Field of Enemies — за 3 месяца в релиз

Что мне удалось сделать за это время, детальный разбор механик, советы по разработке - делюсь всем этим с вами тут!

Что мне удалось сделать за это время, детальный разбор механик, советы по разработке - делюсь всем этим с вами тут!

В последнее время я активно занимаюсь автоматизацией торговли и знакомлюсь с разными решениями, два раза летал на конференции, познакомился с интересными людьми. На этом фоне я наткнулся на open-source проект cia76/FinLabPy, о котором уже давно слышал, но никогда не разбирался подробно.
Российская алготорговля переживает странный период: возможности растут, но стандартизации как будто не существует. Брокеры выпускают свои API, но каждый из них живёт в отдельной вселенной — со своим обозначением тикеров, задержками и внезапными отключениями.
Про проблемы алготорговли на Московской бирже почти не пишут, хотя есть мнение что 60% оборота биржи создаётся роботами. А вот автор этого проекта Игорь Чечет на своём вебинаре рассказывает о том с какими проблемами может столкнуться частный инвестор, когда приходит в алгоритмическую среду.

Всем привет, меня зовут Сергей (SARDAUCAR), я один из авторов GOLDINA Entertainment. Хочу рассказать вам об этом небольшом наборе лутбоксов, созданных мной.
Идея создания была выбрана в стиле Sci-Fi / Future Military, почему два этих стиля? Потому что мне нравится оружие во всем его великолепии, от холодного (мечи, кинжалы, дубины, молоты и т. п.) до футуристичного (бластеры, болтеры, плазмаганы, лазерные и мономолекулярные образчики режущего оружия ближнего боя, и, конечно, BFG 9000).

В этой статье я хочу рассказать о своем опыте создания IoT самоделки и интеграции ее в облако Tuya (также известного как Smart Life)

10 новых российских продуктов для управления календарем в Телеграм, аналитики и финансового учета для маркетплейсов, создания маркетинговых квизов для бизнеса c антифродом, саммаризации информации из телеграм-каналов и многого другого. Битва за «Продукт недели» началась!
Product Radar — здесь каждую неделю публикуются лучшие онлайн-сервисы и железки от русскоязычных команд.

Привет, меня зовут Евгений Кириёк, я занимаюсь HR-аналитикой, преподаю и рассказываю про специфику анализа данных в области функции управления персоналом. Последнее время я плотно занимался прогнозированием HR-показателей (текучесть, выбытие, укомплект, заполняемость ШР, численность и пр.), попробовал довольно много методов, подходов, а главное - столкнулся со спецификой прогнозирования таких синтетических показателей, об этом и хочу рассказать в рамках этой статьи.
Для кого эта статья
В первую очередь для коллег из HR: рекрутеров, менеджеров по персоналу, специалистов ОТиЗ и всех тех, кто сталкиваются с задачами прогнозирования показателей в своей работе, при этом не имеют специального тех. образования, и не разбираются в тропических змеях и методах их приручения. Для них, я надеюсь, эта статья станет простой и максимально доступной инструкцией к действию.
В рамках второй части (я, надеюсь, до этого дойдёт), поговорим о более сложных моделях типа ARIMA/SARIMA, алгоритмах типа Prophet и пр. применительно к HR, но это на перспектива, а сейчас – к теме.

Привет, Хабр! Это Сергей Перевозчиков, основатель агентства контекстной рекламы «КонтекстЛаб». Часто к нам приходят дорогие бренды, у которых реклама просто “не летит”. Например, один магазин элитной мебели получал с рекламы по 20 лидов в месяц, каждый из которых обходился в 40 000 р.
Мы перепробовали разные форматы рекламы, товарные стратегии с трипвайером — но продажи сильно не росли. А потом придумали микс контекстной рекламы с медийным эффектом и добавили медийку в связке с ретаргетингом. В итоге количество заказов выросло в восемь раз. В это кейсе расскажу, что digital-реклама может дать лакшери-брендам.

Российские ученые из МФТИ и НИЦ «Курчатовский институт» разработали уникальный программный комплекс, способный решать одну из самых сложных задач современного строительства — определять минимально необходимую прочность материалов для возведения сейсмостойких многоэтажных зданий на свайных фундаментах в суровых условиях Крайнего Севера. Вместо того чтобы методом проб и ошибок проверять готовые проекты, новый подход позволяет точно вычислить требуемые характеристики конструкций еще на этапе проектирования, обеспечивая баланс между безопасностью и экономической эффективностью. Результаты исследования опубликованы в Lobachevskii Journal of Mathematics.

Помните старый мем, где нейросеть не могла отличить чихуахуа от маффина с изюмом? Мы смеялись, но для разработчиков мультимодальных агентов это была настоящая головная боль.
До сегодняшнего дня все наши SOTA-модели (Vision Transformers, CLIP и прочие) страдали одной болезнью: текстурным смещением (texture bias). Они «смотрели» на мир не как мы (через форму и суть объекта), а как инопланетяне — через пятна цвета и фактуру. Покажите модели кошку, обтянутую текстурой слоновьей кожи, и для неё это будет слон. Точка.
Но Google DeepMind, похоже, нашли лекарство. На днях в Nature вышла их статья, которая меняет правила игры. Они представили метод, заставляющий модели «думать» о картинках так же, как это делаем мы.
Я закопался в их пейпер, покрутил демки и примеры, и теперь готов рассказать, почему это не просто очередное «улучшение на 2%», а реальный шаг к AGI.

В 2020 году AI был архипелагом изолированных моделей. К 2025-му всё изменилось. Эта статья — глубокое погружение в единую парадигму Next Token Prediction, которая позволила GPT-5.1, Gemini, Claude и Grok научиться понимать текст, изображения и видео одновременно. Разбираем, как это работает, и на что способны флагманские модели сегодня.

Ручная обработка заявок на обслуживание — это вечные звонки, потерянные письма и бесконечные уточнения. Особенно в крупных компаниях, где сотрудникам ежедневно нужна помощь ИТ-поддержки и хозяйственной службы. Поэтому сегодня в блоге ЛАНИТ на Хабр поделимся, как мы разрабатывали систему, которая облегчила работу канцелярии, с какими вызовами столкнулись и каких результатов удалось достичь.

Существует проблема описанная тут (ссылка на пост в ТГ).
Суть проста — если LLM (или агенты вокруг LLM) вызывают последовательно одни и те же запросы с одним и тем же контекстом, попадание в тупик/цикл — вопрос лишь времени. То есть в случае зацикливания между агентами/контекстами надо менять промты или контекст, или последовательность вызова агентов.
Это яркая демонстрация когда агенты не смотря на всю свою сложность тупят хуже моей кошки. Кошка не будет в цикле проверять две пустые миски в поисках еды, она сделает это раз, ну или два и пойдет дальше. А агенты будут если наткнутся на такую ситуацию.

Плата разработки программно-определяемого радио (SDR) PLUTOSDR NANO (далее именуемая SDR) является производной от ADALM-PLUTO, выпускаемой Analog Devices. Оба устройства используют комплексное проектное решение на основе радиочастотного трансивера AD9363 и ПЛИС ZYNQ7010, представляя собой мощные устройства программно-определяемого радио, которые могут предоставить пользователям широкий частотный диапазон и мощные вычислительные возможности. Ниже приведено краткое руководство по быстрому тестированию после распаковки, включающее этапы: проверка при распаковке, подключение устройства, тестирование основных функций и тестирование функций связи.

Но сейчас я вижу то, что я не просто не люблю, я ненавижу — нейрослоп. Это статьи, которые полны логических ошибок, не отвечает на вопрос заданный в заголовке, с кучей воды. Это не просто дно копирайтинга, это "снизу постучали". Это не было бы проблемой, будь это плохие авторы. Плохие авторы конечны. LLM может генерировать гигабайты текста, только плати за токены, и весьма недорого — у меня есть несколько проектов, в которых LLM используется для NLP, и там ощутимые обьемы входа и генерации, и знаете сколько я потратил за все время существования этих проектов на работу и тесты? Долларов пять. Дешевый некачественный копирайтинг еще никогда не был ТАК дешев.
Возможно этот слоп замечательно индексируется, но я считаю что это путь в никуда для хабра как сообщества специалистов.
Потому что как только таких статей станет большинство — из сообщества уйдут те самые специалисты, просто потому что ну зачем им читать воду. Я закрываю эти статьи ровно сразу же, как только опознаю ИИ. Если их станет слишком много — я просто уйду. И чем больше уходит активных авторов, тем меньше становится интересных статей, и тем больше в процентном соотношении такой воды, тем больше уходит ядерная аудитория. Замкнутый круг.

В первой половине «нулевых», в эпоху популярности «наладонников» и высоких цен на ноутбуки у потребителей не было богатых альтернатив: либо выкладывай круглую сумму за более-менее мощный ноут, либо довольствуйся возможностями Windows CE или Palm OS на карманном устройстве. Именно в этот момент корпорация Samsung представила по-настоящему уникальный для своего времени концепт под названием Q1: 7-дюймовый компьютер с ЖК-экраном и полноценной Windows XP на борту. Девайс имел настоящий жёсткий диск объемом 40 ГБайт, модули Wi-Fi и Bluetooth, а весил менее килограмма. Революционное устройство? Несомненно, но смелые инженерные решения, заложенные в его конструкцию, сделали Samsung Q1 настоящим воплощением технических компромиссов, вызывавших у пользователей множество вопросов.

Domain Specific Language (DSL) — это язык, ориентированный на конкретную предметную область, который позволяет выражать решения в терминах этой области. В отличие от языков общего назначения вроде Java или Kotlin, DSL фокусируется на узкой задаче, делая код более читаемым и выразительным.
Kotlin благодаря своему синтаксису и возможностям предоставляет отличные инструменты для создания внутренних DSL. В этой статье мы рассмотрим, как создавать собственные предметно-ориентированные языки в Kotlin, какие языковые конструкции для этого используются и как это применяется в реальных проектах.
Чтобы статья была практико-ориентированной, мы сосредоточимся на одной области — создании DSL для конфигурации приложений и разберем несколько компактных примеров.

Одной из важнейших задач при проектировании высокочастотных и высокоскоростных цифровых схем является борьба с паразитными ёмкостями на печатной плате.
Паразитная ёмкость на печатной плате — это непреднамеренная ёмкость, которая возникает между проводящими частями печатной платы, разделёнными изолирующим материалом. Это может относиться к ёмкости между дорожками, выводами, компонентами или между дорожкой и плоскостью заземления. Паразитная емкость препятствует работе схемы, может вызывать перекрёстные наводки, задержки сигналов, искажения фронтов и даже нестабильность работы схемы.

Привет! Меня зовут Денис, в ЮMoney я занимаюсь развитием и сопровождением процессинга. Расскажу, как мы внедряли отечественный HSM-модуль, с какими сложностями столкнулись в процессе тестирования, а ещё о загадочном исчезновении оперативной памяти и бунтующих блоках питания.

Когда я только начал создавать KanaDojo, я не планировал строить серьёзную образовательную платформу или что‑то в этом роде. Мне просто нужен был простой, красивый и бесплатный способ практиковаться и учить японскую кану (по сути японский «алфавит», хотя точнее его описать как слоговую азбуку — не совсем так, как у нас в русском). Хотелось создать что‑то такое же минималистичное и затягивающее, как Monkeytype (загуглите! Очень классный проект), но для изучающих японский язык.
В то время я был простым студентом и сольным разработчиком (таким остаюсь и сейчас). У меня не было бюджета на маркетинг, команды или даже чёткой дорожной карты. Зато была одна цель:

С выходом версии 2.4 Termit перестает быть только системой терминального доступа. Появился полноценный VDI на базе знакомого брокера, веб-клиент, «Приложения и рабочие столы» теперь доступны в двух режимах: терминальные сессии и виртуальные рабочие места. В результате Termit становится платформой виртуальных рабочих мест с единой логикой доступа и мониторинга.
Разбираем, что работает сейчас, какие ограничения есть и что проверять на пилоте.