Большая подборка космических карт для тех, кому на Земле уже скучно На земных картах можно рассмотреть почти любой уголок планеты. С Марсом, Луной и другими небесными телами сложнее: их карты приходится собирать по кусочкам из данных космических аппаратов. Зато изучать их теперь можно прямо в браузере. Например, проследить маршруты Curiosity и Perseverance, приблизить поверхность Луны до отдельных валунов или перемотать время вперёд, чтобы увидеть будущее положение «Вояджера-2». Причём некоторые из этих сервисов используют те же научные данные, с которыми работают специалисты космических миссий. И это только часть подборки. Здесь есть и простые интерактивные модели для любопытных, и профессиональные атласы для работы с данными астрономических наблюдений.

Shared memory в ROS 2 Humble: разгоняем мегабайтные сообщения через CycloneDDS и iceoryx без лишней нагрузки на сеть ⚡️ 🤍Когда датасеты и сенсоры начинают генерировать гигантские потоки данных, стандартный сетевой стек ROS 2 начинает захлебываться. Спасением становится shared memory — механизм общей памяти, который работает как чит-код для бесплатного ускорения. 🤍На практике всё выглядит просто: одна строка в конфигурационном файле, и тяжелые сообщения передаются мгновенно. Но есть нюанс — после запуска стандартная утилита ros2 node list вдруг показывает абсолютно пустой список, хотя сама система функционирует стабильно. 🤍Такие архитектурные особенности zero-copy подходов требуют внимательной настройки транспортных плагинов. На реальных проектах это позволяет исключить лишние копирования данных между процессами и кардинально разгрузить систему при высокой частоте сообщений. 🤍Подробнее — в источнике. ————————— 🤖Подписывайтесь на лучший канал PRO Роботов 📲Мы в MAX

Все вокруг теперь программисты Короче, у Gergely Orosz в The Pragmatic Engineer вышла интересная статья про новый тренд: крупные компании начали создавать собственные аналоги Lovable для сотрудников. И нет, не для разработчиков! А для менеджеров, маркетологов, финансистов и прочих ребят, которые хотят сделать себе какой-нибудь инструмент, но писать код не умеют. Вот вам два примера. 1. Ramp и их Glass Ребята собрали собственную платформу для вайб-кодинга внутренних приложений. Причём первую версию сделали всего два инженера за несколько недель. Теперь любой сотрудник может описать, что ему нужно, подключить корпоративные источники данных и получить работающее приложение. Например, маркетолог собрал себе CRM с более чем 50 полями и фильтрами. И знаете, что самое интересное? В Ramp создание первого инструмента через Glass уже стало частью онбординга новых сотрудников! А 13 октября компания вообще вывела Glass на внешний рынок. 2. Stripe и их Harbor Здесь ещё интереснее. Один инженер за 40 дней создал внутренний инструмент для генерации интерактивных прототипов. И вот результаты с мая 2026 года: • Более 12 000 созданных прототипов. • Более 3 000 сотрудников воспользовались инструментом. • 25% сотрудников Stripe создали хотя бы один прототип. Причём используют его не только дизайнеры. Финансисты собирают интерактивные отчёты вместо презентаций, продавцы калькуляторы ROI, аналитики - дашборды. А самое интересное технически: Harbor интегрирован с другими AI-инструментами Stripe через MCP. То есть прототип можно передать coding-агенту для дальнейшей реализации. Оооокей! А зачем делать свой Lovable, когда уже есть готовые? Orosz выделяет несколько причин: 1. Данные. Корпоративную информацию не хочется отправлять в сторонние сервисы. Своя платформа позволяет контролировать доступ к ней. 2. Интеграции. Можно сразу подключить внутренние API, базы данных и другие системы компании. 3. Стандарты. Генерируемые приложения используют корпоративную дизайн-систему, а не выглядят как результат очередного хакатона. 4. Стоимость внедрения. Иногда собрать собственный инструмент оказывается сопоставимо по усилиям с выбором вендора, согласованием безопасности и последующим внедрением. 5. Компетенции. Инженеры заодно учатся строить собственную AI-инфраструктуру. А теперь моя любимая часть! Кажется, мы наблюдаем довольно интересную трансформацию роли инженерных платформ. Раньше у нас был внутренний заказчик, который приходил к разработчикам и говорил: - Ребята, сделайте мне дашборд, форму или какой-нибудь маленький инструмент! Разработчики брали это в бэклог, приоритизировали, обсуждали, оценивали… А через полгода сообщали, что в этом квартале ресурсов нет. 😁 Теперь этот же сотрудник может собрать себе нужный инструмент самостоятельно. И вот тут возникает интересный вопрос. Если создавать приложения сможет каждый, кто будет отвечать за весь этот зоопарк? Кто управляет доступами? Кто контролирует стоимость исполнения? Что делать, когда автор приложения увольняется? И кто гарантирует, что какой-нибудь вайб-кодер не откроет доступ ко всей корпоративной базе? Кажется, ответ опять - платформенные команды. Только теперь их задача не просто делать удобные инструменты для инженеров, а создавать безопасную среду, в которой приложения могут создавать вообще все сотрудники. И, на мой взгляд, это куда более интересная история, чем очередное ускорение написания кода на 30%. Потому что мы меняем не скорость разработки. Мы меняем то, кому вообще нужна команда разработчиков для создания программного обеспечения.

В какой-то момент обучения кажется, что в любой области – бесконечное количество тем и их никогда все не изучить. При работе же иногда возникает ощущение, что достаточно хорошо понять лишь с пару десятков фундаментальных вещей и они закроют 95% всех задач, которые вам встретятся. А многие прорывные работы – просто умное использование или расширение этих тем. Вот то, что встречается постоянно в вычислительной биологии: 🤘 Линейная регрессия. Разберитесь в этой теме и вы поймёте огромное количество статистических методов. Кроме того, линрегом можно решить удивительное количество задач и без всяких нейросетей. Ну и логистическую регрессию туда же. Чисто AGI на минималках 🤘 Principal component analysis (PCA, он же метод главных компонент). Этот придуманный 100 лет назад метод до сих пор рвёт многие foundational large scale general purpose gluten free organic модели. Не шутка 🤘 p-value. Это далеко не идеальная штука, но уж очень распространённая. Просто разберитесь один раз как она на самом деле работает и что означает, посчитайте руками на разных примерах. И вам этот мир станет сильно более понятен 🤘 Разбиение на тренировочную, валидационную и тестовую выборки. Почти в любой области вот прямо сейчас можно написать хорошую работу, найдя примеры дурацких разбиений в популярных статьях 🤘 Основные задачи машинного обучения – регрессия, классификация, representation learning, генеративный ИИ. Хотя бы что это такое, лучше – с метриками для оценки, их особенностями и недостатками 🤘 Хотя бы на пальцах (если вы не разрабатываете методы) – что такое полносвязные и свёрточные нейросети, а также трансформеры. Если вы ML-разработчик, нужно уметь написать их все руками с как можно меньшим использованием библиотек. Смотрите Карпатого для эталонных примеров 🤘 Байесовский подход. В зависимости от личных предпочтений, можно как ознакомиться с основами, так и закопаться в него на всю жизнь. Но хотя бы в общих чертах понимать надо А если вы разрабатываете новые методы машинного обучения, в дополнение к предыдущим постоянно встречаются следующие темы: 🤘 Метрики. Вы должны понимать метрики из вашей области как вашего родного брата. Если брата у вас нет, можно будет представить, что у вас он появится со странным именем Рокаук. Не берите метрики просто так из книги, курса или другой статьи. Знайте как они ведут себя на ваших данных, что они показывают, а что пропускают. Посмотрите на данные глазами и заметьте паттерны, а затем превратите их в метрику. Часто подбор правильной метрики – это как минимум пол пути к разработке нового метода 🤘 KL divergence. Просто удивительно часто встречающаяся штука 🤘 Singular Value Decomposition. Лучше разбираться вместе с PCA. Постоянно встречается в математических выводах 🤘 Неравенство Йенсена туда же. Я лично никогда не применял в работе, но в выводах читаю постоянно 🤘 Градиентные методы оптимизации. Хотя бы прочитайте раздел в книге Deep Learning и оригинальную статью по Adam, посмотрите пару лекций и напишите всё руками 🤘 Основные лосс-функции – хотя бы MSE и кросс-энтропия вам должны быть знакомы как мама родная. Если двух родителей вам мало, посмотрите ещё статью по InfoNCE 🤘 Преобразование Фурье. Не во всех областях встречается часто, но тоже очень фундаментальная вещь, которую нужно понимать Мне нравится изучать темы через применение, понимание, а затем их поломку. Сперва разберитесь, зачем что-то нужно на практике, используя как чёрный ящик. Потом поймите как это работает. И наконец найдите случаи, когда это не работает. Для относительно новых методов лучше всего начать с чтения оригинальных статей, там часто всё очень хорошо написано. Скормите это сообщение любимому чат-боту, он придумает вам подробный план Базу для этого – матан, линал – тоже, конечно, знать нужно. Заботайте эти темы, дополируйте парой практических проектов и будет вам счастье в карьере и жизни (но это не точно). И не надо думать, что учиться бессмсленно, потому что ИИ всё знает лучше. Понимание этих тем выведет ваше общение с ИИ на совсем другой уровень. И как бонус – позволит проходить собеседования Что пропустил? Пишите в комментариях! А если вы ведёте телеграм-канал, напишите такой же список по вашей области, буду рад собрать их в подборку

П.Я.Т.Н.И.Ц.А. становится настоящей! Роберт Дауни-младший снялся в рекламе очков с дополненной реальностью. Это AR-проект Snap, владельца Snapchat. Идея — разместить цифровые инструменты в окружающем пространстве: смотреть на виртуальный экран, видеть подсказки перед глазами, работать с объектами жестами и голосом. Компания привлекла актёра к кампании и дала ему почётную роль Chief Customer Experience Officer. По анонсу, он будет работать с командой над контентом, приложениями и устройствами. Связь с Тони Старком считывается сразу — и сам Дауни её обыгрывает. За этим роликом есть вполне конкретный продукт: на официальном сайте SPECS указан предзаказ от $2 195. Пока — в США, Великобритании и Франции; начало поставок заявлено на осень 2026 года. Мне хочется увидеть, какая ежедневная задача оправдает цену и ношение ещё одного устройства. Какая функция убедила бы вас попробовать такие очки? Видео: SPECS — Lights On | SPECS x Robert Downey Jr. P.S. В прессе фигурировала сумма $100 млн акциями для Роберта.

Как я подготовился? Очень важное дополнение к рассказу выше — ведь на самом деле у меня была далеко не одна подушка безопасности. Сознательно и подсознательно я готовился к тому, что хочу иметь возможность однажды заняться своим проектом. Итак, что же я сделал? 1. Накопил подушку 2. Выплатил ипотеку 3. Удачно женился _ Теперь подробнее Подушка была не самая большая, но самое главное, что она была, и хотя бы первое время я мог не париться о деньгах. Про ипотеку всё не так однозначно — в какой-то момент я стоял перед выбором: делать ремонт или закрыть ипотеку. И выбрал второе, и мысль была как раз в том, что я хочу дать себе в будущем возможность не зависеть от висящей ипотеки. Так и получилось. Ну и самое главное — Аня продолжала работать. И это было офигенным тылом. Безумно ей благодарен, что в этот период какие-то дополнительные расходы она смогла взять на себя, и даже отвезла нас в мини-отпуск осенью 😊 Всё это позволило мне залечь на дно в Бутово и реально с головой уйти в свой проект (если честно, я мечтал об этом с того самого январского утра на Кипре). В общем — чем круче вы подготовитесь, тем дольше сможете пробежать по этой долине смерти. Поэтому копите подушку — или запускайте свои проекты параллельно с наймом и не увольняйтесь, пока проект не начнёт приносить хоть какую-то прибыль. Любые ресурсы очень вам помогут на этом пути.

When you talk to successful founders, they always wish they'd hired fewer top managers from outside. I don't think I've ever met a founder who wished he or she had promoted fewer people from within. The problem is not just that these hired managers are from outside. They're also a different kind of person. As one founder put it, "their loyalty is to their career, not to the company." В разговорах с успешными фаундерами часто приходится слышать, что они жалеют о том, что нанимали слишком много топ-менеджеров со стороны. При этом я не припомню ни одного фаундера, который жалел бы о том, что недостаточно часто повышал сотрудников внутри компании. Проблема не только в том, что эти управленцы — «люди со стороны». Они еще и по складу характера другие. Как выразился один фаундер: «Их лояльность — собственной карьере, а не компании». — Пол Грэм