Вадим Мартынов, руководитель команды платформы надёжности в Яндекс Go, в своём докладе рассказал, как влияют те или иные решения на надёжность системы и как это учитывать при разработке.

На Хабре практически нет информации про квантовое машинное обучение (Quantum Machine Learning), и в этой статье я постараюсь подробнее раскрыть тему. Сразу скажу, что промышленных квантовых компьютеров сегодня не существует, все основные разработки в этой области носят теоретический характер, а задачу, которую мы будем разбирать в статье можно решить «по классике» за доли секунд. Но ведь еще 30 лет назад была так называемая «зима искусственного интеллекта», а сегодня нейронные сети буквально окружают нас. Кто знает, может быть вскоре и квантовые компьютеры станут неотъемлемой частью нашей жизни? К тому же область квантовых вычислений, а тем более область QML, обладает особой притягательностью и таинственностью и, как минимум, стоит быть замеченной.

В статье я постарался рассказать о QML в целом, а также об основном строительном блоке QML — Variational Quantum Circuit. Большую часть статьи я постарался сделать практической, c примерами кода на Cirq, а в конце — добавил реализацию одного из базовых алгоритмов QML на Tensorflow Quantum.

В этой статье поговорим о некоторых важных аспектах бизнес-анализа в части описания автоматизируемых процессов, их оптимизации и реинжиниринга с целью последующей оцифровки и ожидаемой полезности такого моделирования для бизнеса.

В поисках новых способов повысить скорость и качество передачи контента (по этому поводу будет вебинар, подключайтесь), рано или поздно возникает вопрос: можно ли передавать данные мгновенно и безопасно, независимо от расстояния? Наши представления о способах обмена информацией в интернете может вскоре изменить квантовая сеть.

Квантовые коммуникации становятся доступнее, не в последнюю очередь благодаря облачным технологиям. Облако позволяет исследователям и компаниям экспериментировать с квантовыми алгоритмами без необходимости владеть дорогостоящим оборудованием.

Можно уверенно сказать, что полноценные квантовые машины будут продолжать работать с виртуальной инфраструктурой. Чтобы обеспечить их работу, инженеры уже разработали протоколы, которые защищают данные и обеспечивают их приватность при обработке квантовым компьютером в облаке.

Мы уже можем примерно представить будущее квантового интернета.

В китайском языке насчитываются десятки тысяч иероглифов. Кто-нибудь задумывался, как вообще можно набирать их все на клавиатуре, имеющей сопоставимые со стандартной размеры? Не такой, как на фото выше.🙂

Забегая вперед скажем, что сейчас это делается при помощи программного интерфейса Input Manager Editor (IME). Но еще 50-60 лет IME не было, а компьютеры в КНР, как и потребность в наборе текста, была. Как же выходили из ситуации? Тут на сцену выходит студент электротехнического факультета Вирджинского военного института Чан-хуэй Йе. Но обо всем по порядку. 

Все мы знаем что такое оперативная память, а также что её всегда недостаточно. Не согласится разве что компания Apple, считающая, что 8 гигабайтов хватит всем. Но когда и как возникла оперативная память? Как устроена она на уровне полупроводников и логических вентилей? Как раньше обходились без неё, и возможно ли отказаться от неё снова? Попробуем разобраться в этом, пройдясь по хронологии развития технологии и заодно порассуждаем о том, что нас ожидает в будущем.

Если бы кто-то составлял список самых важных американских компаний на сегодняшний день, вряд ли AT&T оказалась бы на первом месте. Компания крупная, но не очень: в рейтинге Fortune 500 на 2024 год она занимает 32-е место, чуть выше Comcast и ниже Verizon. Её предложения не уникальны: это всего лишь одна из многих компаний, предоставляющих телефонные, интернет и другие услуги связи. По рыночной стоимости AT&T составляет менее 10 % от стоимости Amazon и около 4 % от стоимости Apple.

Но на протяжении большей части XX века AT&T была одной из крупнейших и наиболее важных компаний во всём мире. Через 40 лет после своего основания в 1877 году она стала второй по величине активов компанией в США после US Steel, и с тех пор продолжала расти. В своей истории компании, написанной в 1939 году, Нубар Даниэлан описывает активы AT&T, оцениваемые в 5 миллиардов долларов, в основном стоимость её телефонной инфраструктуры, как «самое большое скопление капитала, которое когда-либо контролировалось одной компанией за всю историю бизнеса». В 1974 году её активы выросли до 74 миллиардов долларов (примерно 470 миллиардов долларов в долларах 2024 года), что более чем в три раза превышало активы следующей по величине компании, General Motors. Миллион сотрудников компании составляли более 1% рабочей силы США.

В данной статье представлен небольшой обзор инструментов, которые я активно использую в своей работе. Меня зовут Андрей Канивец, я аналитик систем жизненного цикла изделий. 

Типы инструментов можно разделить на методологические инструменты и программные средства, которые в свою очередь подразделяются на программы для работы с аудио и видео, текстовые редакторы, инструменты для быстрой разработки и прототипирования, а также инструменты искусственного интеллекта для распознавания речи и обработки текста.

Небольшой чек-лист для тех, кто работает в международной компании или общается с клиентами на английском.

Недавнее исследование, проведенное группой экспертов из ведущих институтов, выявило существенные недостатки в логических способностях даже самых продвинутых LLM. Статья «Алиса в Стране чудес» демонстрирует, что при решении элементарных логических задач современные языковые модели демонстрируют неожиданно низкую эффективность.

Еще со школы помню, что отличники делились на две условные группы. Одни зубрили буквально всё, заучивали материал до подкорки и идеально воспроизводили при решении задач. А другим все словно давалось само по себе. При этом они не зазубривали материал, а словно охватывали его комплексно. Не это ли то самое эффективное обучение? И можно ли его как-то постичь самому?

Решили помочь аналитикам, менеджерам проектов и другим людям, которым нужно быстро освоить или вспомнить базовые понятия криптографии. Возможно, вы пытаетесь подготовиться к собеседованию в компанию, которая занимается разработкой продуктов в сфере криптографической защиты информации, но раньше вы в этой области не работали.

Сейчас мы с вами разберемся с базой!

Кто и как нам обеспечивает постоянное наличие 220 вольт в розетке и тепло в батареях зимой?

В википедии по запросу  «Энергетика Москвы» можно узнать следующую информацию:

«По состоянию на начало 2021 года, на территории Москвы эксплуатировалась 41 электростанция общей мощностью 10 865 МВт, в том числе три гидроэлектростанции, 32 тепловые электростанции (в том числе 16 энергоцентров, обеспечивающих энергоснабжение отдельных предприятий), три мусоросжигательных завода с попутной выработкой электроэнергии, две электростанции на биогазе и один пневмоэлектрогенераторный энергоблок. В 2019 году они произвели 52 559 млн кВт·ч электроэнергии[1][2][3]. Основное топливо: природный газ.

Общая тепловая мощность источников теплоснабжения, расположенных на территории Москвы, составляет 54 86 1 Гкал/ч.»

По информации из этой обзорной статьи мы имеем две цифры мощности: 10 865 МВт  электрической  и 54 86 1 Гкал/ч тепловой генерации , которые надо сравнить.

Нужно ещё сделать  пересчёт для разных единиц мощности МВт и 1 Гкал/ч, чтобы сравнивать в единой размерности.

 1 Гкал/ч - это мощность, равная  энергия для нагрева 1 миллиарда грамм воды на 1 градус за один час, что эквивалентно  мощности электрической энергии:

  Nэл  =1*4,19*10^9/3600 =1,164 МВт /( Гкал/ч)

Тогда тепловая мощность  при переводе на МВт будет равна:

54 861 Гкал/ч = 54 861*1,164=63 858МВт

То есть в г Москве мощности на отопление и  электроэнергию относятся как:

=63 858/10 865= 5,88

Получается почти 6-ти кратное отношение  максимальных мощностей  потребляемой в Москве электрической и тепловой энергии, причём с перевесом почти в 6 раз в пользу тепловой энергии.

Всем привет! Меня зовут Коля, и я аналитик. Помимо этого, я являюсь руководителем отдела анализа в компании. По роду службы меня занимает вопрос критериев оценки аналитиков – как понять, аналитик «хороший» или «плохой»? Надо повысить зарплату или уволить? Давайте разбираться в этом непростом вопросе.

Нам оставили немало комментариев к статьям по подготовке к собеседованию системного аналитика (СА) о том, что примеры со сложными вопросами по SQL, REST и диаграммам — избыточны. И что СА не обязан знать, как написать код обработки запроса на Python, И даже СУБД — тоже не сфера знаний СА, как и много другое. А что же обязан знать и уметь СА? Давайте пройдемся по новому профессиональному стандарту «Системный аналитик» от Минтруда РФ и возьмем требования для грейда «джуниор СА». Вам откроется немало удивительного. Правда, есть пункт, не вызывающий сомнений: «Русский язык в объеме, необходимом для выполнения трудовой функции».

Есть вероятность, что мы неправильно понимаем чёрные дыры.

Физики долгое время считали, что чёрные дыры — это просто: массивные гравитационные объекты, огромные количества материи и пространства-времени, сколлапсировавшие в своего рода тюрьму, из которой невозможно сбежать.

Но чем больше мы их изучаем, тем больше чёрные дыры отказываются сотрудничать с этой картиной, родившейся из общей теории относительности Альберта Эйнштейна — масштабной модели, объясняющей работу гравитации на вселенских масштабах. Мы не до конца понимаем, что происходит в центрах и на границах чёрных дыр. Чёрные дыры могут быть даже не совсем чёрными, поскольку они могут испускать небольшое количество излучения. И, пожалуй, самое неприятное то, что они не очень хорошо согласовываются с нашими представлениями о том, как энергия и материя могут работать в крошечных квантовых масштабах, по мере того, как эти представления становятся всё более понятными и определёнными.

Сегодня тяжело найти человека, который бы не слышал прогнозов о том, что нейросети уже готовы заменить системных аналитиков, в особенности на этапе формирования требований к новым системам. Например, тренер в школы системного анализа, ИТ-архитектор в “Systems.Education“ Юрий Куприянов ещё год назад писал на Хабре о том, что системные аналитики с junior level рискуют потерять работу, т.к их способен заменить ИИ. Аналогичные выводы сделал наш руководитель практики технологических решений Виталий Волнянский в своих комментариях и публикациях о нейросетях в СМИ. 

Между тем, из ЕАЕ-Консалт после релиза Chat GPT до настоящего времени не был уволен ни один сотрудник, занимающийся системным анализом. Более того, среди знакомых мне системных интеграторов, компаний, разрабатывающих сложный софт для промышленности, крупного ритейла и систем безопасности (например, на основе компьютерного зрения), также не было массовых увольнений специалистов моего профиля. Более того, только на Хабр карьера в настоящий момент 479 вакансий системных аналитиков, профессия остаётся крайне востребованной и за пределами России, например считается  дефицитной в США. В посте предлагаю данные небольшого сравнительного исследования, не претендую на научную репрезентативность, но полагаю, что результаты, отчасти, раскрывают причины того, о чем я написал выше.