MVP часто воспринимают как «урезанную версию продукта» или «дешёвый старт перед настоящей разработкой». На практике именно из-за такого подхода MVP не работает: команды копируют сайт в приложение, не понимают, что проверяют, и получают бесполезные результаты.

В этой статье — практический разбор того, как делать MVP правильно: от исследований и гипотез до аналитики, pivot и продуктовых выводов.

Не так давно я опубликовал статью «Когда покупка ИБП становится приключением», где рассказывал про неудачный опыт покупки «нового» ИБП Green Cell 1500VA. Тот хлам я все же вернул продавцу, получив свои денежки обратно. Но от идеи приобрести хороший ИБП задешево не отказался.

Покопавшись пару часов на онлайн-барахолке, нашел нового претендента — Eaton Ellipse ECO 1600 за 140 евро (160 с доставкой, новый стоит чуть больше 400). Продавец с хорошей репутацией выставил его как «новый», и я решил попробовать рискнуть еще раз. О том, попил ли я в итоге шампанское и о самом ИБП узнать можно под катом — там много интересного.

Зачем двигать ползунки мышкой, если вы знаете Python? В статье разбираем Manim — библиотеку, с помощью которой создаются видео на канале 3Blue1Brown. Установка, отличие версий, рендеринг LaTeX-формул и код для вашей первой процедурной анимации. Превращаем скрипты в MP4 без единого кейфрейма.

На рубеже 1910-х годов инженер Генри Лоуренс Гант придумал и начал использовать диаграмму Ганта как способ управления проектами. Основная идея заключается в том, что задачи декомпозированы, имеют начало и конец, и показывают последовательность выполняемых работ. Если вы сталкивались с проектным управлением, то знаете, что это очень полезный инструмент.

Диаграмма Ганта настолько понятна и визуально проста, что её часто используют для визуализации последовательности работ в управлении продуктом. Однако здесь возникают некоторые особенности, которые, на мой взгляд, не помогают, а, скорее мешают продуктовому управлению.

Дело в том, что визуализация по Ганту предполагает, что продуктовые задачи в дорожной карте имеют четкий срок начала и завершения. При этом я часто сталкивался с тем, что в представлении стейкхолдеров задача должна быть выполнена не только в срок, но и с максимальным качеством. Таким образом, используя красивую диаграмму Ганта, мы вводим заинтересованные стороны в заблуждение.

Небольшая история из жизни — о реалистичности иллюзий и переживаний, которые наш мозг в состоянии генерировать «для внутреннего использования», и которая могла бы стать ещё одной главой фильма «Игры разума». А ещё — поводом основательно задуматься на темы более концептуальные. Например — попробуйте теперь доказать себе — вы не голограмма в своей же голове.

Мой молодой коллега Алексей часто бывал у дома у пожилого профессора психологии, помогал разбираться с архивами, набирал под диктовку статьи и книги на компьютере.
Однажды профессор запнулся у себя дома и несильно, но чувствительно ударился виском об мебель. Вроде бы, всё ограничилось лёгкой ссадиной и, вроде, без последствий.

Недели через полторы-две, когда случай уже забылся, Алексей приехал для продолжения работы над статьёй, профессор вошел в комнату и спросил:
— Зачем вы повесили сюда ковёр? Где вы его взяли?
— Какой ковёр?
— Ну, вот же, на стене висит.
— Тут нет ковра...
— Чего вы дурачите меня, вот же ковёр!

Для разрешения конфликта была призвана помощница по хозяйству и аспирант, который пришёл на консультацию. Все подтвердили — стена пуста, никакого ковра нет.
— Вы сговорились!

Профессор в гневе стал ощупывать стену, замолчал, сел в кресло и спокойным голосом продолжил диктовать очередную статью с того места, на котором он остановился в прошлый раз.

Тема ковра возникала ещё несколько раз в течении месяца, каждый раз возникал скандал. Все домашние и близкие были крайне обеспокоены ментальным здоровьем профессора. Подозрения возникали всякие, все они упирались в одно «но»: это была единственная странность, во всём остальном профессор сохранял великолепный — очень высокий! — интеллект, адекватность, тёплый уровень отношений с окружающими. И его очень едкий саркастический юмор — тоже был неизменным.

Еще одна библиотека строк для Python? Легко - если у вас есть ИИ-помощник.

Рассказываю, что хотел сделать (действительно, ленивые строки), что получилось, как использовал ИИ, с какими проблемами столкнулся, какие выводы для себя сделал.

Количество ударов БПЛА по объектам нефтяной и газовой инфраструктуры значительно возросло, в России, где за осень 2023 года было нанесено не менее 27 атак, а в ноябре — рекордные 14 атак на НПЗ, включая атаки морских дронов и дронов на нефтяные платформы, выводя из строя оборудование и вынуждая перенаправлять экспорт. Точных сводных цифр нет, но тенденция показывает резкое увеличение интенсивности атак с применением дронов на российские ТЭЦ, НПЗ и экспортные терминалы в 2023-2024 годах. 

В 2025 году количество ударов БПЛА по объектам нефтегазовой отрасли России значительно возросло: по данным СМИ, их было более 140 атак, что на 50% больше, чем в 2024 году, при этом общая интенсивность атак дронов на российскую территорию выросла в разы, достигая 3,7 тысяч БПЛА в месяц к концу года

Пока соискателей учат быть «размалеванными барышнями», работодатели на «рынке лимонов» никому ничего не должны. Можно ли узнать, что ждет внутри, еще до получения оффера? Что, если я скажу: текст вакансии — это честная проекция «внутренней кухни» компании? Я уверена, так как проверила это на личном кейсе, и, вооружившись этим инструментом, проанализировала 146 000 вакансий. О том, почему и как это возможно — для тех, кто не считает неудачное трудоустройство «ценным опытом» — рассказываю ниже.

Работу мозга можно описать через систему процессов «разгона» и «торможения». Главной в этом процессе будет способность договориться и синхронизировать контакт, между внешними стимулами, внутренними ощущениями и пониманием, когда и какую именно запускать реакцию. Впервые в истории, у нас есть понимание, как и почему эти нейроны вообще устанавливают контакт!

Это первая статья из цикла о построении CDC-пайплайна в домашней лаборатории.
Полный путь: Telegram → PostgreSQL → Debezium → Kafka → HDFS → DWH.
Но любой пайплайн начинается с данных — и эта статья про их получение.

В embedded-проектах с батарейным питанием управление энергопотреблением часто сводят к нескольким вызовам sleep() и проверке кнопки включения. Пока устройство простое — этого хватает. Но как только появляется аккумулятор, зарядка, дисплей, кнопка питания и требования к пользовательскому поведению, такой подход начинает разваливаться.

Типичные ситуации, с которыми сталкиваются на практике:

● устройство выключено, но подключили зарядку — что должно происходить?

● зарядка идёт, пользователь нажал кнопку — включаться или нет?

● батарея критически разряжена — как корректно отказать во включении?

● устройство долго не используется — когда и как его выключать?

● контроллер питания подал питание сам по себе — это включение или ошибка?

устройство вышло из Deep Sleep — это пробуждение или «холодный старт»?

Камера, о которой сегодня пойдёт речь — невероятно красивая, но за «хипстерской» внешностью скрывается довольно мощное устройство, готовое удивлять даже сейчас, в 2026 году. Отличные JPG-снимки без обработки, удобная работа с мануальной оптикой, рабочее мобильное приложение — поверьте, не каждая современная камера настолько душевная, как этот «Фуджи»!

Эта статья проведёт вас через классический проект по машинному обучению — анализ датасета Titanic. Мы разберём полный цикл работы: от первоначального знакомства с данными и их очистки до построения и валидации первых предсказательных моделей. Вы узнаете, как преобразовывать категориальные признаки, создавать новые переменные, бороться с пропущенными значениями и оценивать качество моделей через ключевые метрики. На примере Random Forest и логистической регрессии наглядно показываю, как разные алгоритмы решают одну задачу и почему выбор модели зависит от поставленной цели.

Привет, Хабр! Я Senior Angular Developer. И я хочу рассказать вам о своём недавнем опыте, который похож на сцену из киберпанк-триллера, но разворачивается в обычном интерфейсе hh.ru. Открываешь отклик на вакансию, а вместо формы для ввода текста — диалог с ИИ-ассистентом рекрутера. Он задаёт вопросы по стеку, проектам, архитектуре. И вместо того, чтобы в сотый раз пересказывать своё резюме, я сделал логичное, на мой взгляд, действие: поручил ответы своему ИИ-ассистенту.

Так началось интервью, где вопросы генерировала одна нейросеть, а ответы — другая. Моя роль свелась к модерации: «Да, это ок. Нет, исправь». Что из этого вышло, почему это одновременно эффективно и тревожно, и не пора ли нам всем смириться, что первый этап отбора теперь — это «Тьюринг-тест на максималках»? Разбираемся под катом.

Технологический сюрреализм: ATS умер, да здравствует AI-Screening?

Помните эпоху ATS (Applicant Tracking Systems), когда мы оптимизировали резюме под ключевые слова? Каменный век. Теперь системы эволюционировали: они не просто сканируют, они ведут диалог. «А использовали ли вы NgRx в продакшене?», «Опишите опыт реализации micro-frontend архитектуры» — вопросы генерируются на лету LLM, проанализировавшей описание вакансии.

Абсурд и ирония ситуации в её чистоте: две нейросети пытаются найти «мэтч» между двумя текстовыми файлами — вакансией и резюме. Человек-рекрутер и человек-соискатель вынесены за скобки первичного акта коммуникации. Мы наблюдаем рождение нового протокола взаимодействия на рынке труда: machine-to-machine screening.

В массовом сознании распространено мнение, что магнитные поля используются обычно для концентрации и управления чем-то: электронных пучков, в старых ЭЛТ мониторах и телевизорах, удержания плазмы в термоядерных реакторах и других аналогичных задачах. 

Более продвинутые в техническом плане, вспомнят также и про управление электронным пучком в скоростных 3D принтерах по металлу и, даже, использование магнитных полей, для управления ферромагнитной жидкостью, в самодельных дизайнерских часах. 

То есть, получается, что «поле используется в качестве инструмента, для концентрации чего-то другого».

Однако, зададимся парадоксальным, на первый взгляд, вопросом: а можно ли сконцентрировать само поле?! 

Несмотря на кажущуюся странность этого вопроса, он является одним из основных в физике, так как успешное его решение позволяет достичь многих поразительных вещей, что мы и увидим ниже...

«По индийским меркам зарплата была хорошая». Мукеш Мандал, 26 лет, разработчик из Дели — интеграции Zoho, WhatsApp API, автоматизация. Сейчас убирает снег в Петербурге и объясняет журналисту: «Работать на город лучше, чем на частную компанию».

Почему человек с нормальной IT-карьерой называет муниципальную уборку более осмысленной работой? Ответ — в словах, которые он произносит дальше: «Я — средний. Есть OBC и кастовая система».

Что такое OBC, почему госслужба в Индии престижнее частного сектора, как реформы 1990-х создали новый средний класс — и почему IT-сектор так и не стал кастовым лифтом. Разбираем культурную логику, которая делает выбор Мукеша не падением, а переводом на другой язык.

За 8 лет аудита 300+ сайтов на WordPress я видел одну закономерность: 80% владельцев устанавливают CMS, активируют Yoast SEO и считают работу законченной. Через полгода они приходят с вопросом: "Почему мы не в топе Google, если зелёные галочки везде стоят?"

Реальность жёстче. WordPress генерирует дубли страниц (archives, tags, feeds), загружает 15+ скриптов на пустой странице, игнорирует Core Web Vitals и отдаёт HTML без структурированных данных. Поисковики это видят и ранжируют соответственно.

Этот гайд — технический чеклист для разработчиков и SEO-специалистов, кто хочет выжать из WordPress максимум для продвижения сайта. Код, конфигурации, измерения — без воды.

Тут пришло приглашение на семинар по освоению программирования RA8M1. Предлагалось сделать четыре лабораторных работы и бесплатный обед с кофе‑брейками. В заключении за труды получить очередную плату EK‑RA8M1. От такого не отказываются. Хороший повод найти применение плате MKR RGB Shield и дополнить копилку демо‑проектов под RA8M1, решил я.