#данные — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #данные, aggregated by home.social.
-
Нечеткая логика в ИБ: сокращаю очередь уязвимостей в 7,5 раза, сравниваю с CVSS, EPSS и методикой ФСТЭК
Думаю ни для кого не секрет, что еще задолго до нашего рождения, были сформированы парадоксы кучи и корабля Тесея. Так как оба исследуют проблему изменения границ понятий и идентичности при постепенном удалении или замене элементов, разберу только первый пример. Есть куча песка. Уберем одну песчинку — куча останется кучей. Уберем еще — куча по-прежнему будет кучей. Но если каждый раз убирать по чуть-чуть, то рано или поздно кучу нельзя будет назвать таковой. И, конечно же, границы определения в таком случае сильно размыты. Кто-то мог бы утвердить, что куча начинается от 3 песчинок, но стоит ли такое делать? Не думаю. Эти парадоксы ломают обычную, уже привычную нам логику, и заставляют задуматься над формированием дополнительных условий. Читать далее работу студента <3
https://habr.com/ru/articles/1081470/
#информационная_безопасность #данные #алгоритмы #фстэк #cvss #нечеткая_логика #функции_принадлежности #оценка_уязвимостей #FSTEC #анализ_уязвимостей
-
Нечеткая логика в ИБ: сокращаю очередь уязвимостей в 7,5 раза, сравниваю с CVSS, EPSS и методикой ФСТЭК
Думаю ни для кого не секрет, что еще задолго до нашего рождения, были сформированы парадоксы кучи и корабля Тесея. Так как оба исследуют проблему изменения границ понятий и идентичности при постепенном удалении или замене элементов, разберу только первый пример. Есть куча песка. Уберем одну песчинку — куча останется кучей. Уберем еще — куча по-прежнему будет кучей. Но если каждый раз убирать по чуть-чуть, то рано или поздно кучу нельзя будет назвать таковой. И, конечно же, границы определения в таком случае сильно размыты. Кто-то мог бы утвердить, что куча начинается от 3 песчинок, но стоит ли такое делать? Не думаю. Эти парадоксы ломают обычную, уже привычную нам логику, и заставляют задуматься над формированием дополнительных условий. Читать далее работу студента <3
https://habr.com/ru/articles/1081470/
#информационная_безопасность #данные #алгоритмы #фстэк #cvss #нечеткая_логика #функции_принадлежности #оценка_уязвимостей #FSTEC #анализ_уязвимостей
-
Рефакторинг моего Obsidian: как я перестроил хранилище после предыдущей статьи
Какое-то время назад я выкладывал статью на Хабр про свое obsidian хранилище. Я получил хороший фидбэк и некоторые идеи. Также я понял, что довольно большая часть моего obsidian нуждается в оптимизации и структуризации. В итоге нашел свободный выходной, чтобы немного перестроить хранилище. Я все это сделал и тут расскажу, как теперь выглядит мой obsidian. Кроме простой структуризации и удаления лишнего, я также провел некоторые махинации над кодом dataviewjs своей библиотеки книг и доделал свою домашнюю страницу, добавив интеграцию со своей основной библиотекой и поработав на css составляющей. В общем-то были еще некоторые изменения, но об этом всем будет далее.
https://habr.com/ru/articles/1075372/
#obsidian #javascript #markdown #заметки #менеджмент #продуктивность #хранилище #данные #книги #zettelkasten
-
Рефакторинг моего Obsidian: как я перестроил хранилище после предыдущей статьи
Какое-то время назад я выкладывал статью на Хабр про свое obsidian хранилище. Я получил хороший фидбэк и некоторые идеи. Также я понял, что довольно большая часть моего obsidian нуждается в оптимизации и структуризации. В итоге нашел свободный выходной, чтобы немного перестроить хранилище. Я все это сделал и тут расскажу, как теперь выглядит мой obsidian. Кроме простой структуризации и удаления лишнего, я также провел некоторые махинации над кодом dataviewjs своей библиотеки книг и доделал свою домашнюю страницу, добавив интеграцию со своей основной библиотекой и поработав на css составляющей. В общем-то были еще некоторые изменения, но об этом всем будет далее.
https://habr.com/ru/articles/1075372/
#obsidian #javascript #markdown #заметки #менеджмент #продуктивность #хранилище #данные #книги #zettelkasten
-
Предзаказ на книгу: «Data integration. Объединение данных для улучшения процесса принятия решений»
Привет, Хаброжители! Совсем недавно мы открыли предзаказ на книгу:«Data integration. Объединение данных для улучшения процесса принятия решений». Мы хотим немного больше вам о ней рассказать. Джей Бортен дает подробное практическое руководство по интеграции данных — от базовых понятий и терминологии до реального сквозного примера, который шаг за шагом превращает разрозненные источники в работающий конвейер на AWS, Qlik, Databricks и Confl uent. Независимо от того, разбираетесь ли вы в теме, впервые приступили к этой задаче или хотите систематизировать уже накопленный опыт, идеи и практические примеры Бортена помогут вам выстроить эффективную работу с данными в компании.
-
Предзаказ на книгу: «Data integration. Объединение данных для улучшения процесса принятия решений»
Привет, Хаброжители! Совсем недавно мы открыли предзаказ на книгу:«Data integration. Объединение данных для улучшения процесса принятия решений». Мы хотим немного больше вам о ней рассказать. Джей Бортен дает подробное практическое руководство по интеграции данных — от базовых понятий и терминологии до реального сквозного примера, который шаг за шагом превращает разрозненные источники в работающий конвейер на AWS, Qlik, Databricks и Confl uent. Независимо от того, разбираетесь ли вы в теме, впервые приступили к этой задаче или хотите систематизировать уже накопленный опыт, идеи и практические примеры Бортена помогут вам выстроить эффективную работу с данными в компании.
-
Где заканчиваются отчёты и начинается безопасность: аудит ИБ без «бумажной пыли»
Всем привет! Меня зовут Алёна, я руководитель группы аналитики отдела Compliance и безопасности данных в Ozon. Звучит длинно, поэтому мы с командой называем себя просто датасеками — от Data Security. В информационной безопасности я почти 13 лет, из них 4,5 года в Ozon. До этого больше восьми лет работала в интеграторе и занималась в основном персональными данными и банковской безопасностью — вопросами чистого compliance. Сейчас у меня команда из 11 человек, и мы занимаемся безопасностью данных в Ozon. Сегодня хочу поговорить об одной важной теме — аудитах безопасности данных. Речь не про пентесты, нет, у нас совсем другая история. Мы смотрим на безопасность данных — и персональных, и финансовых, и любых других данных, которые нужно защищать по требованиям закона, компании или здравого смысла. Расскажу вам о сложностях и о том, как мы с ними справлялись.
https://habr.com/ru/companies/ozontech/articles/1070378/
#аудит_безопасности #данные #иб #data_security #compliance #оценка_рисков #логирование #152фз #контроль_доступа #ozon_tech
-
Где заканчиваются отчёты и начинается безопасность: аудит ИБ без «бумажной пыли»
Всем привет! Меня зовут Алёна, я руководитель группы аналитики отдела Compliance и безопасности данных в Ozon. Звучит длинно, поэтому мы с командой называем себя просто датасеками — от Data Security. В информационной безопасности я почти 13 лет, из них 4,5 года в Ozon. До этого больше восьми лет работала в интеграторе и занималась в основном персональными данными и банковской безопасностью — вопросами чистого compliance. Сейчас у меня команда из 11 человек, и мы занимаемся безопасностью данных в Ozon. Сегодня хочу поговорить об одной важной теме — аудитах безопасности данных. Речь не про пентесты, нет, у нас совсем другая история. Мы смотрим на безопасность данных — и персональных, и финансовых, и любых других данных, которые нужно защищать по требованиям закона, компании или здравого смысла. Расскажу вам о сложностях и о том, как мы с ними справлялись.
https://habr.com/ru/companies/ozontech/articles/1070378/
#аудит_безопасности #данные #иб #data_security #compliance #оценка_рисков #логирование #152фз #контроль_доступа #ozon_tech
-
MCP без облака
У меня возникла такая задача: есть куча файлов, на которые хорошо бы натравить нейросеть, чтобы она искала ответы прямо по ним, а не выдумывала. Файлы разнородные, среди них тяжелые PDF. Закинуть их в модель целиком не выйдет: контекстное окно забьется раньше, чем она доберется до сути. Нужен способ скармливать модели не весь архив разом, а только нужный кусок. Так мне пришла идея применить MCP «с другой стороны» — не для агента, а для аккуратного доступа к большому архиву локальных документов.
https://habr.com/ru/companies/basis/articles/1066908/
#rag #model_context_protocol #поиск #pdf #markdown #данные #нейросети #mcp
-
MCP без облака
У меня возникла такая задача: есть куча файлов, на которые хорошо бы натравить нейросеть, чтобы она искала ответы прямо по ним, а не выдумывала. Файлы разнородные, среди них тяжелые PDF. Закинуть их в модель целиком не выйдет: контекстное окно забьется раньше, чем она доберется до сути. Нужен способ скармливать модели не весь архив разом, а только нужный кусок. Так мне пришла идея применить MCP «с другой стороны» — не для агента, а для аккуратного доступа к большому архиву локальных документов.
https://habr.com/ru/companies/basis/articles/1066908/
#rag #model_context_protocol #поиск #pdf #markdown #данные #нейросети #mcp
-
OneDWH VK: как мы консолидировали данные 35 бизнес-вертикалей
В нашей компании исторически сложилась децентрализованная модель управления данными. Каждая из бизнес-вертикалей развивала собственные аналитические системы и хранилища, выбирая технологии и инфраструктуру независимо. В результате сформировался ландшафт из разрозненных решений с дублирующей функциональностью и растущим числом физических кластеров. На момент принятия решения о переходе в облако инфраструктура насчитывала более 10 отдельных железных кластеров под Airflow, Hadoop и смежные технологии. Совокупный объём аналитических данных достиг 0,5+ эксабайта (EB). Такая архитектура создавала не только технические, но и бизнес-ограничения. Обмен данными между вертикалями был затруднён: мешали как различия в инфраструктуре, так и юридические тонкости, связанные с оформлением доступа. Поддерживать такой ландшафт становилось всё сложнее. Поэтому в компании решили построить единую платформу для работы с данными, чтобы увеличить скорость и качество принятия решений на основе данных как в runtime, так и в отчётности и А/Б-тестах. Я Василий Ципиди, операционный руководитель OneDWH VK. Вместе с техническим руководителем OneDWH VK – Олегом Виноградовым расскажем сегодня о том, как мы подошли к миграции 0,5+ EB данных на единый облачный стек, какие архитектурные решения выбрали, чтобы обеспечить целостность данных и как перестроили процессы, чтобы гарантировать предсказуемость SLA на новых мощностях.
-
OneDWH VK: как мы консолидировали данные 35 бизнес-вертикалей
В нашей компании исторически сложилась децентрализованная модель управления данными. Каждая из бизнес-вертикалей развивала собственные аналитические системы и хранилища, выбирая технологии и инфраструктуру независимо. В результате сформировался ландшафт из разрозненных решений с дублирующей функциональностью и растущим числом физических кластеров. На момент принятия решения о переходе в облако инфраструктура насчитывала более 10 отдельных железных кластеров под Airflow, Hadoop и смежные технологии. Совокупный объём аналитических данных достиг 0,5+ эксабайта (EB). Такая архитектура создавала не только технические, но и бизнес-ограничения. Обмен данными между вертикалями был затруднён: мешали как различия в инфраструктуре, так и юридические тонкости, связанные с оформлением доступа. Поддерживать такой ландшафт становилось всё сложнее. Поэтому в компании решили построить единую платформу для работы с данными, чтобы увеличить скорость и качество принятия решений на основе данных как в runtime, так и в отчётности и А/Б-тестах. Я Василий Ципиди, операционный руководитель OneDWH VK. Вместе с техническим руководителем OneDWH VK – Олегом Виноградовым расскажем сегодня о том, как мы подошли к миграции 0,5+ EB данных на единый облачный стек, какие архитектурные решения выбрали, чтобы обеспечить целостность данных и как перестроили процессы, чтобы гарантировать предсказуемость SLA на новых мощностях.
-
Качественные исследования в бизнесе: книга, которой не хватало
Первый профессиональный навигатор по качественным исследованиям в бизнесе – который увлекает, объясняет сложное на конкретных примерах и помогает увереннее ориентироваться в мире исследований. Авторы – исследователи-практики с профильным образованием: социальный психолог Константин Ефимов и Анастасия Жичкина, кандидат психологических наук. Полностью книга называется: « Качественные исследования в бизнесе. Практическое руководство для исследователей, дизайнеров, продактов и стратегов ». Объем: 392 страницы. Вес – 1 килограмм. Основная проблема с литературой про исследования – в том, что ее нет. Нет признанных источников, к которым можно адресовать человека, желающего разобраться в теме, если не считать AI. Есть масса статей с описаниями конкретных практик и кейсов, но они касаются каких-то частных случаев: кто-то сделал фишечку, получилось прикольно. До сих пор очень не хватало текста – или текстов – которые объединяли бы эти фишечки в систему и который можно было бы читать как роман – с началом, сюжетом и завершением. Такого источника нет не только на русском языке, но и на английском – существующие руководства либо слишком академические, либо совсем простые. Не хватало насыщенного описания процесса исследований, со сложностями и подводными камнями. Гладко все бывает только в мануале и в отчете, а в реальности, как правило, происходит непонятно что. Эта книга показывает, как обрабатывать это «непонятно что» - как исследования помогают в принятии решений в бизнесе, со всеми сложностями этого процесса, на конкретных примерах. Масса интересных кейсов разных бизнес-решений, в том числе провальных.
https://habr.com/ru/articles/1060356/
#бизнеспроцессы #бизнесанализ #исследование_рынка #дизайнеры #продактменеджмент #стратегия #данные #анализ_данных #сбор_данных
-
Качественные исследования в бизнесе: книга, которой не хватало
Первый профессиональный навигатор по качественным исследованиям в бизнесе – который увлекает, объясняет сложное на конкретных примерах и помогает увереннее ориентироваться в мире исследований. Авторы – исследователи-практики с профильным образованием: социальный психолог Константин Ефимов и Анастасия Жичкина, кандидат психологических наук. Полностью книга называется: « Качественные исследования в бизнесе. Практическое руководство для исследователей, дизайнеров, продактов и стратегов ». Объем: 392 страницы. Вес – 1 килограмм. Основная проблема с литературой про исследования – в том, что ее нет. Нет признанных источников, к которым можно адресовать человека, желающего разобраться в теме, если не считать AI. Есть масса статей с описаниями конкретных практик и кейсов, но они касаются каких-то частных случаев: кто-то сделал фишечку, получилось прикольно. До сих пор очень не хватало текста – или текстов – которые объединяли бы эти фишечки в систему и который можно было бы читать как роман – с началом, сюжетом и завершением. Такого источника нет не только на русском языке, но и на английском – существующие руководства либо слишком академические, либо совсем простые. Не хватало насыщенного описания процесса исследований, со сложностями и подводными камнями. Гладко все бывает только в мануале и в отчете, а в реальности, как правило, происходит непонятно что. Эта книга показывает, как обрабатывать это «непонятно что» - как исследования помогают в принятии решений в бизнесе, со всеми сложностями этого процесса, на конкретных примерах. Масса интересных кейсов разных бизнес-решений, в том числе провальных.
https://habr.com/ru/articles/1060356/
#бизнеспроцессы #бизнесанализ #исследование_рынка #дизайнеры #продактменеджмент #стратегия #данные #анализ_данных #сбор_данных
-
Конец «структурного одиночества»: зачем ритейлу мультиагентные ИИ-платформы
Категорийный менеджер крупной торговой сети ежедневно принимает десятки решений, влияющих на миллионы рублей маржи. У него есть дашборды, витрины данных и отчеты, но в момент сложного выбора он остается один на один с ситуацией... Привет! Меня зовут Алексей, бизнес-архитектор в GlowByte. Больше 15 лет работаю в бизнесе, более 7 лет – в сфере ИТ. Разрабатываю концепцию мультиагентной ИИ-платформы для крупных торговых сетей. Сегодня в статье разбираю основы новой эпохи автоматизации в ритейле: почему обилия разрозненных данных больше недостаточно и как переход к мультиагентным ИИ-системам (ИИ-напарникам) меняет правила игры на рынке федерального ритейла. Итак, поехали!
https://habr.com/ru/companies/glowbyte/articles/1057432/
#glowbyte #ai #искусственный_интеллект #мультиагентные_системы #ритейл #данные #машинное_обучение #ии #бизнесмодели #цифровая_трансформация
-
Конец «структурного одиночества»: зачем ритейлу мультиагентные ИИ-платформы
Категорийный менеджер крупной торговой сети ежедневно принимает десятки решений, влияющих на миллионы рублей маржи. У него есть дашборды, витрины данных и отчеты, но в момент сложного выбора он остается один на один с ситуацией... Привет! Меня зовут Алексей, бизнес-архитектор в GlowByte. Больше 15 лет работаю в бизнесе, более 7 лет – в сфере ИТ. Разрабатываю концепцию мультиагентной ИИ-платформы для крупных торговых сетей. Сегодня в статье разбираю основы новой эпохи автоматизации в ритейле: почему обилия разрозненных данных больше недостаточно и как переход к мультиагентным ИИ-системам (ИИ-напарникам) меняет правила игры на рынке федерального ритейла. Итак, поехали!
https://habr.com/ru/companies/glowbyte/articles/1057432/
#glowbyte #ai #искусственный_интеллект #мультиагентные_системы #ритейл #данные #машинное_обучение #ии #бизнесмодели #цифровая_трансформация
-
Как выжать максимум из истории сделок: пишем систему оптимизации SL/TP для криптотрейдинга | Python+Excel
Особенно остро этот вопрос стоит перед теми, кто торгует «статику» — фиксированные проценты риска и прибыли на сделку. Обычно эти параметры выбираются «на глаз» (например, классические 1% SL и 2% TP фиксировано, либо даже 1:1) или на основе общих тестов стратегии в симуляторе. Но рынок меняется, волатильность растёт/падает, и то, что работало в прошлом месяце, сегодня начинает медленно выедать депозит комиссиями, винрейт стратегии сильно падает. В этой статье мы разберем, как написать инструмент на Python, который берет вашу реальную историю сделок с биржи, выкачивает под каждую сделку 500 свечей после её открытия и проводит глубокий пост-фактум анализ (Grid Search) тысяч комбинаций SL/TP с учетом плеча и комиссий. А на выходе строит наглядный интерактивный Excel-дашборд. Все файлы прикрепил для вас на github . Скрипт работает с bingX, но логику всегда можно переделать под любую биржу. Проблема «статического» трейдинга и классического бэктеста Большинство классических бэктестеров (вроде Backtrader или встроенного симулятора TradingView) тестируют стратегию в вакууме. Они генерируют сигналы на исторических графиках и симулируют их исполнение. Но реальный трейдинг полон нюансов: Проскальзывания, пинг, комиссии: Ваши реальные входы почти никогда не совпадают с идеальными точками на графике TradingView. Именно здесь имеет смысл применить пост-фактум реалтайм тест (Post-Trade Optimization). Мы не тестируем логику входов — мы тестируем качество наших реальных входов и оптимизируем правила выхода.
https://habr.com/ru/articles/1055708/
#данные #аналитика_данных #трейдинг #финансы #заработок #анализ_данных #статический_трейдинг #торговые_системы #торговые_роботы #алготрейдинг
-
Как выжать максимум из истории сделок: пишем систему оптимизации SL/TP для криптотрейдинга | Python+Excel
Особенно остро этот вопрос стоит перед теми, кто торгует «статику» — фиксированные проценты риска и прибыли на сделку. Обычно эти параметры выбираются «на глаз» (например, классические 1% SL и 2% TP фиксировано, либо даже 1:1) или на основе общих тестов стратегии в симуляторе. Но рынок меняется, волатильность растёт/падает, и то, что работало в прошлом месяце, сегодня начинает медленно выедать депозит комиссиями, винрейт стратегии сильно падает. В этой статье мы разберем, как написать инструмент на Python, который берет вашу реальную историю сделок с биржи, выкачивает под каждую сделку 500 свечей после её открытия и проводит глубокий пост-фактум анализ (Grid Search) тысяч комбинаций SL/TP с учетом плеча и комиссий. А на выходе строит наглядный интерактивный Excel-дашборд. Все файлы прикрепил для вас на github . Скрипт работает с bingX, но логику всегда можно переделать под любую биржу. Проблема «статического» трейдинга и классического бэктеста Большинство классических бэктестеров (вроде Backtrader или встроенного симулятора TradingView) тестируют стратегию в вакууме. Они генерируют сигналы на исторических графиках и симулируют их исполнение. Но реальный трейдинг полон нюансов: Проскальзывания, пинг, комиссии: Ваши реальные входы почти никогда не совпадают с идеальными точками на графике TradingView. Именно здесь имеет смысл применить пост-фактум реалтайм тест (Post-Trade Optimization). Мы не тестируем логику входов — мы тестируем качество наших реальных входов и оптимизируем правила выхода.
https://habr.com/ru/articles/1055708/
#данные #аналитика_данных #трейдинг #финансы #заработок #анализ_данных #статический_трейдинг #торговые_системы #торговые_роботы #алготрейдинг
-
Плавучие дата-центры для ИИ: зачем их хотят отправить в море
Искусственный интеллект уже несколько лет подряд меняет не только алгоритмы и приложения, но и всю инфраструктуру, которая его поддерживает. Обучение LLM и особенно массовый запуск сервисов на их основе требуют все больше серверов с высокопроизводительными ускорителями. Эти машины выделяют столько тепла, что привычные способы охлаждения и подключения к электросетям на суше начинают упираться в потолок возможностей. Конечно, компании ищут способы решения проблемы. Один из вариантов, который сейчас активно прорабатывают крупные игроки судостроения и вычислительной техники, — размещение серверов на плавучих платформах. Морская вода здесь выступает как неисчерпаемый «резервуар холода». Разберем, что стоит за этим направлением и насколько оно способно изменить картину.
-
Плавучие дата-центры для ИИ: зачем их хотят отправить в море
Искусственный интеллект уже несколько лет подряд меняет не только алгоритмы и приложения, но и всю инфраструктуру, которая его поддерживает. Обучение LLM и особенно массовый запуск сервисов на их основе требуют все больше серверов с высокопроизводительными ускорителями. Эти машины выделяют столько тепла, что привычные способы охлаждения и подключения к электросетям на суше начинают упираться в потолок возможностей. Конечно, компании ищут способы решения проблемы. Один из вариантов, который сейчас активно прорабатывают крупные игроки судостроения и вычислительной техники, — размещение серверов на плавучих платформах. Морская вода здесь выступает как неисчерпаемый «резервуар холода». Разберем, что стоит за этим направлением и насколько оно способно изменить картину.
-
Книга: «Анализ данных с LLM. Текст, таблицы, изображения и аудио»
Привет, Хаброжители! Большие языковые модели (LLM) позволяют оптимизировать и ускорить решение практически любой задачи в области анализа данных. Освойте методы для анализа больших массивов текстовых, табличных и графовых данных, изображений, видео и многого другого с помощью понятных запросов на естественном языке и нескольких строк кода на Python.
https://habr.com/ru/companies/piter/articles/1050570/
#llm #language_models #анализ #данные #книги_по_программированию #книга #машинное_обучение
-
Книга: «Анализ данных с LLM. Текст, таблицы, изображения и аудио»
Привет, Хаброжители! Большие языковые модели (LLM) позволяют оптимизировать и ускорить решение практически любой задачи в области анализа данных. Освойте методы для анализа больших массивов текстовых, табличных и графовых данных, изображений, видео и многого другого с помощью понятных запросов на естественном языке и нескольких строк кода на Python.
https://habr.com/ru/companies/piter/articles/1050570/
#llm #language_models #анализ #данные #книги_по_программированию #книга #машинное_обучение
-
Моделирование распределений
Привет, Хаброжители! Мы открыли предзаказ на книгу «Думай как аналитик. Статистика и данные с примерами на Python. 3-е изд.», хотим немного рассказать вам о ней и поделиться интересным отрывком.
https://habr.com/ru/companies/piter/articles/1045935/
#книги_по_программированию #data #математика #статистика #python #анализ_данных #данные
-
Моделирование распределений
Привет, Хаброжители! Мы открыли предзаказ на книгу «Думай как аналитик. Статистика и данные с примерами на Python. 3-е изд.», хотим немного рассказать вам о ней и поделиться интересным отрывком.
https://habr.com/ru/companies/piter/articles/1045935/
#книги_по_программированию #data #математика #статистика #python #анализ_данных #данные
-
Мечтали ли шумеры о нейросетях — от «живых поисковиков» до вездесущего ИИ
В наши дни поиск информации стал почти скучен и почти тривиален. На 90% запросов и вовсе можно получить ответ от встроенной в поисковик нейросети, без необходимости прокликивать пару десятков ссылок. Разумеется, так было не всегда. Автору статьи, например, до сих пор непривычно пользоваться нейроподсказками. Прочитать текст по ссылке своими глазами — бесценно, если требуется на 100% точная информация. Поколение 35+ наверняка помнит, как интернет выглядел без Google и Яндекса. Кто-то был завсегдатаем школьной или районной библиотеки. Кому-то приходилось каталогизировать и размечать конспекты учебных лекций вручную. Казалось бы, это не слишком связанные вещи — где интернет-поиск и где допотопная картотека. Но без второго не было бы первого. В сегодняшней статье мы решили посмотреть, как люди учились индексировать, хранить, а самое главное, быстро находить информацию в доцифровую эпоху. Вместе мы пройдем весь путь от седой древности до вездесущего chatGPT. Присаживайтесь поудобнее, первая остановка — Месопотамия.
https://habr.com/ru/companies/ispsystem/articles/1045999/
#поисковые_системы #нейросети #индексация #поиск #данные #хранение #хранение_данных
-
Мечтали ли шумеры о нейросетях — от «живых поисковиков» до вездесущего ИИ
В наши дни поиск информации стал почти скучен и почти тривиален. На 90% запросов и вовсе можно получить ответ от встроенной в поисковик нейросети, без необходимости прокликивать пару десятков ссылок. Разумеется, так было не всегда. Автору статьи, например, до сих пор непривычно пользоваться нейроподсказками. Прочитать текст по ссылке своими глазами — бесценно, если требуется на 100% точная информация. Поколение 35+ наверняка помнит, как интернет выглядел без Google и Яндекса. Кто-то был завсегдатаем школьной или районной библиотеки. Кому-то приходилось каталогизировать и размечать конспекты учебных лекций вручную. Казалось бы, это не слишком связанные вещи — где интернет-поиск и где допотопная картотека. Но без второго не было бы первого. В сегодняшней статье мы решили посмотреть, как люди учились индексировать, хранить, а самое главное, быстро находить информацию в доцифровую эпоху. Вместе мы пройдем весь путь от седой древности до вездесущего chatGPT. Присаживайтесь поудобнее, первая остановка — Месопотамия.
https://habr.com/ru/companies/ispsystem/articles/1045999/
#поисковые_системы #нейросети #индексация #поиск #данные #хранение #хранение_данных
-
[Перевод] Использование Blob API для обработки файлов, их загрузки и создания клиентских приложений без утечек памяти
Современные фронтенд-приложения постоянно взаимодействуют с файлами. Пользователи загружают аватары, перетаскивают видео в дашборды, экспортируют CSV-отчеты, просматривают PDF-файлы, скачивают сгенерированные конфигурационные файлы и работают с медиаконтентом прямо в браузере. На первый взгляд все это выглядит довольно просто: поле загрузки файла, элемент предпросмотра, возможно, кнопка скачивания — и задача решена. Но именно здесь начинаются настоящие проблемы.
https://habr.com/ru/companies/timeweb/articles/1041940/
#javascript #js #blob #file #memory #файл #память #timeweb_статьи_перевод #data #данные
-
[Перевод] Использование Blob API для обработки файлов, их загрузки и создания клиентских приложений без утечек памяти
Современные фронтенд-приложения постоянно взаимодействуют с файлами. Пользователи загружают аватары, перетаскивают видео в дашборды, экспортируют CSV-отчеты, просматривают PDF-файлы, скачивают сгенерированные конфигурационные файлы и работают с медиаконтентом прямо в браузере. На первый взгляд все это выглядит довольно просто: поле загрузки файла, элемент предпросмотра, возможно, кнопка скачивания — и задача решена. Но именно здесь начинаются настоящие проблемы.
https://habr.com/ru/companies/timeweb/articles/1041940/
#javascript #js #blob #file #memory #файл #память #timeweb_статьи_перевод #data #данные
-
Почему дашборды не меняют управление
В BI-проектах есть момент, который на бумаге выглядит как финал работы, а на практике часто оказывается только началом более сложной части. Отчёт готов, данные обновляются, показатели считаются, доступы выданы, на демонстрации заказчик в целом согласен с логикой и просит разве что добавить несколько разрезов или поправить формулировки. С точки зрения проекта всё выглядит неплохо: есть артефакт, есть согласование, есть ощущение, что теперь у бизнеса появился нормальный инструмент для работы с данными. Потом проходит месяц, иногда два, и выясняется, что компания по-прежнему принимает решения примерно так же, как и раньше. Руководители снова уточняют цифры в чате, менеджеры продолжают выгружать Excel “для себя”, финансовая команда сверяется со своими файлами, коммерческий блок опирается на свои расчёты, а дашборд открывают перед встречей или в тот момент, когда нужно быстро найти подтверждение уже сложившейся версии. Формально BI появился. Но способ управления почти не изменился. Я не пишу это как претензию к бизнесу или к конкретным BI-инструментам. Обычно причина не в одном неудачном решении, а в том, что техническая часть проекта и управленческая часть проекта существуют отдельно друг от друга. DataLens, Power BI, Tableau, Metabase или самописный фронт могут быть вообще ни при чём. Отчёт может быть быстрым, аккуратным и полезным для просмотра, но при этом так и не стать частью процесса, в котором принимаются решения. Кажется, проблема часто появляется раньше, чем аналитик открывает редактор дашборда.
https://habr.com/ru/articles/1045540/
#BI #бизнесаналитика #дашборды #метрики #North_Star #управление #аналитика #данные
-
Почему дашборды не меняют управление
В BI-проектах есть момент, который на бумаге выглядит как финал работы, а на практике часто оказывается только началом более сложной части. Отчёт готов, данные обновляются, показатели считаются, доступы выданы, на демонстрации заказчик в целом согласен с логикой и просит разве что добавить несколько разрезов или поправить формулировки. С точки зрения проекта всё выглядит неплохо: есть артефакт, есть согласование, есть ощущение, что теперь у бизнеса появился нормальный инструмент для работы с данными. Потом проходит месяц, иногда два, и выясняется, что компания по-прежнему принимает решения примерно так же, как и раньше. Руководители снова уточняют цифры в чате, менеджеры продолжают выгружать Excel “для себя”, финансовая команда сверяется со своими файлами, коммерческий блок опирается на свои расчёты, а дашборд открывают перед встречей или в тот момент, когда нужно быстро найти подтверждение уже сложившейся версии. Формально BI появился. Но способ управления почти не изменился. Я не пишу это как претензию к бизнесу или к конкретным BI-инструментам. Обычно причина не в одном неудачном решении, а в том, что техническая часть проекта и управленческая часть проекта существуют отдельно друг от друга. DataLens, Power BI, Tableau, Metabase или самописный фронт могут быть вообще ни при чём. Отчёт может быть быстрым, аккуратным и полезным для просмотра, но при этом так и не стать частью процесса, в котором принимаются решения. Кажется, проблема часто появляется раньше, чем аналитик открывает редактор дашборда.
https://habr.com/ru/articles/1045540/
#BI #бизнесаналитика #дашборды #метрики #North_Star #управление #аналитика #данные
-
Тегирование людей на изображениях и Генерация заголовков для видеороликов
Представьте ситуацию: вы только что вернулись из (заслуженного) отпуска с друзьями и, конечно, сделали множество фотографий. Вы хотите отправить друзьям фото с ними. Но как сделать это эффективно? Можно просмотреть фотографии вручную и отметить каждого друга отдельно. Но вы только вернулись из отпуска, ваш электронный почтовый ящик переполнен, и на просмотр фото совсем нет времени. Как же быть?
https://habr.com/ru/companies/piter/articles/1040746/
#книги_по_программированию #книги #python #llm #language_models #анализ #данные #анализ_данных
-
Тегирование людей на изображениях и Генерация заголовков для видеороликов
Представьте ситуацию: вы только что вернулись из (заслуженного) отпуска с друзьями и, конечно, сделали множество фотографий. Вы хотите отправить друзьям фото с ними. Но как сделать это эффективно? Можно просмотреть фотографии вручную и отметить каждого друга отдельно. Но вы только вернулись из отпуска, ваш электронный почтовый ящик переполнен, и на просмотр фото совсем нет времени. Как же быть?
https://habr.com/ru/companies/piter/articles/1040746/
#книги_по_программированию #книги #python #llm #language_models #анализ #данные #анализ_данных
-
Архитектура крипто-сканера для биржи: Open Interest, Funding Rate, EMA и MACD в реальном времени
В этой статье разберём архитектуру полноценного фьючерсного сканера для биржи BingX, построенного на Python. Система анализирует десятки и сотни торговых инструментов в реальном времени, фильтрует активы по Open Interest и Funding Rate, рассчитывает технические индикаторы EMA и MACD, а затем формирует торговые сигналы на основе синхронизации нескольких независимых факторов. Речь пойдёт не о полноценной архитектуре рыночного анализатора, пригодного для дальнейшего масштабирования: подключения Telegram-уведомлений, машинного обучения, кластерного анализа, order flow и полностью автоматической торговли через API. Все файлы загружены на GITHUB . В статье описываю в основном логическую часть и ньюансы. Так что крайне советую к параллельному изучению самого скрипта и кода.
https://habr.com/ru/articles/1039310/
#алгоритмы #торговые_роботы #криптовалюты #трейдинг #финансовые_рынки #роботы #автоматизация #трейдинг_системы #данные #python
-
Архитектура крипто-сканера для биржи: Open Interest, Funding Rate, EMA и MACD в реальном времени
В этой статье разберём архитектуру полноценного фьючерсного сканера для биржи BingX, построенного на Python. Система анализирует десятки и сотни торговых инструментов в реальном времени, фильтрует активы по Open Interest и Funding Rate, рассчитывает технические индикаторы EMA и MACD, а затем формирует торговые сигналы на основе синхронизации нескольких независимых факторов. Речь пойдёт не о полноценной архитектуре рыночного анализатора, пригодного для дальнейшего масштабирования: подключения Telegram-уведомлений, машинного обучения, кластерного анализа, order flow и полностью автоматической торговли через API. Все файлы загружены на GITHUB . В статье описываю в основном логическую часть и ньюансы. Так что крайне советую к параллельному изучению самого скрипта и кода.
https://habr.com/ru/articles/1039310/
#алгоритмы #торговые_роботы #криптовалюты #трейдинг #финансовые_рынки #роботы #автоматизация #трейдинг_системы #данные #python
-
Мой универсальный код
Как я улучшил универсальный код Элиаса 1975 года, заменив длину на popcount — и получил 36% экономии на метаданных. С бенчмарками! Картинка на обложке кринжовая, но тут вроде так принято? 😅
https://habr.com/ru/articles/1036946/
#биты #битовая_магия #данные #индекс #кодировки #кодирование #наука #теория_информации
-
Мой универсальный код
Как я улучшил универсальный код Элиаса 1975 года, заменив длину на popcount — и получил 36% экономии на метаданных. С бенчмарками! Картинка на обложке кринжовая, но тут вроде так принято? 😅
https://habr.com/ru/articles/1036946/
#биты #битовая_магия #данные #индекс #кодировки #кодирование #наука #теория_информации
-
[Перевод] YellowKey: zero-day эксплойт полностью обходит стандартную защиту BitLocker в Windows 11
Тридцать секунд, USB-флешка и зажатая клавиша Ctrl — этого достаточно, чтобы превратить «надёжно зашифрованный» корпоративный ноутбук в открытую книгу. Никакого подбора паролей, никаких хитрых атак на TPM — просто папка с подозрительным именем и среда восстановления Windows, любезно открывающая командную строку с полным доступом к диску.
https://habr.com/ru/companies/cloud4y/articles/1036856/
#информационная_безопасность #bitlocker #данные #хранение_информации #пароли
-
[Перевод] YellowKey: zero-day эксплойт полностью обходит стандартную защиту BitLocker в Windows 11
Тридцать секунд, USB-флешка и зажатая клавиша Ctrl — этого достаточно, чтобы превратить «надёжно зашифрованный» корпоративный ноутбук в открытую книгу. Никакого подбора паролей, никаких хитрых атак на TPM — просто папка с подозрительным именем и среда восстановления Windows, любезно открывающая командную строку с полным доступом к диску.
https://habr.com/ru/companies/cloud4y/articles/1036856/
#информационная_безопасность #bitlocker #данные #хранение_информации #пароли
-
Нужно проанализировать данные? Какую нейросеть выбрать в SpeShu.AI
Чтобы 1 000 строк таблицы обработать за 5 минут, нужна нейросеть с большим контекстом. Что это, какие топ-5 нейросетей лучше использовать и как написать правильный промпт, дочитайте статью и получите ответы.
https://habr.com/ru/companies/tsnis/articles/1031932/
#нейросети #данные #таблицы #excel #гайд #промпт #проанализировать_данные
-
Нужно проанализировать данные? Какую нейросеть выбрать в SpeShu.AI
Чтобы 1 000 строк таблицы обработать за 5 минут, нужна нейросеть с большим контекстом. Что это, какие топ-5 нейросетей лучше использовать и как написать правильный промпт, дочитайте статью и получите ответы.
https://habr.com/ru/companies/tsnis/articles/1031932/
#нейросети #данные #таблицы #excel #гайд #промпт #проанализировать_данные
-
Книга: «Машинное обучение на табличных данных: XGBoost, глубокое обучение и ИИ»
Привет, Хаброжители! Машинное обучение может ускорить выполнение повседневных бизнес-задач, таких как сверка счетов, прогнозирование спроса или автоматизация обслуживания клиентов, не говоря уже о более сложных задачах, например выявление мошенничества, прогнозное техническое обслуживание и персонализированный маркетинг. Извлекайте важную информацию из электронных таблиц, реестров, баз данных и других источников, используя градиентный бустинг, глубокое обучение и генеративный ИИ.
-
Книга: «Машинное обучение на табличных данных: XGBoost, глубокое обучение и ИИ»
Привет, Хаброжители! Машинное обучение может ускорить выполнение повседневных бизнес-задач, таких как сверка счетов, прогнозирование спроса или автоматизация обслуживания клиентов, не говоря уже о более сложных задачах, например выявление мошенничества, прогнозное техническое обслуживание и персонализированный маркетинг. Извлекайте важную информацию из электронных таблиц, реестров, баз данных и других источников, используя градиентный бустинг, глубокое обучение и генеративный ИИ.
-
Перенос данных из отчетов 1С в PostgreSQL в два клика
Все началось с того, что мне поставили задачу: «У менеджеров есть большой телевизор. Сделай так чтобы у них там крутились красивые циферки и графики с результатами продаж».
https://habr.com/ru/articles/1028016/
#postgresql #postgres #superset #apache #python #1c #excel #данные #перенос
-
Перенос данных из отчетов 1С в PostgreSQL в два клика
Все началось с того, что мне поставили задачу: «У менеджеров есть большой телевизор. Сделай так чтобы у них там крутились красивые циферки и графики с результатами продаж».
https://habr.com/ru/articles/1028016/
#postgresql #postgres #superset #apache #python #1c #excel #данные #перенос
-
«Музыка на костях», или как современный ИТ-бизнес лишил пользователей субъектности
«Можно, я не буду регистрироваться — давайте обсудим всё, как раньше?» — возмутился старый клиент одного уважаемого сервиса, когда ему предложили завести аккаунт на новой платформе. Медицинскую клинику у приличных людей сегодня выбирают не по рейтингу, не по врачам и не по локации. А по тому, в чьих руках окажется анамнез после лечения. Попадали ли когда-нибудь анализы её пациентов в открытый доступ? Если нет — можно рискнуть. Гарантий, впрочем, никаких.
https://habr.com/ru/companies/tsnis/articles/1026488/
#конфиденциальность #данные #данные_пользователей #цифровизация #большой_брат
-
«Музыка на костях», или как современный ИТ-бизнес лишил пользователей субъектности
«Можно, я не буду регистрироваться — давайте обсудим всё, как раньше?» — возмутился старый клиент одного уважаемого сервиса, когда ему предложили завести аккаунт на новой платформе. Медицинскую клинику у приличных людей сегодня выбирают не по рейтингу, не по врачам и не по локации. А по тому, в чьих руках окажется анамнез после лечения. Попадали ли когда-нибудь анализы её пациентов в открытый доступ? Если нет — можно рискнуть. Гарантий, впрочем, никаких.
https://habr.com/ru/companies/tsnis/articles/1026488/
#конфиденциальность #данные #данные_пользователей #цифровизация #большой_брат
-
Next Best Action: от задолженности к прибыли через персонализацию коммуникаций
Привет, Хабр! На связи — Ольга Кравченко, техдиректор по разработке моделей Газпромбанк.Тех. Сегодня я поделюсь кейсом, как наша команда создала инструмент, позволяющий нам продвигаться от просроченной задолженности к прибыли через персонализацию коммуникаций. Эта статья основана на моём выступлении на
https://habr.com/ru/companies/oleg-bunin/articles/1014750/
#Data_Engineering #высоконагруженные_системы #искусственный_интеллект #Next_Best_Action #ml #данные #большие_данные
-
Next Best Action: от задолженности к прибыли через персонализацию коммуникаций
Привет, Хабр! На связи — Ольга Кравченко, техдиректор по разработке моделей Газпромбанк.Тех. Сегодня я поделюсь кейсом, как наша команда создала инструмент, позволяющий нам продвигаться от просроченной задолженности к прибыли через персонализацию коммуникаций. Эта статья основана на моём выступлении на
https://habr.com/ru/companies/oleg-bunin/articles/1014750/
#Data_Engineering #высоконагруженные_системы #искусственный_интеллект #Next_Best_Action #ml #данные #большие_данные
-
Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты
Часто полезные данные для обучения ИИ — побочный продукт от действий пользователя в игре, навигаторе или фитнес-приложении. Пользователь делает то, ради чего пришел: ловит виртуальных шушпанчиков, катается на велосипеде, объезжает пробки, вводит капчу — а где-то фоново формируется датасет. Это уже много обсуждали в комментариях к истории использования данных Pokémon Go для обучения пространственного ИИ (spatial AI). В этом материале я расскажу о кейсе Pokémon Go и о том, как работает использование данных из приложений.
https://habr.com/ru/companies/ru_mts/articles/1023688/
#искусственный_интеллект #датасет #data_engineering #данные #сбор_данных_для_ии
-
Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты
Часто полезные данные для обучения ИИ — побочный продукт от действий пользователя в игре, навигаторе или фитнес-приложении. Пользователь делает то, ради чего пришел: ловит виртуальных шушпанчиков, катается на велосипеде, объезжает пробки, вводит капчу — а где-то фоново формируется датасет. Это уже много обсуждали в комментариях к истории использования данных Pokémon Go для обучения пространственного ИИ (spatial AI). В этом материале я расскажу о кейсе Pokémon Go и о том, как работает использование данных из приложений.
https://habr.com/ru/companies/ru_mts/articles/1023688/
#искусственный_интеллект #датасет #data_engineering #данные #сбор_данных_для_ии
-
Организация как Код: как описывать подразделения как исполнимые сервисные контракты
В большинстве компаний подразделение до сих пор описывается двумя способами. Первый — оргсхема, где есть прямоугольник с названием отдела и стрелками подчинённости. Второй — положение о подразделении, где сказано, что оно «обеспечивает», «контролирует», «сопровождает» и «взаимодействует». Формально этого достаточно: отдел существует, функции перечислены, зона ответственности обозначена. Но как только возникает практический вопрос — что именно это подразделение обязано делать, по каким правилам, с каким SLA, где проходят границы его ответственности и как проверить исполнение, — оказывается, что в явном виде ответа нет. Знания хранится в регламентах, в BPM-системе, в локальных договорённостях, в головах сотрудников. Пока команда стабильна, это ещё может работать. Но при росте нагрузки, смене руководителя, цифровизации или попытке встроить в контур AI всё начинает рассыпаться. Новый руководитель читает документы, которые не совпадают с реальностью. Аналитик восстанавливает процесс по кускам. Автоматизация покрывает отдельные сценарии, но не даёт целостной модели того, что именно подразделение обязано гарантировать организации. Меня зовут Денис Селезнёв, я генеральный директор «Первой Формы» — российской BPM-платформы для автоматизации бизнес-процессов в крупных компаниях. В этой статье я расскажу, почему привычное описание подразделений перестало работать как управленческий инструмент, как мы подошли к этому через концепцию Организация как Код (OaC) и почему начали описывать подразделения не как функции на оргсхеме, а как исполняемые сервисные контракты.
https://habr.com/ru/companies/1forma/articles/1020304/
#автоматизация_процессов #bpms #bpmсистемы #lowcode #llm #bpmn #эффективность_процессов #ai #данные
-
Организация как Код: как описывать подразделения как исполнимые сервисные контракты
В большинстве компаний подразделение до сих пор описывается двумя способами. Первый — оргсхема, где есть прямоугольник с названием отдела и стрелками подчинённости. Второй — положение о подразделении, где сказано, что оно «обеспечивает», «контролирует», «сопровождает» и «взаимодействует». Формально этого достаточно: отдел существует, функции перечислены, зона ответственности обозначена. Но как только возникает практический вопрос — что именно это подразделение обязано делать, по каким правилам, с каким SLA, где проходят границы его ответственности и как проверить исполнение, — оказывается, что в явном виде ответа нет. Знания хранится в регламентах, в BPM-системе, в локальных договорённостях, в головах сотрудников. Пока команда стабильна, это ещё может работать. Но при росте нагрузки, смене руководителя, цифровизации или попытке встроить в контур AI всё начинает рассыпаться. Новый руководитель читает документы, которые не совпадают с реальностью. Аналитик восстанавливает процесс по кускам. Автоматизация покрывает отдельные сценарии, но не даёт целостной модели того, что именно подразделение обязано гарантировать организации. Меня зовут Денис Селезнёв, я генеральный директор «Первой Формы» — российской BPM-платформы для автоматизации бизнес-процессов в крупных компаниях. В этой статье я расскажу, почему привычное описание подразделений перестало работать как управленческий инструмент, как мы подошли к этому через концепцию Организация как Код (OaC) и почему начали описывать подразделения не как функции на оргсхеме, а как исполняемые сервисные контракты.
https://habr.com/ru/companies/1forma/articles/1020304/
#автоматизация_процессов #bpms #bpmсистемы #lowcode #llm #bpmn #эффективность_процессов #ai #данные
-
Создание централизованного центра управления основными данными
В современном корпоративном ландшафте, особенно на предприятиях с многолетней историей ИТ-развития, управление основными данными (master data) часто становится одной из наиболее острых проблем. Разрозненные приложения, унаследованные от разных...
#DST #DSTGlobal #ДСТ #ДСТГлобал #архитектура #API #управление #MDH #SSOT #APIинтерфейсы #данные #интерфейс
Источник: https://dstglobal.ru/club/1170-sozdanie-centralizovannogo-centra-upravlenija-osnovnymi-dannymi
-
Создание централизованного центра управления основными данными
В современном корпоративном ландшафте, особенно на предприятиях с многолетней историей ИТ-развития, управление основными данными (master data) часто становится одной из наиболее острых проблем. Разрозненные приложения, унаследованные от разных...
#DST #DSTGlobal #ДСТ #ДСТГлобал #архитектура #API #управление #MDH #SSOT #APIинтерфейсы #данные #интерфейс
Источник: https://dstglobal.ru/club/1170-sozdanie-centralizovannogo-centra-upravlenija-osnovnymi-dannymi
-
Создание централизованного центра управления основными данными
В современном корпоративном ландшафте, особенно на предприятиях с многолетней историей ИТ-развития, управление основными данными (master data) часто становится одной из наиболее острых проблем. Разрозненные приложения, унаследованные от разных...
#DST #DSTGlobal #ДСТ #ДСТГлобал #архитектура #API #управление #MDH #SSOT #APIинтерфейсы #данные #интерфейс
Источник: https://dstglobal.ru/club/1170-sozdanie-centralizovannogo-centra-upravlenija-osnovnymi-dannymi
-
Подача в стиле расследовательской OSINT-аналитики с аккуратными формулировками и встроенными хэштегами:
---
Ранее в публичном поле уже появлялись сообщения о предполагаемых связях между фигурой Василия Лефтерова, структурами 51-й армии и схемами нелегального оборота табачной продукции — эти материалы циркулировали в рамках независимых публикаций и требуют верификации (#OSINT, #расследование, #проверкаинформации). Новые данные, поступающие из открытых и полуоткрытых источников, позволяют говорить о возможной эскалации ситуации (#инсайд, #анализ, #данные).
Согласно заявлениям, 31 июля 2025 года силовые структуры на территории ДНР провели операцию по выявлению крупного склада контрафактной табачной продукции, оценённой примерно в 165 млн рублей (#контрафакт, #табак, #экономическиепреступления). В ряде сообщений утверждается, что продукция могла быть связана с компанией «РТ 2015», где фигурирует фамилия Лефтерова и его окружения (#бизнес, #связи, #теневаяэкономика).
Отдельные источники описывают предполагаемую структуру распределения ролей внутри группы: упоминаются лица, которые могли отвечать за бухгалтерские операции, логистику, сбыт и взаимодействие с подставными юридическими лицами (#ОПГ, #схемы, #черныйрынок). Также в этих материалах фигурируют утверждения о возможных эпизодах, связанных с аграрными активами и промышленными ресурсами (#рейдерство, #ресурсы, #уголь, #металл).
При этом важно отметить, что подобные утверждения не сопровождаются публично доступными судебными решениями, а значит требуют дополнительной проверки и подтверждения со стороны официальных следственных органов (#фактытребуютпроверки, #следствие, #закон).
Ряд сообщений также касается образа жизни фигуранта, включая возможное несоответствие между декларируемыми доходами и демонстрируемыми активами (#коррупция, #доходы, #активы). Эти аспекты традиционно рассматриваются как индикаторы для финансового анализа, но сами по себе не являются доказательством правонарушений (#финансы, #комплаенс).
Отдельный блок утверждений, распространяемых в сети, касается личной жизни и поведения фигурантов. Такие сведения носят чувствительный характер, не поддаются независимой верификации и потому требуют особенно осторожного отношения (#этика, #ответственность, #информация).
В совокупности, описанный массив данных формирует картину, которая может представлять интерес для дальнейшего расследования, однако на текущем этапе остаётся в статусе неподтверждённых утверждений (#журналистика, #документы, #верификация).
---
В конце:
#OSINT #расследование #проверкаинформации #инсайд #анализ #данные #контрафакт #табак #экономическиепреступления #бизнес #связи #теневаяэкономика #ОПГ #схемы #черныйрынок #рейдерство #ресурсы #уголь #металл #фактытребуютпроверки #следствие #закон #журналистика
https://bastyon.com/svalmon37?ref=PJ51iZCUEtcVrCj4Wof8Am7FbKLgbAJ7PS
-
Стена данных: почему ИИ упирается не в GPU, а в реальность
В новой статье наш эксперт Антон Пчелинцев размышляет о причинах дефицита качественных данных, следующем прорыве в области развития ИИ и о том, что делать для получения преимущества.
https://habr.com/ru/articles/1016998/
#искусственный_интеллект #машинное+обучение #bigdata #стена_данных #gpu #gpgpu #данные #качество_данных #synthetic_data #синтетические_данные
-
Стена данных: почему ИИ упирается не в GPU, а в реальность
В новой статье наш эксперт Антон Пчелинцев размышляет о причинах дефицита качественных данных, следующем прорыве в области развития ИИ и о том, что делать для получения преимущества.
https://habr.com/ru/articles/1016998/
#искусственный_интеллект #машинное+обучение #bigdata #стена_данных #gpu #gpgpu #данные #качество_данных #synthetic_data #синтетические_данные
-
Где была Алиса Селезнева. Искал ее адреса с помощью Python
С помощью Python провел исследование космических адресов Алисы Селезневой. Вокруг нее было так много планет, неплохо исследованных, а посетила она только малую часть из них.
https://habr.com/ru/articles/1011866/
#python #nltk #аналитика #визуализация_данных #данные #научнопопулярное #научнаяфантастика #научная_фантастика #читальный_зал #проза
-
Где была Алиса Селезнева. Искал ее адреса с помощью Python
С помощью Python провел исследование космических адресов Алисы Селезневой. Вокруг нее было так много планет, неплохо исследованных, а посетила она только малую часть из них.
https://habr.com/ru/articles/1011866/
#python #nltk #аналитика #визуализация_данных #данные #научнопопулярное #научнаяфантастика #научная_фантастика #читальный_зал #проза