Kurgan-Telecom Ru | Информационные технологии

То, что мы называем робособакой, — это, по сути, мобильная аппаратная платформа. У неё есть четыре ноги с приводами, аккумулятор, бортовой компьютер и полезная нагрузка.

Ещё есть роверы — колёсные платформы. Роверы проще, дешевле и надёжнее на ровном асфальте, но собака — это вездеход.

Для нас это просто ещё один вид железа, который мы используем в общем контуре охраны. Такой же, как поворотная камера или датчик движения на заборе. Только этот датчик умеет бегать.

Зачем вообще собаки, если есть дроны? БПЛА — штука отличная, но у них есть конкретные недостатки для охраны периметра 24/7. Дрон висит в воздухе 30–40 минут, а потом летит на базу. Ну и, конечно, он жужжит и виден всем. Он не взлетает в метель, почти не умеет двигаться по помещениям и, самое главное, не умеет открывать двери. А собака с рукой на спине отлично умеет.

Робопёс работает в полях часами, может спрятаться в траве, пройти под трубопроводом и не боится ветра.

В отличие от дронов робособаки уже работают координированными флотами с обменом информацией друг с другом через p2p-сети и mesh. Они строят p2p-сети, собака с радиодоступом к центру может работать мостом к совсем далёкой собаке за горизонтом и так далее.

Рассказываю, как мы используем целые рои робопсов для охраны на самых ответственных объектах и в мониторинге аварий в той же нефтянке, где бывают метели или надо открывать двери. Но чаще охраняем критически важные объекты.

С задачей построения платформы для потоковой обработки данных по тем или иным причинам сталкиваются многие компании. И довольно часто подобная разработка превращается в попытку «создать ракету», не понимая сути происходящего под капотом. При этом для решения подобной задачи достаточно иметь набор инструментов и знать принципы их настройки на каждом из этапов.

Меня зовут Сергей Емельянов. Я руководитель Core-команды VK Tech. В этой статье я пошагово покажу процесс построения синтетической платформы для обработки потоковых данных на Kubernetes.

С задачей построения платформы для потоковой обработки данных по тем или иным причинам сталкиваются многие компании. И довольно часто подобная разработка превращается в попытку «создать ракету», не понимая сути происходящего под капотом. При этом для решения подобной задачи достаточно иметь набор инструментов и знать принципы их настройки на каждом из этапов.

Меня зовут Сергей Емельянов. Я руководитель Core-команды VK Tech. В этой статье я пошагово покажу процесс построения синтетической платформы для обработки потоковых данных на Kubernetes.

Здравствуйте, дорогие читатели! Сегодня я расскажу вам о проекте hornbeam, который переводится на русский язык как "граб" - это такое дерево, похожее на дуб. Он позволяет деплоить сервисы на питоне, используя для этого виртуальную машину эрланга, BEAM (!) А также, позволяет удобно запускать код на питоне, если вы уже используете Erlang или Elixir.

Фреймворк, на мой взгляд - полностью в духе эпохи, в которой доминируют питон, дата-саенс, машинное обучение и LLM, и в которой в программирование продолжают проникать полупрофессиональные инструменты из среды дата-саентистов и других энтузиастов - к счастью. Дошло уже до того, что инструменты и практики с почти безупречной репутацией, такие как kubernetes и контейнеризация, уступают место крайне любительскому подходу вроде "для инфраструктуры используйте эрланг".

Проект задумал и осуществил автор широко известного веб-сервера gunicorn, он адресован широкому сообществу программистов на питоне и эрланге.

Лет пять назад за 30 000 рублей можно было собрать вполне пристойную рабочую машину: процессор с интегрированной графикой, 16 гигабайт памяти, SSD, нормальный блок питания — и ещё оставалось на корпус. Сегодня за эти деньги можно купить разве что комплект DDR5 на 32 ГБ. И то если повезёт. Цены на комплектующие за последний год выросли так, что бюджетные сборки из категории «дёшево и сердито» перешли в категорию «сердито и не очень-то дёшево». Но мы всё-таки попытаемся поскрести по сусекам и собрать что-нибудь приемлемое.

Все новости, особенно те, которые основаны на данных нужно обязательно критически переосмыслять, часто данные правдивые, но показаны так, что скрывают проблему или недоговаривают о негативных динамиках.

Хочу рассказать как самому не попасться в эту ловушку и как неосознанно не создавать подобные датавизуализации, которые могут вводить читателей в заблуждение. Все антипримеры я брала из личного рабочего опыта или из реальных примеров, которые каждый день вижу в различных статьях и примерах.

Привет, это снова история про то, как желание хайпануть пошло не по плану. Краснодарская кофейня решила сделать спешл-меню по мотивам громкого уголовного дела и — сюрприз! — нарвалась на жесткую обратку. Давайте просто, без менторства, разберем, что здесь пошло не так и почему защищать свою идею перед разгневанными комментаторами — идея так себе.

Короче, история такая: одна краснодарская кофейня запустила рекламный ролик. В нем создатель заведения с огоньком в глазах рассказывает про новое спешл-меню. Фишка в том, что рецепты напитков они якобы нашли в обнародованных файлах по делу Джеффри Эпштейна. Да, того самого. Остров, вечеринки, жертвы, весь этот ужас. Один из напитков даже назвали «Запретный плод сладок» .

Вроде бы задумывалось как смело, дерзко, на грани. Но на деле получилось как всегда — аудитория не оценила.

Почему народ взбесился?

Ну смотрите сами. Тема Эпштейна — это не просто "громкое имя". За этим стоит реальная трагедия реальных людей, насилие над детьми и женщинами. И тут появляется реклама лимонада. Логично, что люди спросили: «Вы серьезно? Вместо того чтобы посочувствовать жертвам, вы делаете из этого повод продать нам попить?».

Какая-то часть аудитории, возможно, и оценила бы "нестандартный подход", но большинство сказало твердое "фу". И это нормально.

А вот дальше случилось самое интересное.

Вместо того чтобы тихо уйти в закат, удалить посты и сделать вид, что ничего не было, кофейня решила пойти в отказ. Они начали отвечать комментаторам. Спорить. Доказывать, что это ирония и вообще все просто не поняли глубокий замысел.

В конце 2024 года мы на собственной шкуре почувствовали, как нейронки начали вмешиваться в нашу работу. И дело не в том, что SEO-спецов заменили ИИ. Они начали ломать саму механику поиска, которая работала годами: оптимизировал сайт, вышел в топ, получил трафик. Теперь человек всё чаще получает готовый ответ прямо в поиске, без перехода на сайт. Для пользователей эта фича только во благо. Но что делать бизнесу, который годами вкладывался в SEO?