Kurgan-Telecom Ru | Информационные технологии

Пользователи ежедневно сталкиваются с сотнями рекламных сообщений. В этих условиях у брендов есть буквально несколько секунд, чтобы заинтересовать человека, прежде чем он закроет баннер, пролистает пост или переключится на другую задачу.

Современные рекламные кампании все чаще используют подходы, которые раньше ассоциировались с игровым дизайном, продуктовой разработкой и поведенческой психологией. Бренды создают интерактивные механики, используют необычных персонажей, вовлекают пользователей в диалог и превращают рекламный контакт в небольшой пользовательский опыт.

В Авито Рекламе регулярно запускают кампании с использованием различных механик вовлечения аудитории. Мы решили посмотреть шире и разобрать несколько кейсов, чтобы понять, какие подходы действительно помогают преодолевать баннерную слепоту и удерживать внимание пользователей.

За три месяца наш голосовой ИИ-агент успел соврать клиенту про несуществующего администратора, принять всех звонящих за одного человека и месяц выдавать обычный синтез за "клонированный голос". Разбираю, почему это лечится структурой кода, а не промптом — на полностью российском стеке.

Разобрал, как GPU ускоряет инженерные расчёты на примере массового моделирования 2D-траекторий. Сравнил NumPy CPU, CuPy vectorized и CuPy RawKernel на RTX 5090, взятой на GPUGO.

Привет, Хабр! На связи Нина Андреянова из ВКонтакте, я занимаюсь реализацией больших кросс-командных проектов последние пять лет. Недавно я рассказывала про назначение тимлидом контрибьютора (спасибо за ваш интерес к статье!). Сегодня я пришла поделиться с вами ещё одной темой: высокая продуктивность команды и как руководители иногда её ломают. За годы работы в разных корпорациях я поняла одну неприятную управленческую правду: фраза «давайте ещё немного поднажмём» звучит вдохновляюще… ровно до того момента, пока ты не слышишь её третий квартал подряд. Если эта фраза звучит в команде регулярно, то, вероятнее всего, вы уже не ускоряетесь. Вы просто медленно тратите ресурс, который не восстанавливается.

И это один из самых разрушительных сценариев для руководителя — путать высокий перформанс команды с её способностью долго жить в режиме перегруза. Давайте разберёмся в ошибках руководителей и в том, как их предотвратить. 

Swift — это современный язык программирования, лежащий в основе многих приложений, работающих на платформах Apple наших дней. Мне показалось, что было бы неплохо немного вернуться к истокам Apple, к Apple II. Это была первая массовая серия компьютеров Apple, первоначально выпущенная в 1977 году с процессором MOS 6502 с частотой 1 МГц.

Самым фатальным недостатком C++ является то, что он скоро умрёт. То, что C++ скоро умрёт — это истина, проверенная временем. 30 лет назад все говорили, что C++ скоро умрёт, потому что появилась Java. 20 лет назад ему пророчили скорую смерть, потому что к Джаве присоединился C#. 10 лет назад C++ должен был умереть, потому что появился Rust. 3 года назад его снова принялись хоронить, когда АНБ выпустило спорную рекомендацию «переходить на memory-safe языки» везде, где это возможно, и я думаю, что ещё через 30 лет тоже все будут говорить, что C++ скоро умрёт.

Откуда столько пессимизма? Считается, что C++ неудобен в использовании, и из-за неочевидных правил языка на нём слишком легко написать опасный и забагованный код. В этой статье я сравню C++ и C# в тех аспектах, которые определяют простоту и удобство использования — насколько легко и приятно писать на этих языках, и какой из них вызывает наименьшее количество боли.

Я не собираюсь ничего набрасывать на вентилятор или разводить холивар, а просто хочу объективно и беспристрастно ответить, наконец, на вечный вопрос: что же всё-таки лучше — C++ или C#?

Стоимость поддержки кажется простой: есть зарплаты, есть число обращений — поделили и готово. На практике эта цифра занижена в разы, потому что половина затрат на тикет не попадает ни в один отчёт. Разбираем, из чего складывается реальная стоимость обращения и как посчитать её для своей команды.

Совет обратиться в Роструд бесполезен. Как вы докажете, что вас не берут на работу из-за возраста?

Представьте самую обычную ситуацию. Вам пятьдесят два года. За последние два месяца вы отправили несколько десятков откликов. Где-то пришли автоматические отказы. Где-то вообще не ответили. Пару раз пригласили на собеседование. Итогом стала фраза: «Мы взяли более подходящего кандидата», читай: «Пошел ты нафиг, старый пердун».

Две недели назад я отдал разработку живого продукта автономному ИИ-пайплайну: люди пишут в бота «что поменять», а код пишется, тестируется, ревьюится и выкатывается в прод без единого человеческого взгляда на дифф.

Итог двух недель: 178 релизов, 1.4 млрд токенов, 0 строк кода, прочитанных человеком перед мержем. И неожиданный вывод — я не перестал быть программистом, а стал кем-то вроде бухгалтера, который отложил счёты и осваивает Excel.

Я поставил череду экспериментов: по очереди убирал куски «обвязки» вокруг модели и смотрел, что сломается. Один эксперимент чуть не похоронил репозиторий за одну задачу: +25 зависимостей и +6000 строк на ровном месте. Рассказываю, что выяснилось.

Привет, Хабр! Меня зовут Алиса, я методолог информационной безопасности в Ozon. Я занимаюсь построением и улучшением процессов ИБ начиная от регламентов и требований до внедрения практических контролей в работу команд. Один из сложных участков в ИБ — работа с контрагентами. Компании используют внешние сервисы, подрядчиков, аутсорсинг, облака, интеграции и внешнюю разработку. При этом далеко не всегда понятно, кто отвечает за безопасность этих связей и с чего вообще начинать.

Представьте: вы спрашиваете умного коллегу о дедлайне проекта, а он отвечает уверенно и детально – но на самом деле придумывает всё на ходу. Именно это постоянно делают большие языковые модели. Они не «знают», что не знают. И это не баг конкретной реализации – это фундаментальное свойство архитектуры. В данной статье студент первого курса ТОП ИТ предлагает один из способов как это побороть вооружившись RAG и семантической энтропией...

Четыре последних релиза моего проекта почти ничего не изменили для пользователя. Не появилось новых экранов, кнопок или возможностей. Зато именно за эти восемь дней проект пережил, пожалуй, самую большую архитектурную перестройку с момента своего появления. Рассказываю, почему иногда отказ от новых функций оказывается самым правильным решением. Статья большая и представлена как ретроспектива. Рассказывает о взрослении как в самом написании кода и подходу к разработке, так и о архитектурном.

Кажется, рынок смартфонов давно перестал удивлять. Но стоит выйти за пределы привычных Android-флагманов, и оказывается, что производители продолжают искать новые идеи. В 2026 году появились телефоны со встроенным проектором, Linux вместо Android, экраном E Ink и даже устройства, которые больше напоминают карманные компьютеры, чем привычные смартфоны. В этой подборке — самые интересные примеры таких экспериментов. 

19-й выпуск IT-новостей от OpenIDE!

Midjourney открыла медицинское подразделение и сканер всего тела вместо МРТ, Cursor строит замену GitHub под AI-агентов, а в OpenIDE крупно прокачали поддержку Go. Тем временем японская Sakana AI без собственной топовой модели обходит Opus 4.8 и GPT-5.5, а Fable 5 от Anthropic остаётся отключённым по всему миру уже 11-й день подряд.

Привет, Хабр! Меня зовут Максим Теплых, эксперт по тестированию на проникновение в ИТ-компании Innostage. В этой статье я хочу рассмотреть тему, которая с годами становится все более актуальной — тестирование систем, использующих ГОСТ TLS. Кратко расскажу о самой технологии, а также покажу подходы и наработки, которые применяем на практике. 

Заранее приношу извинения за объемное и несколько затянутое введение. Хотя изложение начинается не с динозавров и не с истории древней Руси, тему все же необходимо раскрыть с некоторой предыстории.

Привет! Меня зовут Евгений, я специалист по безопасности приложений в Naumen. Моя работа — поиск и устранение уязвимостей в продуктах и инфраструктуре.

За последние несколько лет искусственный интеллект из экспериментальной технологии превратился в повседневный рабочий инструмент. Сегодня LLM помогают разработчикам писать код, аналитикам готовить документы, а сотрудникам — быстрее находить информацию.

Но есть и обратная сторона. Те же самые технологии используют злоумышленники для фишинга, разведки инфраструктуры и автоматизации атак. Более того, сами языковые модели уже становятся целью для новых типов атак.

В этой статье разберем, как ИИ используют атакующие, чем он помогает специалистам по безопасности и какие угрозы возникают для самих LLM.

Разбираем, зачем электронные производственные журналы нужны в промышленной архитектуре, если уже есть SCADA, MES и ERP. Поговорим о ручных данных с площадки, мобильном и голосовом вводе, связке с отчётами и API, а также о том, где AI действительно помогает, а где его нужно обязательно проверять.

А что, если не писать сложные SQL-запросы, не выгружать логи в CSV и не строить графики в Python? Просто спрашиваете у AI-агента: «Покажи максимальную температуру на объекте за выходные и нарисуй гистограмму». Ответ готов за секунды.

В статье расскажем, как объединить «мозги» языковых моделей с настоящими промышленными данными. Развернём стек: MQTT (Mosquitto), Telegraf, TimescaleDB на Ubuntu, а потом напишем собственный MCP-сервер на Go. Так ваша LLM сможет безопасно и быстро анализировать телеметрию с датчиков, общаясь на простом языке.

Минимум воды, максимум готового кода, Docker-конфигов и примеров из практики.

Локальный ИИ не должен стоить как автомобиль. Мне стало интересно: возможен ли жизнеспособный инференс на CPU и что реально дают дешевые GPU (вроде Tesla V100 или CMP 40HX). Я собрал несколько бюджетных конфигураций до 100к, потестил актуальные модели и попытался понять, что важнее для скорости: канальность памяти или частота. Сравнил дешевые AM4 и Threadripper, замерил токены в секунду и построил графики. Делюсь результатами.

Всем привет, с вами Михаил Киселев, ML-разработчик в компании WebRise. И сегодня поговорим о практическом применении ML в образовании.

Почему при горе регламентов, инструкций и методичек запуск нового курса всё равно растягивается на недели? И почему проблема часто не в LMS, а на шаг раньше — там, где знания в компании уже есть, а учебной структуры ещё нет?