ИТС | Публикации

Очень жаль, что КИПФИН помощник больше не работает - не удобно теперь смотреть расписание занятий. С помощником было ооочень удобно.

‼️ Уважаемые пользователи КИПФИН Помощника‼️ 📛 По указанию высшего руководства, в частности, Директора нашего Колледжа, с сегодняшнего дня КИПФИН Помощник перестаёт функционировать. 💥 С нашей стороны о закрытии проекта речи не идёт. Более того, мы всё лето трудились над новой версией и готовы вернуться, если к нам поступят соответствующие сигналы. К сожалению, больше сделать ничего не можем. 🏆 За время существования бота мы ускорили процесс распределения расписания более чем для 2.500 пользователей и 86 чатов. 🎯 Помощник стал самым востребованным проектом КИПФИН, был оценён Проректором Финуниверситета и конечно же приобрёл Вашу любовь. Мы гордимся этим! 👉 Это НИКАК НЕ отразится на ФИН Помощнике). Чтобы не вводить Вас в заблуждение, решили написать как оно есть. ✅ Нам очень важно ваше мнение касаемо данной ситуации, для обратной связи вы можете нам написать в сообщения этого сообщества

Только поступили и теряетесь в потоке пар? У нас есть решение! Позвольте представить

Вашего персонального ассистент по учебному расписанию — «ФИН Помощник»

Почему именно мы? 📅Мгновенный доступ Узнайте, какая пара следующая, даже если еще не запомнили все аудитории и корпуса. 🔔Оперативные оповещения Получайте уведомления быстрее всех! 👥 Для всей группы Добавьте бота в общий чат — и ваша группа будет всегда в курсе актуального расписания. 🛟 Поддержка 24/7 Возникли вопросы? Наша служба поддержки всегда готова помочь. Начните учебный год без стресса! 🎯 ИТС | Публикации

Кибербезопасность в небе: почему современные самолеты уязвимы, и как России избежать зависимости 🛰️ Современные самолеты — это уже не просто машины, а сложные летающие компьютеры. Boeing 787 Dreamliner содержит около 6.5 миллионов строк кода, а Airbus A350 — ещё больше. Но с ростом сложности растут и риски. Их системы подключены к сетям, включая интернет для диагностики, что открывает двери для кибератак. Реальные примеры катастроф Проблемы информационной безопасности — это не теория. Катастрофа Boeing 737 MAX (Индонезия и Эфиопия, 2018–2019), унесшая 346 жизней, была вызвана роковой ошибкой в программном обеспечении MCAS. Система из-за некорректных данных с датчиков принудительно пикировала самолёт, а производитель скрывал проблемы, что привело к гигантскому штрафу. Другой пример — трагедия с Airbus A321 над Синаем в 2015 году. Она показала, что уязвим не только софт, но и физический доступ к бортовой инфраструктуре. Эти случаи доказывают: ошибки в ПО, халатность или внешнее вмешательство могут стать причиной трагедий. Россия и Запад: два подхода к безопасности Западные страны идут по пути жёсткого регулирования. Такие органы, как FAA в США и EASA в Европе, проводят обязательные аудиты, а производители несут огромную ответственность за сокрытие дефектов. Мы в России делаем важные шаги в сторону импортозамещения, развивая собственные проекты такие как SSJ и МС-21, и опираясь на свои нормативно-правовые акты, например "Закон о персональных данных" № 152-ФЗ от 27.07.2006. Однако отраслевые стандарты кибербезопасности в авиации ещё только создаются, в том числе и автором статьи. Следует признать, что зависимость от иностранных технологий к сожалению сохраняется. Нам критически важно перенять западную практику прозрачных расследований и независимого аудита, чтобы избегать чужих ошибок. Учиться на Западе — ради блага России Многие талантливые студенты колледжа мечтают о международной карьере. Вернуть долг своей Родине требует порядочность и честность, государство привлекает значительные ресурсы, в том числе и преподавательские, чтобы сделать молодых людей настоящими профессионалами. Важно помнить: изучение лучших западных практик (например, стандартов ISO 27001 или протоколов FAA) — это не должно быть путём к «утечке мозгов», а должно быть возможностью взять лучшее и создать ещё более надёжные системы здесь, дома. Знание уязвимостей Boeing или Airbus позволяет не повторить их в российских проектах. Импортозамещение — это не изоляция, а ускоренное развитие через анализ чужих провалов. Патриотизм в IT и кибербезопасности — это умение перенять мировой опыт и использовать его для укрепления технологического суверенитета и безопасности своей страны. Выводы для будущих специалистов Цифровая безопасность сегодня равна физической. Ошибка в коде может стоить жизней. Наша общая задача — учиться на чужих ошибках, изучая открытые отчёты о катастрофах, и работать на благо России, развивая отечественные технологии, чтобы избежать зависимости от санкций и скрытых угроз в зарубежном ПО. Автор статьи 🛑 Преподаватель Колледжа информатики и программирования по криптографии и ИБ, кандидат технических наук, инженер-авиаконструктор ПАО "Яковлев" - "Центр комплексирования" @ Рой Алексей Владимирович

🩶Мы достигли отметки в 1000 подписчиков! Это заслуга всей команды — то есть вас! Спасибо за вашу поддержку и интерес к миру IT

🩶Мы достигли отметки в 1000 подписчиков! Это заслуга всей команды — то есть вас! Спасибо за вашу поддержку и интерес к миру IT

Только поступили и уже теряетесь в потоке информации? Не переживайте — мы подготовили для вас главный лайфхак для успешной учебы 💌

Ваш персональный гид по расписанию — «ФИН Помощник»

1️⃣Проверяйте расписание за секунды, даже если еще не запомнили корпуса 2️⃣Бот первым сообщит, если пара перенеслась, а в начале семестра это случается часто! 3️⃣Добавьте бота в чат вашей группы, и все будут в курсе расписания 4️⃣Если что-то непонятно, напишите в поддержку 📌 Официальный сайт расписания #Учёба

🤩Резюме - ваша обертка, очень важно не допускать ошибок. Мы подготовили для вас самые распространенные из них, допустив которые, шансы на получение оффера уменьшаются

🚀 IT за границей: твой код — твой паспорт Мечтаешь о карьере в Кремниевой долине, Берлине или Сингапуре? 💻✨ Это реально! Вот всё, что нужно знать: 💰 Зарплаты (в год): - США: $120K – $250K+ 🏆 - Германия/Нидерланды: €60K – €100K+ 🍻 - Канада: CA$80K – CA$150K+ 🍁 - Дубай: $70K – $150K + 0% налог 🏙️💸 🔎 Где искать работу: - LinkedIn — король вакансий 👑 - Wellfound — для стартапов 🚀 - Hired — где компании охотятся за тобой 🎯 💪 Ключевые навыки: 1. Hard Skills: - Глубокое знание языка (Python/JS/Go и т.д.) - Алгоритмы (решай LeetCode!) ⚡ - System Design — чтобы строить крутые штуки 🏗️ 2. Soft Skills: - Английский 🇬🇧🇺🇸 - Коммуникация и работа в международной команде 🌍 🎯 Как прокачаться: - Английский: смотри сериалы без субтитров, общайся - Технические скиллы: пет-проекты + опенсорс на GitHub 💻 - Создай крутой LinkedIn-профиль и укажи #OpenToWork 📌 Начинай сегодня! Учись, коди, общайся на английском — и мир откроет тебе двери! 🚀💥

Робототехника Boston Dynamics — Будущее, ожившее в металле Робототехника — это одно из самых захватывающих направлений науки и техники, способное перевернуть наше представление о возможностях машин. Среди компаний, занимающихся разработкой роботов, особое место занимает Boston Dynamics. Эта компания стала символом инноваций и прорывных технологий в области робототехники, создавая машины, которые не только выполняют задачи, но и удивляют своей грацией и интеллектом. Boston Dynamics была основана в 1992 году как дочерняя компания Массачусетского технологического института (MIT). С тех пор она прошла долгий путь, от разработки роботов для военных нужд до создания многофункциональных машин. Например, Spot, четвероногий робот, способен передвигаться по сложным ландшафтам, подниматься по лестницам и даже выполнять акробатические трюки. Он может быть использован в различных сферах. Взгляните на модель Atlas. И это уже устаревшая модель. Новая модель полностью автономна.

Крупнейшие утечки данных в России: кто пострадал и как защититься? 📌 Хронология атак на российские компании: - 2024: Аэрофлот – утекли данные 30 млн пассажиров (ФИО, паспорта, брони). - 2023: Сбер – хакеры продавали доступ к кредитным историям. - 2022: Wildberries – слив данных 20 млн покупателей (почты, телефоны, заказы). - 2021: ВКонтакте – утечка 7 млн номеров телефонов. - 2020: Яндекс.Еда – данные курьеров и клиентов в открытом доступе. 💸 Какие данные крадут чаще всего? ✔ Персональные: ФИО, паспорта, телефоны (используют для мошенничества). ✔ Финансовые: карты, счета, кредитные истории (продают в даркнете). ✔ Корпоративные: логины сотрудников (для атак на бизнес). 🔐 Можно ли защититься? 1. Проверяйте утечки 2. Меняйте пароли и включайте 2FA. 3. Не светите документы в соцсетях. 4. Мониторьте банковские операции. *(Если хотите гайд по защите данных – пишите, сделаем!)* --- P.S. В наше время каждый второй человек в сети – в базах у хакеров. Будьте осторожны! 🚨

🟡 Почему ИИ такой "прожорливый" и как это можно исправить?🟡 Современные ИИ-модели потребляют колоссальное количество электричества, греют планету и требуют тонны вычислительных ресурсов. Но и инженеры времени не теряют. Как же им удаётся сделать ИИ быстрее, легче и экологичнее? ⬇️ Уменьшение модели без потери качества:

✅ Квантование преобразует 32-битные числа в более компактные 8-битные, уменьшая объём вычислений без существенного ущерба для точности; ✅ Бинаризация заменяет все веса простыми бинарными значениями (0 и 1), что делает модель исключительно лёгкой, но резко снижает качество ответов на сложные вопросы; ✅ Прунинг "обрезает" лишние нейронные связи, сохраняя только наиболее значимые элементы.

⬇️ Гибкая архитектура:

✅ Mixture of Experts и Sparse Transformers работают избирательно, активируя только необходимые модули, пока остальные остаются неактивными; ✅ Метод Early Exit позволяет модели завершать вычисления досрочно, если вероятность положительного результата достаточно высока; ✅ Sparsity-aware алгоритмы задействуют лишь часть сети в зависимости от конкретной задачи.

⬇️ Edge AI и децентрализация:

✅ Локальные вычисления: вместо отправки данных в облако модели работают прямо на устройстве (смартфоны, камеры, IoT-датчики), экономя трафик и энергию; ✅ Федеративное обучение позволяет обучать модели на распределённых устройствах без передачи сырых данных в центральный сервер; ✅ Блокчейн и децентрализованные сети (например, Bittensor) создают рынок вычислительных ресурсов, где участники получают вознаграждение за предоставление своих мощностей для AI-задач.

⬇️ Новое "железо" и источники энергии:

✅ Специализированные аппаратные ускорители вроде TPU от Google превосходят традиционные GPU по энергоэффективности в разы (подходят не для всех моделей); ✅ Возобновляемая энергия: солнечные, ветряные электростанции и даже компактные ядерные реакторы. Крупнейшие технологические компании (Google, Microsoft, IBM) активно тестируют и используют альтернативные источники электричества; ✅ Cистемы жидкостного охлаждения не только сокращают расход воды, но и существенно продлевают срок службы оборудования, создавая устойчивую экосистему для развития искусственного интеллекта.

⬇️ Обучение без обучения:

✅ Zero-shot и few-shot learning алгоритмы решают задачи без обучения на конкретных примерах. Например, CLIP от OpenAI, который анализирует и сопоставляет изображения с текстом без предварительной настройки; ✅ Self-learning (самообучение) - подход, при котором модели совершенствуются на основе предугадывания недостающих или неразмеченных данных (например, Contrastive Learning в компьютерном зрении); ✅ Meta-learning (обучение обучению) - алгоритмы вроде MAML позволяют моделям быстро адаптироваться к новым задачам, используя опыт предыдущих решений.

Чем быстрее отрасль внедряет современные решения, тем заметнее сокращаются затраты на энергию. В новых реалиях высокая энергоэффективность - не просто плюс, а обязательное требование для тех, кто хочет оставаться в числе лидеров. ❤️ - если понравился котик на картинке выше.

Как хорошо вы разбираетесь в энергоэффективном AI? Проверьте свои знания в этой сфере перед грядущим постом с помощью викторины! 📌

🫧Прогнозирование времени исполнения программ🫧 🩵 Зачем измерять время выполнения кода? При разработке программ часто возникает необходимость сравнить эффективность разных алгоритмов. Одним из способов подобной оценки является измерение времени выполнения определенных фрагментов программы. Для этого существуют и сложные инструменты, но для быстрой поверхностной проверки достаточно простого подхода с использованием модуля time из стандартной библиотеки Python. 🩵 Как работает time.time()? Функция time.time() возвращает текущее время в секундах с начала "эпохи Unix" (00:00 1 января 1970 года по UTC). Это значение представляет собой число с плавающей точкой, что позволяет измерять интервалы с высокой точностью. Основной принцип измерения: 🫧Зафиксировать время до выполнения кода; 🫧 Выполнить тестируемый код; 🫧 Зафиксировать время после выполнения; 🫧Вычислить разницу между конечным и начальным временем. Пример:

import time

start_time = time.time()
numbers = [i for i in range(1, 1000001)]
end_time = time.time()
print(f" {end_time - start_time:.5f} секунд")
#пример результата:  0.09855 секунд

Что нужно учитывать? 🫧Результаты могут немного отличаться при каждом запуске, но это нормально, так как компьютер одновременно выполняет много задач; 🫧 Для точности лучше проверить несколько раз и взять среднее значение; 🫧 Не сравнивать очень маленькие числа (менее 0.01 сек), так как погрешность будет больше в таком случае. В последствии для более точных измерений можно использовать: ❕ time.perf_counter() — самый точный секундомер; ❕ timeit — специальный модуль для тестирования скорости выполнения небольших фрагментов кода.

⭐ Как T-Bank AI Research "управляет мыслями" искуственного интеллекта? Когда мы задаём ИИ вопрос, он выдает ответ, но как понять, правдивы ли его суждения? Исследователи из T-Bank AI Research придумали, как прочесть "мысли" искусственного интеллекта и даже повлиять них. Они предложили концепцию графа потока признаков - карты, которая показывает, где, когда и как в модели появляются, трансформируются или исчезают важные смысловые элементы. При этом анализ проводится не только между слоями модели, но и внутри самих слоев. Самое главное, что сделать это возможно без переучивания модели и большого количество вычислений. Их метод SAE Match представили на конференции ICML 2025 в Ванкувере. Эта технология может полностью изменить наше взаимодействие с искусственным интеллектом. SAE Match - это как "рентген" для языковых моделей вроде ChatGPT. Он показывает: 🫧Откуда берется информация; 🫧Как она меняется Где она искажается при прохождении через слои нейросети; 🫧Как управлять этим процессом Например, подавить искажения или подредактировать ответ. Почему же это прорыв? 🫧 Не нужно тратить дни и миллионы на донастройку модели, так как изменения вносятся точечно; 🫧 Можно заранее пресечь опасные или ложные ответы; 🫧 Метод работает с уже обученными моделями и не требует сверхмощных серверов. Это немаловажно для небольших компаний. А где такое можно применить? Благодаря этой технологии в чат-ботах станет больше точных ответов, а также будет возможным автоматическое подавление токсичных тем при модерации. ⭐ Исследователи говорят, что это только начало. В будущем такие методы помогут создавать полностью прозрачные ИИ-системы, которым можно доверять в критически важных сферах(от юриспруденции до диагностики болезней 🫢). Звучит просто прекрасно, а вы как думаете?