DevOps

Coinbase сокращает около 700 человек - это примерно 14% штата. CEO Coinbase Брайан Армстронг объясняет это просто: компания хочет стать меньше, быстрее и эффективнее, потому что ИИ уже позволяет небольшим командам делать то, для чего раньше требовалось больше людей. Coinbase не единственная. Технокомпании всё чаще упаковывают сокращения не только в историю про рынок, но и в историю про AI-native операционку. Похоже, главный эффект ИИ для бизнеса оказался не в красивых демках, а в очень скучной строке P&L: меньше людей, меньше затрат, быстрее выполнение задач. bloomberg.com/news/articles/2026-05-05/coinbase-to-cut-14-of-workforce-citing-volatile-markets-ai

🔥 Продвинутый Rust без учебных игрушек Базу уже прошли? Тогда следующий шаг - production-разработка. На Stepik идет скидка 60% на продвинутый курс по Rust для тех, кто хочет не просто знать синтаксис, а строить реальные системы. Внутри: async, unsafe, gRPC, lock-free, observability, Kafka, NATS, axum, tower, CI/CD и канареечный деплой. Финальный проект - production-ready feed-сервис от архитектуры до релиза. 21 модуль, 84 урока, 400+ проверочных шагов. Если хотите перейти от маленьких Rust-утилит к коммерческой разработке, сейчас хороший момент зайти: https://stepik.org/a/285608/pay

🔥 5 проектов, которые реально прокачают резюме DevOps / Cloud Если хочешь не просто «учил теорию», а показать реальные навыки - вот база, с которой уже берут на работу: Flask + двухуровневая архитектура https://github.com/prashantgohel321/DevOps-Project-Two-Tier-Flask-App Разберёшь деплой, контейнеризацию и базовую инфраструктуру Трёхуровневая архитектура в AWS (EKS + IaC) https://github.com/LondheShubham153/three-tier-eks-iac Практика Kubernetes, Terraform и продовой архитектуры Terraform на Azure https://github.com/piyushsachdeva/Terraform-Full-Course-Azure Полный цикл инфраструктуры как кода под Azure Observability стек (Prometheus + мониторинг) https://github.com/techiescamp/devops-projects/tree/main/04-prometheus-observability-stack Метрики, алерты и понимание что происходит в системе AI + DevOps https://github.com/iam-veeramalla/ai-assisted-devops Event-driven autoscaling (KEDA + GKE) https://github.com/ChimbuChinnadurai/keda-gke-event-driven-autoscaling-demo Первый шаг в MLOps https://github.com/iam-veeramalla/first-mlops-project Сохрани, чтобы не потерять

Microsoft просто не может перестать побеждать 💀

🔥 Лучшие БЕСПЛАТНЫЕ ресурсы по Linux в 2026 году 1. Linux Foundation Training https://training.linuxfoundation.org/training/introduction-to-linux/ 2. Linux Journey https://linuxjourney.com 3. Ubuntu Tutorials https://ubuntu.com/tutorials 4. Red Hat Training Resources https://developers.redhat.com/learn 5. Документация GNU https://gnu.org/manual 6. OverTheWire Bandit (Linux-варгеймы) https://overthewire.org/wargames 7. Книга The Linux Command Line https://linuxcommand.org/tlcl.php 8. MIT Missing Semester (Linux и CLI) https://missing.csail.mit.edu 9. Туториалы по Linux от DigitalOcean https://digitalocean.com/community/tutorials 10. Linux From Scratch https://linuxfromscratch.org 11. Arch Linux Wiki https://wiki.archlinux.org 12. Курс по Linux от freeCodeCamp https://freecodecamp.org/news/tag/linux 13. Linux Survival (интерактивное обучение) https://linuxsurvival.com 14. NDG Linux Essentials https://netacad.com/courses/os-it/ndg-linux-essentials 15. Bash Guide (руководство по Bash) https://tldp.org/LDP/Bash-Beginners-Guide/html

🖥 «Git Pro: от первого коммита до уровня senior» — на Stepik Пятница, 17:58. Вы пишете git push --force. И понимаете, что были не в той ветке. Дальше два сценария. Первый: холодный пот, звонок тимлиду, испорченные выходные. Второй: git reflog, две команды, всё на месте, идёте домой. Разница между этими сценариями - этот курс. Git изнутри. Rebase без страха. Конфликты по алгоритму. Pull Request, code review, защита веток, CI/CD. Три модели ветвления - выберете свою. Скидка 58%, 48 часов: https://stepik.org/course/284799/

👉 Linux - strace: один из самых недооценённых инструментов Он нужен в тот момент, когда приложение падает, не видит конфиг, не может найти библиотеку или ругается на файл, которого “вроде бы нет”. Обычно в такой ситуации начинают гадать: путь не тот, прав не хватает, переменная окружения сломалась, сервис запущен не от того пользователя. Но strace позволяет не гадать. Он показывает, к каким файлам процесс реально обращается во время работы. Не то, что написано в документации. Не то, что вы предполагаете. А то, что программа делает на самом деле. И вот тут часто всё становится очевидно: приложение ищет config не в той директории, лезет за библиотекой по старому пути, не может открыть сертификат или получает отказ из-за прав доступа. Это особенно полезно при отладке сервисов, Docker-контейнеров, странных production-багов и бинарников, у которых нет нормальных логов. Главная идея простая: когда Linux-программа ведёт себя непонятно, сначала посмотри её системные вызовы. https://www.youtube.com/shorts/iRnNQWKozSA

🌟 DOOM на CSS Представлен проект cssDOOM, подготовивший реализацию игры DOOM, использующую для отрисовки только CSS, без применения элемента canvas и WebGL. Всё что выводится на экран, включая спрайты, текстурированные стены, уровни и эффекты, оформлено через стилизованные при помощи CSS элементы <div>, размещаемые в 3D-пространстве при помощи CSS-свойств "transform" и"transform-style: preserve-3d". Игровая логика написана на JavaScript, используя в качестве эталона оригинальный код игры DOOM, открытый компанией id Software. Наработки проекта опубликованы под лицензией GPLv2. https://cssdoom.wtf/

Митап для тех, кто управляет инфраструктурой Selectel собирает сисадминов и тех, кто управляет инфраструктурой на традиционный митап с живыми дискуссиями, интерактивом и нетворкингом. 📅 6 мая, 19:00 📍Санкт-Петербург + онлайн Поговорим про ИИ в управлении инфраструктурой , новые ИИ-инструменты и поделимся своими историями из жизни на открытом микрофоне. Смотрите программу и регистрируйтесь: https://slc.tl/21io9 Реклама. ООО "Селектел-Лаб". erid:2W5zFHGfz5w

10 бесплатных ресурсов, которые светлые головы используют каждый день: must have для IT-специалистов и тех, кто учит ИИ Знаете, что объединяет фаундеров Airbnb, Stripe и Coinbase, аналитиков Goldman Sachs и инженеров из топовых AI-лабораторий? Все они пользуются ресурсами, за которые обычные люди готовы платить десятки тысяч долларов. А по факту эти материалы выложены в открытый доступ и абсолютно бесплатны. Я собрал десятку площадок, без которых сегодня сложно представить серьёзное обучение в IT, машинном обучении и анализе данных. Если вы давно собирались прокачать стек, но не знали, с чего начать, сохраняйте подборку в закладки. 1. Harvard CS50 Тот самый курс по Computer Science, с которого начинают первокурсники Гарварда. По итогу можно получить настоящий сертификат с подписью профессора. База алгоритмов, структур данных, C, Python, SQL и веба, на которой потом выстраивается всё остальное, включая ML. Сайт: cs50.harvard.edu 2. MIT OpenCourseWare Больше 2500 курсов MIT в открытом доступе. Те же лекции, которые слушают студенты, отдающие за обучение под 80 тысяч долларов в год. Внутри есть отличные потоки по линейной алгебре, теории вероятностей и оптимизации, без которых в современный AI заходить почти бесполезно. Сайт: ocw.mit.edu 3. Y Combinator Startup School Тот самый плейбук, по которому YC обучает основателей Airbnb, Stripe и Coinbase. Полезно не только тем, кто запускает свой стартап, но и инженерам, которые хотят понимать, как устроены продуктовые решения и почему ML-команды строят процессы именно так. Сайт: startupschool.org 4. Berkshire Hathaway Letters Ежегодные письма Уоррена Баффетта инвесторам с 1977 года. Хедж-фонды перечитывают их каждый год. Для разработчиков и аналитиков это бесплатный курс по тому, как думать о бизнесе, рисках и долгосрочных решениях. Сайт: berkshirehathaway.com/letters 5. SEC EDGAR Реальная система отчётности, которой пользуется Уолл-стрит. Можно в режиме реального времени смотреть, что покупают и продают крупнейшие фонды и публичные компании. Идеальный датасет для тех, кто строит финансовые модели или тренирует LLM на корпоративных отчётах. Сайт: sec.gov/edgar 6. Stanford Online Курсы Стэнфорда по Computer Science, инженерии и машинному обучению. Те самые лекции, по которым в своё время преподавал Эндрю Ын. Если хочется идти от классической ML-математики к современному deep learning, начинать стоит именно отсюда. Сайт: online.stanford.edu 7. PubMed Central Полный архив медицинских исследований от NIH. Журналы берут по 40 долларов за статью, а здесь миллионы работ доступны просто так. Огромный пласт качественных научных текстов, который часто используют для обучения и оценки биомедицинских LLM. Сайт: ncbi.nlm.nih.gov/pmc 8. World Bank Open Data Все экономические датасеты Всемирного банка. Те же данные, за которые платят аналитики Goldman Sachs. Идеальная песочница для аналитиков, дата-сайентистов и тех, кто хочет потренироваться на реальных временных рядах. Сайт: data.worldbank.org 9. OpenLibrary Бесплатный сервис книг от Internet Archive. Миллионы книг без читательского билета и подписки. Полезно для всех, кто хочет глубоко погружаться в темы, а не ограничиваться обзорными статьями. Сайт: openlibrary.org 10. Project Gutenberg Больше 70 тысяч классических книг полностью бесплатно. От Платона до Толстого. Помимо удовольствия от чтения, это ещё и отличный корпус текстов на разных языках для NLP-экспериментов. Сайт: gutenberg.org Гарвардское образование стоит около 250 тысяч долларов. MBA обойдётся в 200 тысяч. Подписка на Bloomberg Terminal: 25 тысяч в год. Место в Y Combinator забирает 7% вашей компании. А по факту вы только что получили доступ ко всему этому совершенно бесплатно.

🖥 Как устроен Kubernetes Kubernetes-кластер состоит из двух основных частей. Первая - Control Plane. Это мозг системы, который управляет кластером и принимает решения. Вторая часть - Worker Nodes. Это серверы, на которых запускаются контейнеры и реальные приложения. В Control Plane несколько ключевых компонентов. API Server является точкой входа в кластер - через него проходят все команды и запросы. Scheduler выбирает, на каком узле запускать новые Pod. Controller Manager следит за состоянием системы и автоматически восстанавливает сервисы при сбоях. etcd хранит конфигурацию и текущее состояние всего кластера. Worker Nodes выполняют приложения. Pod - это минимальная единица развертывания, внутри которой работают контейнеры. Container Runtime запускает контейнеры на сервере. kubelet является агентом узла и следит за тем, чтобы контейнеры работали как описано в конфигурации. kube-proxy отвечает за сетевое взаимодействие и маршрутизацию трафика внутри кластера. Если упростить, Control Plane управляет кластером, а Worker Nodes запускают контейнеры и приложения. Кластер Kubernetes Control Plane API Server - точка входа в кластер Scheduler - назначает Pod на узлы Controller Manager - поддерживает состояние кластера etcd - хранилище конфигурации и состояния Worker Nodes Pods - минимальная единица развертывания Container Runtime - запускает контейнеры kubelet - агент узла kube-proxy - сеть и маршрутизация https://www.youtube.com/shorts/OtNY1e4LGts

«начните бесплатный пробный период». «введите данные вашей карты»

Венец open-source эволюции: кто-то создал Shreknux - Linux-дистрибутив, полностью посвященный Шреку. Тут все как надо: болотная эстетика, интерфейс в стиле мультфильма и вход в систему через кнопку «Enter the swamp». Не баг, а культурное наследие. Кажется, у нас наконец появился действительно веский повод перейти на Linux. https://archive.org/details/ShrekLinux-x86-64

🐳 Пока все ждали GPT-5.5, DeepSeek без шума обвалил рынок! Никаких стримов, никакого пафоса. Просто вечером китайцы выложили V4 в открытый доступ и пошли спать. А утром индустрия проснулась в новой реальности. В релизе две модели. V4-Pro на 1.6T параметров с 49B активных и V4-Flash на 284B с 13B активных. Обе с миллионом токенов контекста по дефолту. Оба варианта уже качаются с Hugging Face, работают в API и на chat.deepseek.com. Фокус в новой архитектуре внимания: токенная компрессия плюс собственная DeepSeek Sparse Attention. Благодаря этому миллион контекста перестал быть премиум-опцией за конские деньги и стал дефолтом. Весь ваш кодбейс, вся документация, вся история переписки влезают в один запрос и не разоряют. А теперь главное. Независимая Arena.ai уже прогнала модели вслепую. V4-Pro встал третьим среди открытых моделей в агентном кодинге и идёт вровень с GPT-5.4-high и Gemini 3.1 Pro. То есть открытые веса впервые по-настоящему догнали фронтир закрытых лабораторий. Не на бумажке и не в маркетинге, а на реальных запросах пользователей. Отдельно DeepSeek потроллили Anthropic. В треде релиза прямо написано: V4 «бесшовно интегрируется с Claude Code». Вчера у Anthropic вышел пост-мортем про сломанный харнесс, сегодня им предлагают подменить модель и заодно сэкономить. Больно. И вишенка. DeepSeek честно сказали, что Pro сейчас работает на ограниченных мощностях: топовых ускорителей не хватает. Во второй половине года они переезжают на Huawei Atlas 950 SuperPoD и обещают снова уронить цену. Санкции не остановили китайский AI, они просто заставили его пересесть на собственное железо. Итог простой. Вчера миллион токенов контекста был роскошью. Сегодня это стандарт с открытыми весами. А закрытые лаборатории теперь должны объяснить, за что они берут свои деньги. Тестим: https://huggingface.co/collections/deepseek-ai/deepseek-v4https://chat.deepseek.com/ https://huggingface.co/collections/deepseek-ai/deepseek-v4

🐳 Пока все ждали GPT-5.5, DeepSeek без шума обвалил рынок! Никаких стримов, никакого пафоса. Просто вечером китайцы выложили V4 в открытый доступ и пошли спать. А утром индустрия проснулась в новой реальности. В релизе две модели. V4-Pro на 1.6T параметров с 49B активных и V4-Flash на 284B с 13B активных. Обе с миллионом токенов контекста по дефолту. Оба варианта уже качаются с Hugging Face, работают в API и на chat.deepseek.com. Фокус в новой архитектуре внимания: токенная компрессия плюс собственная DeepSeek Sparse Attention. Благодаря этому миллион контекста перестал быть премиум-опцией за конские деньги и стал дефолтом. Весь ваш кодбейс, вся документация, вся история переписки влезают в один запрос и не разоряют. А теперь главное. Независимая Arena.ai уже прогнала модели вслепую. V4-Pro встал третьим среди открытых моделей в агентном кодинге и идёт вровень с GPT-5.4-high и Gemini 3.1 Pro. То есть открытые веса впервые по-настоящему догнали фронтир закрытых лабораторий. Не на бумажке и не в маркетинге, а на реальных запросах пользователей. Отдельно DeepSeek потроллили Anthropic. В треде релиза прямо написано: V4 «бесшовно интегрируется с Claude Code». Вчера у Anthropic вышел пост-мортем про сломанный харнесс, сегодня им предлагают подменить модель и заодно сэкономить. Больно. И вишенка. DeepSeek честно сказали, что Pro сейчас работает на ограниченных мощностях: топовых ускорителей не хватает. Во второй половине года они переезжают на Huawei Atlas 950 SuperPoD и обещают снова уронить цену. Санкции не остановили китайский AI, они просто заставили его пересесть на собственное железо. Итог простой. Вчера миллион токенов контекста был роскошью. Сегодня это стандарт с открытыми весами. А закрытые лаборатории теперь должны объяснить, за что они берут свои деньги. Тестим: https://huggingface.co/collections/deepseek-ai/deepseek-v4https://chat.deepseek.com/ https://huggingface.co/collections/deepseek-ai/deepseek-v4

🗺 Kubernetes Key Commands Map - карта ключевых команд Kubernetes, которую стоит сохранить Если работаешь с Kubernetes, очень легко утонуть в количестве команд. Но на практике чаще всего нужны не сотни команд, а понятная база, которая закрывает основные сценарии каждый день. Эта карта охватывает 7 важных направлений: 1. Управление Pod'ами 2. Управление кластером 3. Управление сервисами 4. Мониторинг ресурсов 5. Работа с namespace 6. Управление deployment 7. Конфигурации и secrets Важно понимать: это не полный список команд Kubernetes. Здесь собраны именно ключевые команды, которые чаще всего нужны в реальной работе - для диагностики, деплоя, проверки состояния и повседневного администрирования. Сохрани себе, если работаешь с DevOps, Cloud или Kubernetes - такая шпаргалка реально экономит время. 54K+ человек уже читают мою рассылку про DevOps и Cloud: https://techopsexamples.com/subscribe 🖥 Полезные Linux ресурсы 🚀 Max @DevOPSitsec

🚀 Ты всё ещё называешь обёртку над ChatGPT «AI-продуктом»? Пока ты пишешь промпты - рынок уже ушёл дальше. Сейчас выигрывают не те, кто умеет красиво формулировать запросы, а те, кто строит агентные системы: - принимают решения сами - ходят в API - работают с Postgres и Redis - управляют браузером через Playwright - доводят задачи до результата без человека И вот правда, о которой мало говорят: 90% таких систем умирают между ноутбуком и продом. Работает локально. Ломается в реальности. Нет архитектуры. Нет устойчивости. Нет деплоя. AI Agents Engineering - курс со Stepik, который закрывает этот разрыв. - LangGraph, AutoGen, Computer Use - архитектура агентов, а не «скрипты на коленке» - LLMOps, логирование, стабильность - деплой в Docker и работа в проде 8 модулей, 120+ шагов, всё через практику. На выходе не «сертификат ради галочки», а: - рабочий production-агент - понимание, как строить такие системы с нуля - навыки, за которые уже платят Сейчас самое окно входа. Через полгода это станет базой, а не преимуществом. Скидка 55% действует ещё 48 часов: https://stepik.org/a/276971/

Можно разрабатывать cloud-приложения… вообще без интернета 🤯 Да, теперь тебе не нужен AWS, чтобы тестировать S3. Появился инструмент - gofakes3 Это лёгкий клон S3, который работает прямо у тебя локально. Что это даёт: • 💸 Ноль затрат никаких счетов от AWS за тесты • 📴 Полностью оффлайн можешь разрабатывать даже без интернета • ⚡ Быстрое тестирование никаких задержек и сетевых лагов Как это используют на практике: 👉 тестируешь загрузку файлов 👉 проверяешь интеграции с S3 👉 гоняешь edge-кейсы без риска И всё это — локально. 💡 Почему это важно Раньше: локальная разработка ≠ прод Теперь: 👉 ты можешь воспроизвести поведение облака у себя 🔥 Особенно полезно если ты: - пишешь backend - работаешь с файлами - строишь SaaS - тестируешь интеграции 🚀 Инсайт Чем больше инфраструктуры ты переносишь локально → тем быстрее ты разрабатываешь И тем меньше платишь. Такие инструменты тихо убивают зависимость от облаков на этапе разработки. github.com/johannesboyne/gofakes3/ 🖥 Полезные Linux ресурсы 🚀 Max @DevOPSitsec

👉 Поднимите приватный инференс на выделенном железе В Selectel сделали поддержку видеокарт в управляемых кластерах Kubernetes на выделенных серверах. Теперь модели можно запускать на отдельном железе: стабильная производительность, изоляция данных и конфигурации под разные задачи. По стоимости — до 40% дешевле, чем использовать ускорители в облачных серверах. Попробуйте сами, на тест дают до 30 000 бонусных рублей: https://slc.tl/bwbx2 Реклама. АО "Селектел". erid:2W5zFGKKZF7