее в разделе 6.) Backbone формирует карты признаков – объёмные тензоры с пониженным разрешением, но содержащие высокоуровневую информацию о структуре объектов в сцене.

Далее вступает Region Proposal Network (RPN) – небольшая сеть, скользящая по картам признаков и генерирующая набор предположительных объектов (region proposals) в виде ограничивающих 3D-рамок (прямоугольных параллелепипедов в координатах исходного объёма). RPN использует заранее заданные «якоря» (anchor boxes) – шаблонные 3D-боксы разных размеров и соотношений сторон, размещенные по всей карте признаков . Для каждого такого anchor RPN предсказывает два значения: объектность (есть объект/фон) и смещение рамки (на сколько нужно подвинуть и масштабировать anchor, чтобы точнее охватить объект). После этого выбираются топ-N наиболее перспективных предложений с помощью non-maximum suppression (NMS) – подавления пересекающихся рамок с меньшей оценкой.

Поведаю свою историю. Я Solution Architect в одной из больших компаний с бэкграундом Java Разработчика, ни разу не DevOps инженер. Постараюсь подробно рассказать про всё, что знаю и постараюсь не переводить на русский то, что лучше и правильнее звучит на английском. Сдавать экзамен нельзя на русском, поэтому готовьтесь к английскому, но на сколько я помню вариант был выбрать китайский и японский. Вдруг кому так проще :-)

К сожалению, в последнее время всё больше и больше людей советуют использовать JWT для управления пользовательскими сессиями в веб-приложениях. Это ужасная идея, и в этом посте я объясню, почему.

В статье рассматривается проблема установки gdb и дебага на Apple Silicon чипах в целом. Анализ с сбор воедино всей информации и подходов , что попробовал автор, помогли прийти к простому решению данной проблемы.

Меня зовут Мария Русина и я работаю в направлении Data Governance в "ДАР". Так как в нашем направлении большое внимание уделяется именно методологии управления данными, мне важно постоянно повышать уровень собственных навыков. В связи с этим, около года назад я решила пройти сертификацию CDMP от DAMA International, но на тот момент в русскоязычном интернете не нашла ни одной статьи, которая описывала бы опыт сдачи. Поэтому решила поделиться своим. Надеюсь, что будет полезно.

Сразу скажу, что никаких ограничений для сдачи экзамена из России нет, главное – иметь возможность оплатить его сдачу.

Многие разработчики стремятся протестировать свои изменения перед развертыванием в стабильные среды: prod, dev или staging. Первое, что приходит на ум — написание тестов. Однако, как показывает практика, времени на создание качественных тестов часто не хватает. В таких случаях логичное решение — настройка деплоя для отдельных веток. Хотя эта идея кажется простой, ее реализация связана с рядом сложностей: