Forwarded from ai.dot(ufna, dev)
Самое странное при работе с нейросетками — результат работы зависит не от проекта как такового, а от прослойки между рулем и сиденьем.
Например, я плююсь от кодекса/gpt и гемини. Есть те, кто от них просто в восторге и обожает. У кого-то glm-5.2 несет чушь и дичь, у меня — волшебно работает на уровне opus-4.8 просто на ура. Кому-то заходит kimi, у кого-то оно тупее валенка.
Честно говоря, я не исследовал этот феномен. Но тут есть какие-то интересные выводы!
Например, я плююсь от кодекса/gpt и гемини. Есть те, кто от них просто в восторге и обожает. У кого-то glm-5.2 несет чушь и дичь, у меня — волшебно работает на уровне opus-4.8 просто на ура. Кому-то заходит kimi, у кого-то оно тупее валенка.
Честно говоря, я не исследовал этот феномен. Но тут есть какие-то интересные выводы!
Forwarded from Заметки безработного Апанасика (Andrei Apanasik)
Один из бывших сотрудников Id Software пишет, что всё-таки да, вся американская команда, работавшая над движком, распущена 🫠
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from ai.dot(ufna, dev)
Если честно, новость про роспуск дефакто кор ядра идтека.. какой-то сюр нафиг.
Forwarded from UI_UX inspiration
Forwarded from UI_UX inspiration
Forwarded from Дизайн-Телега 🔥
ДИгадка №37
Статья расскажет о важности иерархии в дизайне. Дизайнер Настя столкнулась с проблемой перекрытых элементов в макете. Обучающий опыт для понимания правильной организации объектов
Читать на дизайнерс | #урок
Статья расскажет о важности иерархии в дизайне. Дизайнер Настя столкнулась с проблемой перекрытых элементов в макете. Обучающий опыт для понимания правильной организации объектов
Читать на дизайнерс | #урок
Forwarded from PSD | Дизайн-пространство
ДИгадка №37
Статья расскажет о важности иерархии в дизайне. Дизайнер Настя столкнулась с проблемой перекрытых элементов в макете. Обучающий опыт для понимания правильной организации объектов
Читать на дизайнерс | #урок
Статья расскажет о важности иерархии в дизайне. Дизайнер Настя столкнулась с проблемой перекрытых элементов в макете. Обучающий опыт для понимания правильной организации объектов
Читать на дизайнерс | #урок
Forwarded from UI_UX inspiration
Разработали логотип для мебельной фабрики «Ясная Мебель»
Фабрика "Ясная Мебель" из Шарыпово предлагает кухни на заказ по индивидуальным проектам. Узнайте, как создать идеальную кухню для вашего дома
Читать на дизайнерс | #кейс
Фабрика "Ясная Мебель" из Шарыпово предлагает кухни на заказ по индивидуальным проектам. Узнайте, как создать идеальную кухню для вашего дома
Читать на дизайнерс | #кейс
Forwarded from UI_UX inspiration
Зачем нужно портфолио, если просят сделать тестовое?🤬🤬🤬
Статья рассматривает актуальность тестовых заданий для найма в 2026 году на российском рынке труда. Автор делится своим мнением о значимости и необходимости тестовых заданий при собеседованиях как в найме, так и на фрилансе
Читать на дизайнерс | #статья
Статья рассматривает актуальность тестовых заданий для найма в 2026 году на российском рынке труда. Автор делится своим мнением о значимости и необходимости тестовых заданий при собеседованиях как в найме, так и на фрилансе
Читать на дизайнерс | #статья
Forwarded from Daily Coding 🔥
🛠 Luna Modeler превращает проектирование базы данных в наглядное пособие для всей вашей команды: рисуйте ER-диаграммы, генерируйте SQL-код для развертывания, документируйте создаваемые решения и синхронизируйте модель с реальной базой данных — и все это на вашем компьютере, без использования облачных сервисов.
🌍 Сайт
Daily Coding #инструменты #SQL & Max
🌍 Сайт
Daily Coding #инструменты #SQL & Max
Forwarded from Daily Coding 🔥
🛠 Reframe - JavaScript-плагин, который делает unresponsive элементы адаптивными. Рефрейминг особенно полезен для элементов <iframe> и <video>, поскольку сохраняет их первоначальное соотношение сторон. Как и большинство современных библиотек, эта не полагается на jQuery, но может работать с $('selectors'), если она включена в страницу.
🌍 Сайт
Daily Coding #инструменты #JavaScript & Max
🌍 Сайт
Daily Coding #инструменты #JavaScript & Max
Forwarded from UI_UX inspiration
This media is not supported in your browser
VIEW IN TELEGRAM
BURBERRY e-commerce
Forwarded from Node.JS [ru] | Серверный JavaScript
Сидеть и работать в корпорации страшно, жизнь-то мимо проходит. Уходить строить бизнес страшно, а вдруг прогорит. Один из вариантов - разрабатывать свой пет-проект по вечерам. Многие успешные компании, например, Twitter, создавались именно так. Это не значит, что ваш проект обязательно заработает миллиарды, но заработать больше, чем в найме, и получить ценный опыт вполне реально.
Перед началом разработки появляется множество вопросов, например:
– Как выбрать идею для пет-проекта?
– Что нужно знать про маркетинг?
– Как запуститься и довести до первых продаж не имея бюджета на рекламу?
В телеграм-канале Твой пет проект, Михаил Табунов делится своим опытом с разработчиками и менеджерами.
Он рассказывает, где искать идею для нового проекта, что нужно знать о маркетинге, как запустить стартап и привлечь первых 10 клиентов, а также о многих других важных вещах.
Подписывайтесь на Твой пет проект получайте пользу от практиков рынка!
Перед началом разработки появляется множество вопросов, например:
– Как выбрать идею для пет-проекта?
– Что нужно знать про маркетинг?
– Как запуститься и довести до первых продаж не имея бюджета на рекламу?
В телеграм-канале Твой пет проект, Михаил Табунов делится своим опытом с разработчиками и менеджерами.
Он рассказывает, где искать идею для нового проекта, что нужно знать о маркетинге, как запустить стартап и привлечь первых 10 клиентов, а также о многих других важных вещах.
Подписывайтесь на Твой пет проект получайте пользу от практиков рынка!
Telegram
Твой пет проект
Канал про то, как создать свой маленький свечной заводик
Пишу про:
- Запуски и как сделать первые 10 продаж
- Прожарка идей
- Кейсы роста и ведения проекта параллельно с работой
Автор - Михаил Табунов - @bossofyourboss
Связь @to_baza_education
Пишу про:
- Запуски и как сделать первые 10 продаж
- Прожарка идей
- Кейсы роста и ведения проекта параллельно с работой
Автор - Михаил Табунов - @bossofyourboss
Связь @to_baza_education
Forwarded from Откровения от Олега
Что такое "профессионально уметь пользоваться LLM"?
Что спрашивать программистов на собеседованиях, если алгоритмы спрашивать теперь бессмысленно (код пишет LLM)? Короткий список на подумать.
Важно. Это список я написал для себя. Когда-то я был профессиональным Java-бэкендером, но кажется, те времена безвозвратно прошли. Это список не для исследователя, а именно для прикладного инженера. Вот это я хочу видеть в том числе у себя в резюме, и всем рекомендую тоже. Применительно ко мне, пока не все пункты из него выполняются (особенно в разделе "дорого-богато со звездочкой"). Но вероятно, должны выполняться, если хочется проработать в индустрии еще хотя бы лет пять.
1) Понимание, когда LLM не нужна. Мета-навык: увидеть, что правильный ответ здесь - точно подобранная регулярка, классический ML или детерминированный алгоритм, а LLM - выбор дорогой неправильный. Софт-скилл: отговорить коллег использовать LLM, когда она не нужна.
2) Базовый промт-инжиниринг и юзабилити. Как жить, работать и строить продукт поверх вероятностной штуки, которая почти всегда "врёт": human-in-the-loop, показ неуверенности, деградация вместо падения, стриминг, вменяемые фолбэки в интерфейсе.
3) Понимание и построение архитектур продуктов (systems design) с LLM как частью системы, в центральной или малозначимой роли
4) Использование особенностей существующих инструментов без их доработки - MCP/A2A, Claude/Codex/Opencode, Plugins/Skills/MCP для них). LLM tool calling, structured output.
5) Уметь дорабатывать существующие агенты и харнессы (публичный опенсорс, инхаус в компании)
6) Умение писать свои агенты и харнессы (используя как стандартное барахло, так и новые идеи, которые сейчас на повестке). Включая разные технические детали (ретраи с backoff, таймауты, обработка rate limit'ов, конкурентность, роутинг/каскады между моделями (когда дешёвая апгрейдится в дорогую), circuit breaker, семантический кэш, бюджеты и квоты по стоимости. Рантайм-гардрейлы и организация безопасности действий агента, чтобы он не удалил тебе базу на проде.
7) Умение организовать наблюдаемость и LLMOps в проде. Чтобы ты мог понять, что делают твои модели, агенты и харнессы, и оперативно реагировать на это.
8) Умение для разных задач пользоваться разными моделями (в том числе фронтирными и маленькими 32B, локальными, и специализированными - девопс-модель или медицинская модель)
9) Умение запускать их на разных движках инференса (vLLM, SGLang, TGI, TensorRT-LLM) и разном железе (Nvidia, AMD, Huawei)
10) Базовое понимание оптимизации. Квантизация под инференс (GGUF/AWQ/GPTQ/int8/fp8), управление KV-кэшем, батчинг, throughput vs latency, speculative decoding, prompt caching.
11) Умение работать с хранилищами (RAG/retrieval/context. Эмбеддинги, векторные базы, чанкинг, управление контекстным окном, системы памяти.)
12) Уметь использовать классическое машинное обучение и работу с данными вместе с LLM
13) Уметь писать промты и концепции, совместимые со всем вышеперечисленным (Spec-Driven, RLM, etc)
Три раздела "дорого-богато" со звездочкой (требует дорогого железа, выдержки и инвестиций в матчасть)
14*) Уметь дообучать готовые модели. Чтобы избегнуть вопросов "что ты имеешь в виду", разверну. Два основных вопроса: сколько учим (full fine-tuning, lora/qlora/dora, transformer adapters, soft prompts/prefix-tuning/prompt-tuning/P-tuning) и чему учим (дистилляция, continued domain-adaptive pretraining, supervised fine-tuning / instruction tuning, preference alignment/RLHF PPO/DPO/RLAIF, RLVR)
15*) Уметь обучать что-то с нуля принятыми в продакшене способами (любое трансформерное барахло)
16*) Уметь обучать что-то экспериментальное и мультимодальное
17) Умение джейлбрейкать и защищать всё вышеперечисленное (advanced prompting, abliteration, prompt injection, data leaks)
18) Уметь оценивать всё вышеперечисленное (tokenomics, LLM-as-judge, regression testing)
19) Иметь базовое понимание, как всё это работает под капотом, чтобы достичь ощущения "сродства с машиной" (токенизация, сэмплинг, температура/top-p, природа галлюцинаций...)
20) Уметь конструировать новые алгоритмы, архитектуры и руководящие принципы для всего вышеперечисленного
21) Скучное юридическое: персональные данные, региональные регуляции (EU AI Act), лицензирование, способы спрятать использование LLM от посторонних глаз и делать его недоказуемым, и т.п.
22) Умение по-человечески общаться на все эти темы (Обсуждение хотя бы одной идеи, которую никто пока нормально не сделал. Или статья в журнале, или хотя бы в блоге, телеграме)
Что спрашивать программистов на собеседованиях, если алгоритмы спрашивать теперь бессмысленно (код пишет LLM)? Короткий список на подумать.
Важно. Это список я написал для себя. Когда-то я был профессиональным Java-бэкендером, но кажется, те времена безвозвратно прошли. Это список не для исследователя, а именно для прикладного инженера. Вот это я хочу видеть в том числе у себя в резюме, и всем рекомендую тоже. Применительно ко мне, пока не все пункты из него выполняются (особенно в разделе "дорого-богато со звездочкой"). Но вероятно, должны выполняться, если хочется проработать в индустрии еще хотя бы лет пять.
1) Понимание, когда LLM не нужна. Мета-навык: увидеть, что правильный ответ здесь - точно подобранная регулярка, классический ML или детерминированный алгоритм, а LLM - выбор дорогой неправильный. Софт-скилл: отговорить коллег использовать LLM, когда она не нужна.
2) Базовый промт-инжиниринг и юзабилити. Как жить, работать и строить продукт поверх вероятностной штуки, которая почти всегда "врёт": human-in-the-loop, показ неуверенности, деградация вместо падения, стриминг, вменяемые фолбэки в интерфейсе.
3) Понимание и построение архитектур продуктов (systems design) с LLM как частью системы, в центральной или малозначимой роли
4) Использование особенностей существующих инструментов без их доработки - MCP/A2A, Claude/Codex/Opencode, Plugins/Skills/MCP для них). LLM tool calling, structured output.
5) Уметь дорабатывать существующие агенты и харнессы (публичный опенсорс, инхаус в компании)
6) Умение писать свои агенты и харнессы (используя как стандартное барахло, так и новые идеи, которые сейчас на повестке). Включая разные технические детали (ретраи с backoff, таймауты, обработка rate limit'ов, конкурентность, роутинг/каскады между моделями (когда дешёвая апгрейдится в дорогую), circuit breaker, семантический кэш, бюджеты и квоты по стоимости. Рантайм-гардрейлы и организация безопасности действий агента, чтобы он не удалил тебе базу на проде.
7) Умение организовать наблюдаемость и LLMOps в проде. Чтобы ты мог понять, что делают твои модели, агенты и харнессы, и оперативно реагировать на это.
8) Умение для разных задач пользоваться разными моделями (в том числе фронтирными и маленькими 32B, локальными, и специализированными - девопс-модель или медицинская модель)
9) Умение запускать их на разных движках инференса (vLLM, SGLang, TGI, TensorRT-LLM) и разном железе (Nvidia, AMD, Huawei)
10) Базовое понимание оптимизации. Квантизация под инференс (GGUF/AWQ/GPTQ/int8/fp8), управление KV-кэшем, батчинг, throughput vs latency, speculative decoding, prompt caching.
11) Умение работать с хранилищами (RAG/retrieval/context. Эмбеддинги, векторные базы, чанкинг, управление контекстным окном, системы памяти.)
12) Уметь использовать классическое машинное обучение и работу с данными вместе с LLM
13) Уметь писать промты и концепции, совместимые со всем вышеперечисленным (Spec-Driven, RLM, etc)
Три раздела "дорого-богато" со звездочкой (требует дорогого железа, выдержки и инвестиций в матчасть)
14*) Уметь дообучать готовые модели. Чтобы избегнуть вопросов "что ты имеешь в виду", разверну. Два основных вопроса: сколько учим (full fine-tuning, lora/qlora/dora, transformer adapters, soft prompts/prefix-tuning/prompt-tuning/P-tuning) и чему учим (дистилляция, continued domain-adaptive pretraining, supervised fine-tuning / instruction tuning, preference alignment/RLHF PPO/DPO/RLAIF, RLVR)
15*) Уметь обучать что-то с нуля принятыми в продакшене способами (любое трансформерное барахло)
16*) Уметь обучать что-то экспериментальное и мультимодальное
17) Умение джейлбрейкать и защищать всё вышеперечисленное (advanced prompting, abliteration, prompt injection, data leaks)
18) Уметь оценивать всё вышеперечисленное (tokenomics, LLM-as-judge, regression testing)
19) Иметь базовое понимание, как всё это работает под капотом, чтобы достичь ощущения "сродства с машиной" (токенизация, сэмплинг, температура/top-p, природа галлюцинаций...)
20) Уметь конструировать новые алгоритмы, архитектуры и руководящие принципы для всего вышеперечисленного
21) Скучное юридическое: персональные данные, региональные регуляции (EU AI Act), лицензирование, способы спрятать использование LLM от посторонних глаз и делать его недоказуемым, и т.п.
22) Умение по-человечески общаться на все эти темы (Обсуждение хотя бы одной идеи, которую никто пока нормально не сделал. Или статья в журнале, или хотя бы в блоге, телеграме)
Forwarded from Node.JS [ru] | Серверный JavaScript
Как один отказ бизнесу сэкономил компании 10 миллионов рублей
К концу проекта внедрения нового биллинга бизнес предложил перенести архивные продукты и исторические данные по ним. Архивные продукты использовались редко — для разбора спорных ситуаций с клиентами. Изначально было решено не избавляться от старого биллинга, а использовать его для чтения ретроданных. После оценки работ выяснилось, что типового механизма нет — нужно менять архитектуру, разрабатывать сценарии миграции, тестировать и поддерживать. Оценка составила около 10 миллионов рублей. Пересчет финансовой модели показал, что дополнительные инвестиции увеличивают срок окупаемости проекта на один год. Компания вкладывала бы деньги в функциональность без измеримой бизнес-ценности. Было принято решение отказать бизнесу и предложить оставить эти данные доступными для чтения в legacy биллинге.
Источник
К концу проекта внедрения нового биллинга бизнес предложил перенести архивные продукты и исторические данные по ним. Архивные продукты использовались редко — для разбора спорных ситуаций с клиентами. Изначально было решено не избавляться от старого биллинга, а использовать его для чтения ретроданных. После оценки работ выяснилось, что типового механизма нет — нужно менять архитектуру, разрабатывать сценарии миграции, тестировать и поддерживать. Оценка составила около 10 миллионов рублей. Пересчет финансовой модели показал, что дополнительные инвестиции увеличивают срок окупаемости проекта на один год. Компания вкладывала бы деньги в функциональность без измеримой бизнес-ценности. Было принято решение отказать бизнесу и предложить оставить эти данные доступными для чтения в legacy биллинге.
Источник
Forwarded from Dezzigners
🧰 DIGITAL LEGACY — одном Figma-файле собраны логотипы и иконки самых узнаваемых мировых брендов
Dezzigners
Dezzigners