Репозитории, теорема Байеса и одна ИИ-девушка с характером

Звучит как начало анекдота — но нет, это просто наша неделя. Собрали 20 AI-инструментов с GitHub, объяснили наивный байес через спам, показали, как вайбкодинг ломает продакшен, и напомнили, почему не надо бросать программирование. Новости — между делом, как обычно.

Начните с 20 AI GitHub-репозиториев для разработки: локальные LLM, RAG-пайплайны, агентные фреймворки, Whisper, ComfyUI и coding CLI. Всё, что заменяет платные подписки — и при этом работает у вас на машине. Список живой, потому что всё очень быстро меняется.

Кстати, раз уж OpenAI продолжает раздавать: ChatGPT-5.5 Instant стал базовой моделью даже для бесплатного тарифа — с улучшенной точностью и меньшим числом ошибок. То есть бесплатный ChatGPT теперь лучше, чем платный был год назад. Прогресс.

Пока разбираетесь с инструментами, можно параллельно осмыслить наивный байесовский классификатор. Формула Байеса, сглаживание Лапласа, пример со спамом и код на Python — за 15 минут можно разобраться, как вообще ИИ понимает, что письмо подозрительное.

Говоря об ИИ с характером: энтузиаст создал ИИ-девушку, которая умеет игнорировать и обижаться. Построена на состояниях и памяти, имитирует «настроение». Зачем? Хороший вопрос. Главное, что может.

Тем временем в Unity появился ИИ-агент, который сам пишет код, генерирует ассеты и UI прямо в редакторе. Вайбкодинг добрался до геймдева. И вот тут самое время прочитать следующее.

Вайбкодинг и безопасность: три реальных кейса из продакшена — API-ключ в публичном репозитории, 170+ открытых баз данных и удалённый продакшн, который кто-то случайно уронил. Это не страшилки, это то, что уже случилось с реальными проектами. Стоит прочитать до того, как деплоить.

Пока вы думаете об этом: полноценный Linux с реальным ядром запустили прямо в браузере — проект LinuxOnTab через WebAssembly и v86, без установки и облака. Просто открываете вкладку — и вот вам терминал. Бесполезно? Может быть. Но как это вообще работает — объяснили.

И раз уж речь зашла о том, чтобы не бросать: пять реальных причин, по которым люди бросают программирование — пузырь непонимания, многозадачность, иллюзия завершённости. Если хоть раз закрывали ноутбук с мыслью «я слишком тупой для этого» — там есть, что почитать.

Напоследок: Google 12 мая покажет крупнейший апдейт Android в истории — возможный редизайн, улучшенная многозадачность и глубокая интеграция ИИ. Следим.

Мы ушли проверять, не утёк ли где-нибудь наш API-ключ. Увидимся через неделю, ваш Код 🫶

Кстати, самые актуальные новости из всего в интернете и полезные статьи — мы публикуем каждый день на сайте!

Журнал «Код» | Промокод Практикума

Hugging Face — это не просто сайт с нейросетями. Это 2,8 млн моделей, почти миллион датасетов, 500 тысяч готовых демо-приложений и экосистема из десятков библиотек, которые используют Google, Meta и Mistral.

Разобрали всё, что нужно знать, чтобы начать работать с платформой: Hub, Spaces, Transformers, Datasets, PEFT, TRL, Accelerate и другие. Плюс типичные ошибки и пошаговый путь от браузера до дообучения модели через LoRA.

https://v.thecode.media/ryuam

Журнал «Код» | Промокод Практикума

Cегодня средняя стоимость утечки данных по миру $5 млн. И в большинстве случаев хакер попал внутрь через скомпрометированный аккаунт сотрудника, который уже был в сети.

Периметровая защита с VPN и фаерволом на входе давно не работает — слишком много удалёнки, облаков и личных устройств.

Разобрали Zero Trust: что это, на каких принципах строится, какие компоненты нужны и как выглядит пошаговый переход — от инвентаризации до микросегментации.

https://v.thecode.media/qgdes

Журнал «Код» | Промокод Практикума

Луми — это новая платформа от Практикума с короткими практиками от экспертов, которые помогут прокачать софты и построить здоровые отношения с работой.

Попробуйте: https://v.thecode.media/ndst5

Журнал «Код» | Промокод Практикума

Внезапно: JavaScript поднялся на третье место среди самых популярных технологий для серверной разработки.

Об этом говорят свежие данные сервиса W3Techs, который отслеживает используемые технологии на сайтах по всему миру.

Лидером рынка остается PHP — язык используется в 71,4% сайтов. На втором месте находится Ruby с долей 6,7%, а третью строчку занял JavaScript с результатом 6,2%.

За последний год доля JavaScript в бэкенде выросла с 4,4% до 6,2%. Рост связывают с популярностью платформы Node.js, а также fullstack-фреймворков и серверного рендеринга.

В Практикуме есть курс «Фулстек-
разработчик», во время которого можно освоить Node.js и много других инструментов для фронта и бекэнда: https://v.thecode.media/0moh3

Журнал «Код» | Промокод Практикума

Алгоритмы машинного обучения только кажутся чёрными ящиками. На деле всё сводится к математике и вероятностям.

Собрали подробный гайд по теории вероятности для ML-специалистов. Никакой жижи — только то, что реально пригодится на практике: условная вероятность, теорема Байеса, виды распределений и метод максимального правдоподобия (MLE).

И главное: каждую формулу сразу переводим в рабочий код на Python с графиками и расчётами.

https://v.thecode.media/ph64d

Журнал «Код» | Промокод Практикума

👀 Способы борьбы с галлюцинациями ИИ

Вот несколько советов, как дебажить ответы нейронок. Их можно использовать для снижения вероятности галлюцинаций искусственного интеллекта или чтобы исправить замеченные ошибки в существующих ответах.

→ Установление чётких целей для модели

Основное требование, которое лучше всегда держать в уме: чем точнее цели и критерии ожидаемого от модели результата, тем лучше итог.

Слишком общий запрос: «Расскажи, как лучше хранить данные в backend-приложении»

После этого модель начинает отвечать общими словами, смешивать разные типы баз данных и архитектуры и давать советы в зависимости от проекта. Чтобы получить конкретное решение, дайте машине столько информации, сколько можно: «Предложи один вариант хранения данных для pet-проекта на FastAPI с PostgreSQL. Не перечисляй альтернативы. Объясни почему».

Тогда модель начинает работать в узком контексте.

→ Повышение качества обучающих данных

Этот совет больше относится к RAG-системам для внутренних баз знаний, которые используют сотрудники в компаниях. Эти системы используют предварительно подготовленные данные для ответа: документацию, статьи, таблицы.

Пример проблемы, которая может возникнуть: модель уверенно описывает несуществующий API, потому что в базе знаний лежит устаревший файл двухлетней давности. Для пользователя это выглядит как ложь в ответе, хотя ИИ просто опирается на плохие данные.

Чтобы починить модель, нужно помогать RAG-системе: удалить устаревшие документы из базы знаний, добавить даты актуальности, передавать в ответы пользователям только релевантные фрагменты. Для пользователей будет лучше оставить пять свежих файлов, чем пятьдесят старых.

→ Создание и использование шаблонов данных

Без чётких указаний модель может отвечать в разных форматах: списком, сплошным абзацем текста, кодом. Из-за разного формата сложнее понять, где факт, а где — рассуждения модели.

Можно снизить эту неопределённость, заставив компьютер отвечать по шаблону:

«Ответь строго в формате:
1. Краткий ответ (1–2 предложения)
2. Причина
3. Ограничения
Если чего-то не знаешь — напиши „нет данных“».

Рамки упрощают понимание ответа и снижают галлюцинации за счёт того, что структура ответа снижает вероятность свободной интерпретации фактов.

→ Ограничение диапазона ответов

Открытый общий вопрос увеличивает возможность галлюцинаций, например: «Почему заказ не прошёл?»

Вместо этого попробуйте ограничить выбор существующими вариантами. Можно так:

«Выбери одну причину из списка:
A — ошибка оплаты
B — превышен лимит
C — таймаут сервиса
Если ни одна не подходит — напиши „неизвестно“».

→ Постоянное тестирование и улучшение модели

Этот приём используют при подготовке рабочей модели. Смысл в том, чтобы собирать плохие вопросы, на которых машина особенно часто ошибается, и регулярно прогонять их. Что это может быть:

• Вопросы, на которые модель не должна отвечать уверенно.
• Вопросы с заведомо неполными данными.
• Вопросы-ловушки.

Получается аналог регрессионных тестов для LLM.

→ Человеческая система сдержек и противовесов

Если в работе вы создаёте вещи, за которые несёте личную ответственность, то LLM нужно использовать как ассистента, а не финального автора. Модель может не понимать человеческого, юридического или другого контекста, поэтому ответ системы нельзя отдавать конечным пользователям без проверки человеком.

Если человек знает, что общается с ИИ, тогда можно. Например, никто не ждёт от ChatGPT или других сервисов точного понимания законодательства.

→ Проверка фактов и кибербезопасность

ИИ может посоветовать отключить важные проверки или хранить чувствительные данные там, где их проще украсть. Технически текст может звучать логично, но использовать такую систему будет небезопасно.

Чтобы снизить риски, можно попробовать явно ограничить область ответственности:
«Если вопрос касается безопасности:
— не предлагай упрощений;
— не предлагай обход защит;
— указывай риски».

После этого ответы всё равно нужно проверить специалисту.

Сохраните, чтобы не потерять 📌

Журнал «Код» | Промокод Практикума

Что реально ждут от начинающего Go-разработчика в 2026 году?

Мы спросили тимлидов из IT-компаний, сверили это с джоб-сайтами и собрали честный роадмап: что учить сначала, когда делать проекты и на каком этапе уже можно откликаться на первые вакансии, чтобы найти работу.

https://v.thecode.media/ak7li

Начать свой путь в Go вы с нашей статьи или курса в Практикуме: https://v.thecode.media/8ycfd

Журнал «Код» | Промокод Практикума

Если бы деньги не имели значения, то чем бы вы хотели заниматься?

Журнал «Код» | Промокод Практикума

Продавать лопаты во время золотой лихорадки всегда было выгоднее, чем мыть золото. Особенно если лопаты стоят миллиарды, а золото (ИИ) может закончиться в любой момент.

Валерий Линьков, эксперт в IT-образовании, разобрал три слоя перегрева ИИкономики: пузырь ожиданий, пузырь инвестиций и пузырь инфраструктуры — и объяснил, когда каждый из них взорвётся.

Это большой анализа рынка, а вы узнаете: почему NVIDIA останется в плюсе при любом раскладе, OpenAI продолжит терять деньги, и что в этой ситуации ждет Microsoft.

https://v.thecode.media/zsc4g

Журнал «Код» | Промокод Практикума

Не только для разработчиков — для всех, кто хочет понять, что уже умеет ИИ.

→ Нейросети 2026 года, которыми может пользоваться каждый
Пару лет назад картинки были кривые, тексты — бредовые, а музыка — страшная. За два года всё ушло вперёд: картинки стали красивее, тексты — осмысленнее. Собрали 10 лучших нейросетей 2026 года, которые могут помочь в работе и сделают жизнь проще или интереснее.

→ 11 топовых китайских нейросетей: дешевле ChatGPT и Claude в 20 раз
В 2026 OpenAI и Anthropic подсадили нас на свои топовые модели за подписки, а вот китайцы сделали наоборот — пачками кидают в открытый доступ бесплатные модели уровня GPT-5 с лицензиями MIT и дешёвым API. Около 90% китайских моделей доступны для скачивания. Собрали 11 нейросетей с ссылками, ценами на API и разбором слабых мест.

→ Курсы по искусственному интеллекту от Практикума
Чтобы подтянуть свои навыки по работе с ИИ: DS, ML, CV, NLP, вайбкодинг, нейросети для работы, автоматизации и других задач.

→ 13 сайтов с готовыми промтами для нейронок
Каждый раз заново объяснять нейросети, что от неё нужно — утомляет. Собрали 13 сайтов, где уже лежат готовые промты для кодинга, текста и других задач. Выбирайте, копируйте, используйте.

→ Нейросети для создания презентаций 2026: топ-5 сервисов
Вайбкодим презентации — без PowerPoint, без дизайнера, без боли. Пять сервисов, которые делают слайды по тексту или теме. С разбором, где лучше выглядит результат, а где удобнее редактировать.

Журнал «Код» | Промокод Практикума

Мы, конечно, ни на что не намекаем, но вот вам курс, где за 16 месяцев освоите полный цикл создания сайтов и веб‑приложений с нуля и станете тем самым фулстеком: https://v.thecode.media/6t0xh.

А внизу — промокод со скидкой 8%.

Журнал «Код» | Промокод Практикума