Kurgan-Telecom Ru | Информационные технологии

Каждые два-три года появляется новый обязательный навык будущего: то Scratch, то Python, то нейросети, то снова что-то новое. Родителям от этого тревожно, более того, 91,6% родителей считают, что в школах должны появиться IT-секции. 

Но угнаться за всем списком модных технологий невозможно, да и не нужно. Технологии меняются быстрее, чем ребёнок успевает закончить школу, а вот то, как именно он думает и работает с информацией, остаётся с ним надолго. 

В статье разберём не языки программирования, а более общие навыки, которые помогают ребёнку не растеряться даже при постоянном развитии технологий. 

Привет! В первой части бы поговорили о нашем подходе к мирофронтендам, модульной федерации и о том, как устроены интеграции. В этой, как и обещал, про шаринг и изоляцию библиотек, ленивую загрузку, а также немного советов и рекомендаций.

Делимся веб-компонентами

Приложения у нас самодостаточные, так что друг о друге они не знают. Нам необходимо каким-то образом поделиться веб-компонентами. Есть два способа.

Узнайте, как сделать фото на паспорт онлайн с помощью нейросетей. Пошаговый гайд по редактированию готовой фотографии, актуальные требования 2026 года и промпты для идеального результата.

Всех приветсвую! В данной статье я не буду пояснять какие-то сложные вещи касательно нагрузочного тестирования. Просто хочется поделится своей болью, пронесенную сквозь года в разных enterprise системах. Может я не один такой?

Итак, представьте, что вы инженер по нагрузке...

Итеративный дизайн на самом деле не только про дизайн, но и про подход к созданию продукта. Он связывает дизайнеров, команду разработки, PO (product owner), PM (project manager) и пользователей в систему, где каждый влияет на то, каким становится продукт.

Дизайнер перестаёт быть исполнителем макетов и становится участником продуктовых решений. Разработчик перестаёт просто отрисовывать экраны по макету и влияет на продукт на протяжении всего его жизненного цикла, замечает то, что не видно на этапе проектирования, и предлагает свои гипотезы. Пользователь получает возможность формировать будущее продукта через свою обратную связь, а команда быстрее проверять гипотезы и корректировать направление работы. PO перестаёт быть просто постановщиком задачи, он помогает расставлять приоритеты и принимает решения на основе того, что показала каждая итерация.

В этой статье поделимся опытом использования итеративного подхода в дизайне в разных масштабах: на крупных веб-сервисах и больших продуктовых итерациях, на маленьких недельных спринтах и на более локальных задачах — презентациях, сайтах, лендингах. С какими сложностями столкнулись, в чём преимущества и недостатки.

На прошлой неделе исследователи «Лаборатории Касперского» опубликовали разбор ландшафта угроз для малого и среднего бизнеса. По данным отчета, небольшие компании остаются мишенью как для операторов массовых вредоносных кампаний, так и для тех, кто использует подрядчика как точку входа в инфраструктуру более крупной организации. Авторы статьи отдельно отмечают, что в 2026 году одной из главных приманок стали популярные ИИ-сервисы.

Главная новость в отчете: с января по апрель 2026 года защитные решения «Лаборатории Касперского» зафиксировали 33 352 атаки на малый и средний бизнес, в которых вредоносное или потенциально нежелательное ПО маскировалось под один из пяти популярных ИИ-сервисов. Это почти в пять раз больше, чем за аналогичный период 2025 года. Всего было обнаружено более 1100 уникальных образцов такого ПО — на 21% больше, чем в прошлом году. В основном это разнообразные троянские программы, в том числе загрузчики, которые подтягивают на скомпрометированную машину дополнительную нагрузку. Среди приманок авторы называют сервис Claude и приложение OpenClaw (бывший Clawdbot, он же Moltbot), ставшие особо популярными в 2026 году. Как и следовало ожидать, чем более на слуху конкретный инструмент, тем выше вероятность столкнуться с его поддельной копией в Сети. Разбивку по типам популярных сервисов, под которые маскировались вредоносные кампании, можно посмотреть на скриншоте выше.

Здравствуйте, уважаемые читатели!

Предлагаю вашему вниманию частичку советской электроники.

Попался мне в руки самодельный аппарат, законченное решение, выполненное на отечественной элементной базе. Его предназначение — генерировать случайные числа. По сути, это электронная кость, генератор случайных чисел (или виртуальный кубик), имитирующий бросок физической кости. Цель — получение непредсказуемых числовых результатов. В данном очерке, мы заглянем внуть этого аппарата, посмотрим на какой элементной базе он выполнен, увидим составляющие и посмотрим в работе.

В июне этот экономический тупик стал главным драйвером изменений в индустрии. Компании перестали гнаться за брендами вроде OpenAI и начали массово переходить на китайские модели, а это уже холодный расчет.

Но, согласитесь, экономия на API — это лишь верхушка айсберга. Нужно смотреть на весь ИИ-стек сверху вниз. В этом дайджесте мы разберем три главных инфраструктурных сдвига июня.

У нас на проекте десятки прайсингов на топливо: один вендор шлёт CSV, другой Excel, третий JSON на вебхук. Данные одни и те же, но колонка цены везде называется по-своему, даты в трёх форматах, единицы то литры, то галлоны, а половина нужных полей просто отсутствует. И под каждый источник у меня жил отдельный парсер на сотню строк if-else. Сначала их было три, потом восемь, потом я перестал считать. А по-настоящему добило другое: эти парсеры ломались молча. Вендор тихо переименовывал колонку.

В третий раз за месяц копируя один и тот же парсер, я понял, что так нельзя, и вынес логику маппинга из кода в данные. Из этого выросла библиотека fidelis: ты описываешь данные один раз как Pydantic-модель, а соответствие под каждый кривой источник один раз пишет LLM — в виде читаемой YAML-спеки, которую ты ревьюишь и коммитишь. Дальше LLM не нужен: чистый детерминированный Python, валидация каждой строки и отлов изменений схемы ещё в CI. Рассказываю, как дошёл до жизни такой и как это устроено.

Привет! Я Маша, лидер стрима в HR Tech команде Альфы. В этой статье расскажу, как мы сделали «Открыточную» и теперь помогаем доставлять эмоции сотрудникам.

Будет про мемные открытки, поздравления с повышением и дизайн-ревью — даже в эмоциональном проекте без этого никак. Увидите, какой инструмент мы сделали, что с цифрами и откликом коллег.

Статья написана на основе интервью с Алексеем Марковым, автором «Хулиномики», финансовым блогером, писателем и музыкантом.

Я двадцать лет рассказываю людям про деньги, а сейчас по приглашению Славы Рюмина могу показать свои собственные. Сколько у меня выходит в месяц, из чего это складывается, на что мы с семьёй тратим и сколько остаётся на инвестиции. Сразу предупрежу: доход у меня нестабильный и размазан по куче разных занятий, трачу я довольно скромно, а коплю по скучным правилам. Начну с самого начала.

Привет! Я Андрей Иванов, NLP-исследователь в R&D-лаборатории red_mad_robot.

Когда мы собираем AI-агента, первым делом выбираем модель под задачу. Но в реальном приложении она не работает в одиночку, ей нужен агентский harness — программная обвязка. Поэтому выбирать приходится не просто модель, а связку «модель + harness».

Чтобы делать этот выбор осознанно, мы создали Harness Bench — открытый фреймворк, который тестирует связки на реальных задачах в одинаковых условиях. В статье расскажу, как он устроен, разберу баги опенсорсных обвязок, которые ломают автоматический прогон, а потом покажу на цифрах, как смена harness влияет на способности одной и той же модели.

Через несколько лет после сдачи проекта новая команда открывает модель. Формально всё на месте: проектная документация сохранена, каталоги и базы данных переданы, архив доступен. Но как только нужно продолжить работу — внести изменение, проверить выпуск или подключить нового подрядчика, — появляется главный вопрос: можно ли понять, почему данные устроены именно так?

Привет, Хабр! Тема искусственного интеллекта за последние несколько лет набили, честно говоря, оскомину. Есть как защитники, так и противники технологий, которых принято называть ИИ. Везде начали приделывать ИИ‑помощников. Встраивать нейросети в разные приложения. И раз уж не избежать искусственного интеллекта в повседневной жизни. Я решил поговорить про атаки на языковые модели. Потому что такие кибератаки перестали быть экзотикой, а защита ИИ стала отдельная дисциплина с собственной таксономией, инструментарием и, к сожалению, реальными инцидентами.

Я решил поговорил с автором Telegram‑канала PWN AI, посвящённого небезопасному применению ИИ, Артёмом Семёновым. С Артёмом уже был разговор тут на Хабре об ИБ и ИИ. Но я решил обновить данные. Артём рассказал, как расширилась поверхность атаки с появлением агентов и MCP‑протоколов, почему системный промпт — не граница безопасности, какие атаки модели до сих пор не умеют отбивать и чем принципиально отличается прямой prompt injection от косвенного. Приятного чтения!

В онлайн-шопинге важно, чтобы поиск нужной вещи не занимал много времени, а результат был персональным для каждого пользователя. Одна из фичей, которая позволяет это делать — рекомендации похожих товаров. Если бы их создавали люди, результат подборок сильно бы зависел от их вкуса: ведь каждый может ориентироваться на разные признаки вроде цвета, бренда, фасона или цены. В fashion похожесть вообще редко сводится к одному признаку. 

Поэтому задачу рекомендаций лучше переводить в ML-постановку, когда модель учитывает разные сигналы о товаре — атрибуты, изображение, текстовое описание и поведение пользователей. На основе такого контекста алгоритм помогает найти альтернативы, которые похожи на исходный товар и при этом релевантны конкретному пользователю.

Меня зовут Дима Борисов, я дата-сайентист в команде персонализации Lamoda Tech. Расскажу о том, как мы развивали общую систему similar-рекомендаций и переосмыслили ленту похожих товаров в приложении. Коротко пробежимся по основным принципам работы рекомендаций и старой модели, подробнее остановимся на новом подходе. Расскажу, как сейчас работает улучшенный алгоритм на DS и бэкенд-стороне: с современными энкодерами, обученным реранкером и онлайн-ранжированием.

Глава Сбербанка Герман Греф считает, что сейчас настало время агентной экономики, и нельзя чрезмерно концентрироваться на рисках, связанных с ИИ, упуская из виду, что эти риски, если их не устранить, приведут к созданию общества типа того, который описан в романе Джорджа Оруэлла «1984» или, как сказал Илон Маск, – к реализации в реальности сюжета фильма «Терминатор».

Глава Сбербанка Герман Греф известен как сторонник развития искусственного интеллекта и широкого внедрения ИИ в экономику и финансы. Об этом он в очередной раз говорил 19 июня в ходе состоявшегося в СберУниверситете первого форума «Больше чем менеджмент».

Илон Маск опасается воплощения в реальности сюжета «Терминатора»

Он заявил, что «Мы на пороге так называемой агентной экономики, когда агенты начинают автономно решать те задачи, которые были характерны до этого только для людей». По его мнению, сейчас меняется понятие рабочей силы, поскольку умные алгоритмы уже способны успешно справляться с интеллектуальными вызовами без прямого контроля со стороны человека, что формирует совершенно новый формат взаимодействия в бизнесе.

Немного ранее, 5 июня в блогерской студии от «VK Видео» на ПМЭФ–2026 он рассуждал об отношении к ИИ в обществе. По его мнению, «сегодня как раз о рисках говорят даже иногда больше, чем они того заслуживают. Герман Греф считает, что в отношении искусственного интеллекта люди, компании и государства сегодня выбирают одну из двух моделей поведения: либо становятся «хозяевами процесса» и пытаются управлять изменениями, либо концентрируются на рисках и занимают позицию жертвы.

Когда говорят о жертвах телефонных мошенников, обычно представляют пожилого человека, далёкого от технологий. Однако по данным разработчика технологий для борьбы с киберпреступностью F6, в 2025 году через несовершеннолетних было выведено более 600 млн рублей, а число пострадавших детей выросло на 120% по сравнению с 2024 годом. Данных за 2026 год ещё нет. Причём самой уязвимой группой оказались не младшеклассники, а подростки 12–16 лет.

Поколение альфа кажутся технически грамотнее родителей: ещё бы, они с детства с гаджетами. Вот только от мошенников это их не спасает, потому что те умеют бить по уязвимости к манипуляциям. Для подростка соцсети и игры — основной канал общения. Там, где высока эмоциональная вовлечённость, критичность снижается. 

Выбираем лучше ИИ для всего. Мы собрали ультимативный рейтинг ТОП нейросетей: от работы с текстом и кодом до генерации видео и презентаций. Узнайте, какие они бывают, как выбрать нейросети для генерации любого контента для работы, учебы или личных целей, и как использовать их из России.

Нет смысла объяснять, что это такое, хотя Word и даже корректировщик этого сайта подчеркивают его как несуществующее.

Первое упоминание от 31.10.2002 здесь - на сайте российской компании из города Иванова. И да, сайту почти 30 лет. Для кого-то это признак отсталости, для кого-то признак качества. Мы работаем и с теми, и с другими.

Видеоаналитика появилась в Спецлабе, как нам кажется, задолго до того, как Intel открыл у себя в нижегородском филиале департамент OpenCV с библиотекой «Имадж процессинг». Даем слово Олегу Витальевичу Гришанину – основателю компании Спецлаб:

Привет, Хабр!

В предыдущей публикации про рендеринг космического окружения в игре The 13th Sign, я обещал рассказать про то, как мы рисуем частицами персонажей. Задача уже решена и статья скоро будет, но в процессе разработки я наткнулся на кое-что не менее интересное. Под катом, конечно же, трюк – бесплатных пирожных в математике не бывает.