Коллеги, простите, меня выносит с этих мемов. Кажется, пора придумывать новый термин:

Мизокодия
(от греч. «misos» — ненависть и лат. «codus» — код)
Ненависть к другим программистам, основанная на убеждении, что все — криворукие дебилы, и один ты пишешь чисто, элегантно и по SOLID.

#ИТмемы

Прекратите это немедленно!

• Коммитить секреты в Git. git push --force не спасет. Они уже утекли. История Git — вечна.
• Хранить в коде константами — «ну он же только на тестовом!». А потом этот код случайно уезжает в прод. Ну, или его сливает стажер.
• Рассылать токены в чатиках Slack. Да, даже в личку нельзя.

А теперь рассказываю, что нужно делать:

1. Жесткое правило: секреты — НЕ код. Они не должны никогда, ни при каких обстоятельствах, быть закоммичены. Добавьте *.env, *-keys.json в .gitignore прямо сейчас. Серьезно, я подожду.

2. Используйте секрет-менеджеры:
◦ HashiCorp Vault
◦ AWS Secrets Manager / Azure Key Vault / GCP Secret Manager
◦ Для простых проектов — используйте переменные окружения, которые подаются на этапе запуска (Docker, K8s, PaaS).

3. Принцип наименьших привилегий. Вашему приложению в проде не нужен доступ «на чтение-запись-удаление» ко всей БД. Выдайте ключ с минимальными правами.

4. Ротация. Если ваш главный ключ AWS не менялся с 2019 года, у вас проблема. Автоматизируйте это.

Пока вы храните секреты в коде, вы не DevOps-инженер и не Senior-разработчик. Вы — риск-фактор с зарплатой. Ваша лень — это будущий инцидент, утечка данных и звонок директора в 3 ночи.

Храните секреты правильно. Ваша репутация дороже, чем пять минут на настройку Vault.

#ИнформационнаяБезопасность #DevSecOps #ХранениеСекретов

Цифровые двойники: когда симуляция знает о тебе больше, чем твой тимлид

Когда-то термин «цифровой двойник» звучал как концепция из sci-fi — сегодня это просто еще одна строка в Jira. Компании создают цифровые копии заводов, городов и даже людей, чтобы тестировать гипотезы, не ломая реальность. В энергетике — прогнозируют перегрузки сетей, в промышленности — оптимизируют цепочки поставок, в ИТ — моделируют инфраструктуру до запуска.

Главная идея проста: вместо «сначала делаем, потом чиним» — теперь «сначала симулируем, потом не чиним». Данные, IoT, машинное обучение и немного здоровой паранойи — и вот уже цифровой двойник предсказывает, что система «упадет» за два часа до того, как вы получите тревогу в PagerDuty.

Но есть нюанс: чем больше копий, тем больше зеркал. Цифровой двойник — это не просто модель, это второе «я» инфраструктуры. И если он начинает вести себя странно, не факт, что ошибка в коде. Иногда — в реальности.

#цифровыедвойники #технологии #инфраструктура #ИТ

Big Data: когда данных столько, что пора звать экзорциста

Когда-то «больше данных — больше инсайтов» звучало как лозунг, но теперь это скорее напоминает угрозу. Компании тратят миллионы, чтобы собрать все: логи, клики, движения курсора, настроение кота аналитика. А потом осознают, что не знают, что с этим делать.

Главная идея Big Data — не в количестве, а в скорости и разнообразии. Потоки данных обновляются каждую секунду, и ценность информации часто измеряется в минутах. Именно поэтому вокруг выросла целая экосистема технологий: Hadoop, Spark, Kafka, Airflow и десятки других инструментов, которые помогают приручить этот поток. Без грамотного подхода каждый data lake рискует превратиться в data swamp.

Настоящее искусство биг-даты — не в том, чтобы знать все, а в том, чтобы вовремя «удалить нафиг этот столбец».

#ИТ #bigdata #dataengineering #аналитика

Буквально весь мир сегодня. Уже прочувствовали прелесть упавшего Cloudflare? Без чего страдали больше: без искрометных шуток в Твиттере или без советов от ChatGPT?

#Cloudflare #IT

Коллеги, хватит судить об IoT по умным чайникам!

Industrial IoT (IIoT) — это нервная система современного производства. Пока вы скептически поднимаете бровь, ваши конкуренты уже:
• Предсказывают поломки станков за дни до сбоя через анализ вибрации и телеметрии.
• Следят за цепочкой создания стоимости в реальном времени, точно определяя этап возникновения брака.
• Снижают энергопотребление на 15–30%, выявляя главных пожирателей энергии.

Внедряйте без боли. Чек-лист:

1. Решайте задачу, а не ставьте датчики. Цель — «снизить брак на 5%», а не «собрать данные».
2. Edge — прежде всего. Обрабатывайте данные на шлюзах. В облако — только метрики и алерты.
3. Безопасность с первого дня. IIoT-сеть — в отдельный VLAN. Никаких соединений с основной инфраструктурой.
4. Стандарты — ваше все. OPC UA и MQTT Sparkplug спасают от вавилонского столпотворения данных.
5. Интегрируйте в MES/ERP. IIoT не должен быть «островом». Данные должны работать в ваших основных системах.

IIoT — это не хайп, а следующий этап автоматизации. Внедряйте с умом. Automate or stagnate.

#IIoT #IT #Производство #Автоматизация #IoT

Коллеги, только что нам показали дорожную карту, где Big Data и ИИ — новые нефть и газ. Но с одним нюансом: добывать будем мы.

Ассоциация больших данных (это вам не клуб по интересам, а «Яндекс», VK, «Сбер» и вся веселая компания) нарисовала три сценария до 2030 года. Суть:

• Консервативный (6 трлн руб.) — продолжаем как есть. Санкции, регуляторная удавка, инерция. Итог: скромный вклад в ВВП и технологическое отставание.
• Базовый (10,5 трлн руб.) — власти включают голову: дают доступ к данным, не душат регулированием. Результат уже заметен.
• Опережающий (до 14,5 трлн руб.) — здесь нас ждет настоящий прорыв. Но для этого нужно форсированно внедрять Big Data и ИИ в реальный сектор: промышленность, энергетику, АПК.

Что это на самом деле значит для рынка и для нас с вами?

1. Деньги будут. Ожидается рост рынка с ~0,5 трлн руб. в 2025 до 1,2+ трлн руб. к 2030. Кто умеет строить Data Mesh, настраивать MLOps и внедрять AI в «железные» отрасли — окажется на коне.
2. Фокус сместится на «отстающие» отрасли. Все, что связано с AI в промышленности (IIoT), умным АПК и энергетикой, станет золотым дном. Спасать ВВП пойдут не финтехи и маркетплейсы, а те, кто автоматизируют комбинаты и фермы.
3. Главная проблема — не технологии, а данные и регуляторика. Как отметили в АБД, рынок мал, а выхода на глобал нет. Значит, битва будет за качественные данные и за то, чтобы государство не зарегулировало процесс в могилу.

Нам ясно дали понять: либо мы начинаем масштабировать отечественные data-решения и пробивать стену регуляторных барьеров, либо довольствуемся жалкими 6 трлн по инерционному сценарию. Время строить не только дашборды, но и стратегии внедрения в реальную экономику. Кодом теперь можно влиять на ВВП. Используйте эту силу.

#BigData #ИИ #DataScience #Стратегия2030 #Технологии

Наконец-то суббота! Все деплои откладываем на понедельник, если что-то легло — это проблемы юзеров, не ваши.

#ИТ #ИТмемы

Вы действительно до сих пор верите, что DDoS — это «просто неудобство», а не полноценная атака?

Пока некоторые «эффективные менеджеры» сокращают закупки защиты от DDoS, хакеры точно не сокращают свои аппетиты. Бизнес начал расслабляться: закупки в части сервисов защиты от DDoS-атак сокращаются, говорится в исследовании оператора IT-решений «Обит» и ИБ-провайдера DDoS-Guard.

Почему игнорирование DDoS — это финансовое самоубийство:
• Простой = потеря денег. Несколько часов простоя интернет-магазина, ФинТеха или биржи — это миллионы прямых убытков + репутационные потери.
• DDoS — это прикрытие. Пока ваша команда тушит пожар доступности, в бэкдор уже просачиваются злоумышленники для кражи данных или шифрования.
• Современные атаки стали сложнее. Уже не просто брутфорс, а точечные удары по API, SSL-флуд и умные ботнеты, которые имитируют легитимный трафик.

Что делать, чтобы не стать героем позорных хроник:
1. Не экономьте на защите. Это не «расходная статья», а страховка. Вы же не отказываетесь от ОСАГО, потому что «вроде давно не бился»?
2. Выбирайте провайдера с умом. Нужна не просто «защита от DDoS», а фильтрация на L3/L4 и L7, анализ поведенческих паттернов и круглосуточный мониторинг.
3. Готовьте инцидент-менеджмент. Проверьте, чтобы DevOps и ИБ-специалисты знали, что делать в первые 5 минут после начала атаки.

#Кибербезопасность #DDoS #ИБ #Инфраструктура #DevSecOps

Как работают алгоритмы рекомендаций: векторизация и матричные операции

Ваша лента в соцсетях и рекомендации на стримингах — это результат работы предсказуемых алгоритмов, которые можно разложить на простые компоненты.

Техническая кухня рекомендательных систем:

1. Embeddings и векторные представления
Каждый пользователь и каждый контент — это вектор в многомерном пространстве. Ваш цифровой профиль — не анкета, а точка с координатами [0.24, -0.57, 0.89...]. Аналогично для контента.

2. Коллаборативная фильтрация

user_item_matrix = np.array([[...]]) 
U, sigma, Vt = np.linalg.svd(user_item_matrix)

Если вы и пользователь X лайкали похожий контент — система рекомендует вам то, что понравилось ему.

3. Content-based подход
TF-IDF + косинусное сходство:

from sklearn.metrics.pairwise import cosine_similarity
similarity = cosine_similarity(content_vectors)

Текст контента векторизуется — ищутся семантически близкие материалы.

4. Графовые базы данных
Пользователи и контент — узлы графа. Просмотры, лайки, репосты — ребра. Рекомендации строятся через анализ путей (алгоритм Jaccard, Adamic-Adar).

5. Факторизационные машины (Factorization Machines)
Моделируют взаимодействия между признаками в пространстве меньшей размерности.

Что это значит для нас?

• Data Engineers: Ваша задача — готовить фичи: user embeddings, item embeddings, исторические взаимодействия.
• ML Engineers: Вы работаете с Apache Spark MLlib, Implicit, LightFM — библиотеками для эффективного вычисления сходств.
• DevOps: Система должна обрабатывать миллионы операций в секунду — нужна оптимизация кэширования и распределенные вычисления.

Рекомендательные системы — это скорее не про ИИ, а про эффективную линейную алгебру и графовые алгоритмы. Если вы можете написать SVD на numpy — вы уже понимаете базовый принцип.

#MLEngineering #DataScience #Алгориты #ИТ

Коллеги, если ваш класс в C++ сам управляет ресурсами — вы либо пишете special member functions, либо создаете бомбу замедленного действия.

Правило пяти/трех — не рекомендация, а закон. Нарушите — получите double-free, утечки и пляски с бубном вокруг перемещения.

Что нужно знать:

1. Деструктор — основа основ. Без него — утечки гарантированы.
2. Конструктор копирования — если не написали, компилятор сделает наивный побитовый. Для сырых указателей — катастрофа.
3. Копирующее присваивание — то же самое, но уже для a = b.
4. Перемещающие операции (C++11+) — где нет копирования, должно быть перемещение. Иначе — дорогие копии и падение производительности.
Пример:

class ResourceOwner {
    int* data;
public:
    ~ResourceOwner() { delete[] data; } // 1. Базовая гигиена
    // Без остального - игра в русскую рулетку
    // (а здесь действительно может быть опасный код)
};

Вывод: Либо вы управляете ресурсами, либо компилятор делает это за вас. И его вариант всегда хуже.

#CPP #Программирование #Память #Ресурсы

Удаленная работа в ИТ: подборка вакансий без подъема в 7:00

Если хочешь работать из дома, но при этом делать что-то серьезное — держи список удаленных вакансий, где задачи реальные, а не «принтер почините».

1. Kaspersky — System Engineer (Remedy)
Компания, где инфраструктура действительно сложная.
Нужны навыки: администрирование Windows и Linux, автоматизация и скрипты, сетевые технологии, мониторинг, диагностика сбоев, виртуализация, балансировщики. Плюс документация — да, писать тоже придется.
Кому подходит: инженерам, которые любят, когда всё ломается не у них.

2. IBS — Бизнес/системный аналитик
Крупный интегратор, удаленка, стабильные проекты.
Нужно уметь: 3+ года аналитики, спецификации, UI-описания, работа с API, интеграции, тестовые сценарии, XML/JSON, XSD, SQL, моделирование (UML/BPMN), протоколы вроде HTTP/REST/gRPC.
Для тех, кто умеет превращать хаос в схемы и требования.

3. Университет Иннополис — Middle/Senior ML Engineer (NLP + LLM)
Не стартап, а реальные исследовательские проекты.
Требования: NLP, LLM, embeddings, PyTorch/TensorFlow, построение пайплайнов, продакшн-модели. Публикации — плюс.
Для ML-инженеров, которые хотят задач выше уровня классифицикации отзывов.

4. Okko — Java/Kotlin Backend Developer
Один из самых нагруженных видеосервисов.
Стек: Java/Kotlin, Spring Boot или Ktor, микросервисы, Kafka/RabbitMQ, SQL/NoSQL, Kubernetes и CI/CD — в радость.
Для тех, кто хочет пилить сервис, где трафик — настоящий, а не «у нас 38 пользователей».

5. Магнит Tech — Golang Developer (AdTech)
Большая рекламная платформа.
Стек: Go, распределенные системы, Kafka, gRPC, Redis, PostgreSQL, профилирование и оптимизация.
Для разработчиков, которым нравятся миллионы событий в секунду.

6. Т1 — Системный аналитик НОБО
Крупные проекты, удаленка.
Нужно: анализ требований, API, интеграции, сценарии, SQL, BPMN/UML. Понимание отраслевых регламентов — плюс.
Для аналитиков, которые ищут масштаб.

#удаленка #ITjobs #вакансии #работавИТ

Ура, пятница, коллеги! Наконец можем отдыхать.

#ИТмемы

Коллеги, пока вы читаете этот пост, ваши учетные данные могут продаваться на даркнет-форуме за пару долларов. А из цифрового следа злоумышленники уже собирают досье для атак.

Цифровая гигиена в 2025 году — не паранойя, а необходимость. Вот базовый чек-лист:

Пароли и аутентификация
Менеджер паролей (Bitwarden, 1Password) + двухфакторная аутентификация для всех критичных сервисов. Сложные комбинации символов вместо простых слов — обязательное условие.

Почтовые ящики
Разделяйте: основной для важных писем, второй — для регистраций, третий — для подписок и рассылок. Для удобства используйте авторизацию через Apple ID или Google.

Социальные сети
Закрытые профили, отключенная геолокация для дома и работы. Не участвуйте в развлекательных тестах, которые собирают личную информацию под видом игры.

Финансовые сервисы
Виртуальные карты для онлайн-покупок, push-уведомления о каждой операции, отдельная карта для подписок с лимитом.

Интернет-безопасность
VPN при подключении к публичным Wi-Fi, блокировщики трекеров в браузере, регулярная проверка утечек данных на http://haveibeenpwned.com.

Для продвинутых пользователей
Браузерные контейнеры для изоляции активности, почтовые алиасы (SimpleLogin, AnonAddy), заморозка кредитной истории в бюро кредитных историй.

Ваши данные ценнее, чем кажется. Потратьте час на настройку — это дешевле, чем последствия взлома.

#Кибербезопасность #ПерсональныеДанные #ЦифроваяГигиена #ИТ #ИБ

Друзья, хотите в геймдев? Забудьте про мечты о создании игр и начните с холодного расчета.

Это не индустрия для романтиков — тут пашут как проклятые, платят меньше, чем в enterprise, и выгорают чаще. Но если осознанно готовы к этому — ловите роадмап.

1. Выберите роль, а не «хочу в игры»
• Программист — учите C++ и Unreal Engine или C# и Unity. Без глубокого знания языка — вас разорвут на технических собеседованиях.
• Художник — делайте не «красивые картинки», а пайплайн-ориентированное портфолио: низкополигональные модели, заоптимизированные текстуры, готовые ассеты под движок.
• Геймдизайнер — это Excel, баланс, ТЗ и тотальная документировка механик. Ваше портфолио — геймдиз-документы и разборы чужих игр.

2. Ваше портфолио — все
• Никого не волнует ваш диплом. Покажите законченные проекты, даже маленькие.
• Идеально — участие в джемах (тот же Ludum Dare). Это доказывает, что вы можете работать в срок и в команде.
• Выложите все на GitHub (для программистов) или ArtStation (для художников).

3. Учите движки, а не теории
• Unity — проще войти, много мобильных проектов.
• Unreal Engine — требовательнее, но выше потолок зарплат.
• Начинайте с туториалов, но сразу делайте свои мини-игры. Клон Flappy Bird ценнее сотни пройденных курсов.

4. Подписывайтесь на студии, а не на вакансии
• Отслеживайте в соцсетях локальные студии.
• Ходите на митапы (GameDev Events) — нетворкинг тут решает.
• Будьте готовы к тестовым заданиям — они сложные и требуют времени.

Геймдев — это не про «любовь к играм», а про решение сложных задач в жестких условиях. Если готовы пахать ради мечты — вперед. Нет — оставайтесь в enterprise, где платят больше за те же навыки.

#Геймдев #Карьера #Игры #ИТ