Open source — July 2026

Публикатор: Petruha Обсуждение: @devops_jobs #резюме #devops #sre #baremetal #llm

Позиция: Platform / Infrastructure Engineer (Middle) Формат: удалённо (нахожусь в Грузии, готов к релокации) Занятость: полная Оформление: обсуждаемо, спокойно принимаю оплату криптой (USDT и др.) Ожидания: обсуждаемо

Обо мне:

Основной инженер production-инфраструктуры enterprise-платформы для 5 клиентов (образование, производство, транспорт): 12 Kubernetes-кластеров, 45 нод, ~10K RPS, uptime 99.85%. Работаю в связке с тимлидом: архитектурные решения принимаем вместе, реализация и эксплуатация на мне, от сборки железа и установки сервера в ЦОДе клиента до GitOps-пайплайнов, бэкапов и on-call.

Ключевое: - Построил внутреннюю LLM-платформу аналитики инфраструктуры с нуля: пайплайн нормализации событий K8s и метрик Prometheus в Qdrant, RAG-слой (Nomic Embed Text v2 + reranker, тюнинг chunk sizing), LLM-based sanity checks на каждом этапе (DeepSeek primary, Gemini fallback). Бенчил llama.cpp, vLLM, Transformers, остановился на Qwen 3.5 на llama.cpp. Автоматические аномалии, графики, новые варнинги за неделю. Перевёл мониторинг с реактивного (только critical) на проактивный: поймали деградирующий диск в проде до отказа. Используется ежедневно.

- Собрал и запустил on-prem кластер у security-sensitive клиента: сам собрал Supermicro-сервер, смонтировал в ЦОДе клиента, вывел в его закрытую сеть через WireGuard.

- Построил внутреннюю систему трекинга полевых работ для 2 enterprise-клиентов (100+ зданий): FastAPI-бэкенд, Grafana-дашборды с картой и автоматической маршрутизацией заявок. Срок решения проблем на объектах сократился с месяцев до недели.

- Развил CI/CD от "одна джоба: build" до полного цикла: линт и тесты до сборки, сборка, интеграционные тесты, деплой через ArgoCD, откат при необходимости. Релизы с еженедельных до ежедневных, ручных деплоев в прод: ноль

- Забрал 25 микросервисов из зоопарка ручных деплоев на VMware-виртуалках и перевёз их на самостоятельно построенные k3s-кластеры: управляемые окружения вместо "у каждого разработчика своя ВМ".

- Нашёл и онбордил полевого инженера для деплоя на кампусе из 55 корпусов, менторил по сетевой инфраструктуре.

- Отвечаю за бэкапы и disaster recovery всех кластеров: PostgreSQL с point-in-time recovery (WAL), репликация в multi-region S3. Восстановление отработано на реальных production-инцидентах.

- После ухода MinIO из open-source мигрировал хранилище на Rook/Ceph: прототип на k3s в AWS (Terraform), после проверки решения раскатил на все продовые bare-metal кластеры.

Стек: Kubernetes (bare-metal, k3s) · Helm · Kustomize · ArgoCD · GitLab CI · Terraform · Ansible · AWS · Selectel · Rook/Ceph · Cilium · MetalLB · WireGuard · Prometheus · Grafana · Loki · VictoriaMetrics · PostgreSQL · MongoDB · ClickHouse · Python · Bash · FastAPI · llama.cpp · vLLM · Ray · Qdrant

Английский: C1

Контакт: @ptruha

ИИ-МОДЕЛЬ ДЛЯ БИЗНЕСА: НА ЧТО ОБРАТИТЬ ВНИМАНИЕ

При выборе ИИ-модели компаниям необходимо оценивать не только ее технические возможности. Не менее важно учитывать лицензионные ограничения, условия коммерческого использования, распределение прав на результаты генерации и рисков в случае претензий правообладателей.

Руководящий юрист BIRCH Иван Галкин рассказывает, на что стоит обращать внимание при выборе открытых и проприетарных ИИ-моделей.

При выборе открытой ИИ-модели важно не проводить автоматическую аналогию с классическим открытым программным обеспечением (open source software), где за десятилетия сложилась понятная система лицензий, в том числе подходящих для неограниченной коммерциализации. Для ИИ-моделей единого подхода пока нет. Даже если модель позиционируется как открытая, доступная для скачивания и развертывания внутри собственного контура, это еще не означает, что ее можно свободно использовать в коммерческих целях.

У ChatGLM, Llama, Skywork, DeepSeek и других моделей условия могут существенно различаться. Поэтому в каждом случае необходимо проверять конкретную лицензию:

🟣 допускается ли коммерческое использование 🟣 можно ли модифицировать и дообучать модель 🟣 как распределяются права на доработанную модель 🟣 предусмотрены ли ограничения для отдельных сценариев использования, включая высокорисковые сферы и обучение других моделей 🟣 не зависит ли бесплатное использование от числа пользователей или других показателей

Отдельный вопрос – права на результаты генерации: тексты, изображения и программный код. Условия многих открытых и проприетарных моделей предусматривают, что права на результат принадлежат пользователю. Однако сначала необходимо определить, является ли такой результат охраняемым объектом интеллектуальной собственности.

В российском праве авторско-правовая охрана связана с творческим трудом человека. Поэтому указание в пользовательском соглашении на принадлежность результата пользователю само по себе не гарантирует, что у компании возникнут исключительные права, особенно если материал был создан моделью практически автономно.

Если компания планирует коммерчески использовать ИИ-контент, важно сохранять подтверждения участия человека в его создании: историю промптов, промежуточные версии, редактуру и другие материалы, отражающие творческий вклад.

Таким образом, до внедрения модели целесообразно определить, для каких задач она будет использоваться, какие результаты будет создавать, какие ограничения предусмотрены лицензией и кто несет риски, если сгенерированный контент нарушит права третьих лиц.

💬 Подробнее.

Если в вашей компании уже используют ИИ в продуктовых или маркетинговых процессах – вопрос о правах на результат рано или поздно возникнет. Обсудить вашу ситуацию можно с Екатериной Тиллинг, партнером и главой IP и IT практики BIRCH: [email protected]

#ЭкспертныйКомментарий #ИнтеллектуальнаяСобственность #ИскусственныйИнтеллект

Cybersecurity Application Security Engineer Rivian, Belgrade

Rivian is on a mission to keep the world adventurous forever. This goes for the emissions-free Electric Adventure Vehicles we build, and the curious, courageous souls we seek to attract.

Responsibilities:

🌸Vulnerability Management: Review source code and application architectures to identify and communicate security vulnerabilities to development teams. 🌸Supply Chain Security: Drive the adoption of Software Bill of Materials (SBOM) to provide visibility into the software supply chain and ensure license compliance and vulnerability tracking. 🌸3rd Party Risk Mitigation: Implement and manage automated Software Composition Analysis (SCA) to identify and remediate vulnerabilities in open-source and third-party libraries. 🌸CI/CD Pipeline Security: Develop and support automated security tooling and agentic security workflows within CI/CD pipelines to streamline vulnerability triage, third-party scanning, and threat modeling. 🌸Remediation Support: Work closely with the penetration testing team to identify and implement remediations for identified security vulnerabilities. 🌸Threat Response: Support the implementation of security configurations and countermeasures based on emerging threats and industry trends.

Qualifications:

💦Experience: 4+ years of application security experience. 💦Technical Proficiency: Proficiency with GraphQL, AWS, React, Java, Node.js, Python, and containerization technologies like Docker and Kubernetes. 💦Vulnerability Expertise: Hands-on experience with reviewing and remediating common SAST and SCA vulnerabilities. 💦Automation: Strong hands-on coding or scripting skills (e.g., Python, Go) for building security utilities and automation. 💦Soft Skills: Strong problem-solving and decision-making capabilities.

Apply

#engineer #serbia

Ghost-Downloader-3 Ghost Downloader 3 is a modern, open-source, cross-platform download manager built with Python and Qt. It combines high-speed multithreaded downloads, broad protocol support, and a clean Fluent Design interface to deliver a fast, flexible…

Product Designer (AI-native)

Мы ищем сильного продакт-дизайнера, способного быстро погружаться в задачу, исследовать разные направления и доводить решение от пользовательского сценария и визуальной концепции до качественного интерфейса и готовой реализации на фронтенде.

Чем предстоит заниматься: — Создавать концепции цифровых продуктов и сервисов. — Работать над пресейл-проектами и внутренними продуктовыми инициативами. — Проектировать пользовательские сценарии и интерфейсы. — Исследовать разные концептуальные и визуальные направления и находить оптимальное решение. — Доводить дизайн до готовой реализации на фронтенде, которую можно передавать в дальнейшую разработку и выводить в продакшен. — Работать вместе с дизайнерами, аналитиками, разработчиками и AI-инженерами.

Мы ожидаем: Обязательно — Сильное портфолио цифровых продуктов. — Опыт работы минимум в одной из сфер: Fashion, FoodTech, eCommerce или FinTech. — Сильные навыки UX- и UI-дизайна: от проектирования пользовательских сценариев до качественной визуальной проработки интерфейса. — Отличное владение Figma. — AI-native подход к работе: использование AI для исследований, поиска и развития идей, работы с интерфейсами, кодом и визуальным контентом. Для нас важен не конкретный набор AI-инструментов, а то, как они встроены в ваш рабочий процесс и какой результат помогают получить.

Будет плюсом — Опыт работы с готовыми open-source дизайн-системами и библиотеками компонентов, например shadcn/ui. — Базовое владение Git. — Навыки Motion Design или 3D. — Опыт работы в агентстве или продуктовой компании.

Что мы предлагаем: — Работу над цифровыми продуктами для крупных компаний. — Участие в создании новых AI-first продуктов и сервисов. — Команду сильных дизайнеров, разработчиков и AI-специалистов. — Возможность влиять на визуальный уровень проектов и процессы команды. — Конкурентную заработную плату. — Гибкий формат работы.

Как откликнуться: Пришлите: — ссылку на портфолио; — несколько слов о себе; — ссылку на LinkedIn, если есть; — примеры релевантных проектов; — AI-инструменты, которые вы используете, и несколько примеров того, как именно они встроены в ваш рабочий процесс.

Мы рассматриваем кандидатов только с портфолио. Нам особенно интересны проекты, где виден весь путь работы: от концепции и пользовательского сценария до сильного визуального решения и работающей реализации на фронтенде.

Контакт: @kvasovadasha

Ghost-Downloader-3

Ghost Downloader 3 is a modern, open-source, cross-platform download manager built with Python and Qt. It combines high-speed multithreaded downloads, broad protocol support, and a clean Fluent Design interface to deliver a fast, flexible, and efficient downloading experience across desktop and Android.

🔗 Links: - Download - Screenshots - Features - Source code

Developer: XiaoYouChR

❤️ Support the Project

If this project makes your life easier, here are a few quick ways to show some love: ⭐️ Star the repo/app ☕️ Buy a coffee for the developer 🛠 Contribute code, issues, or pull-requests

tags: #Android #Windows #Mac #Linux #DownloadManager #bittorrent

Ollama построила свою репутацию на локальном ИИ.

Запускайте модели на собственном железе: без облака, без подписок, с полным контролем над опенсорсными LLM.

Но теперь от этого позиционирования постепенно отказываются.

Самые новые и обсуждаемые модели сначала появляются в Ollama Cloud – и, похоже, остаются там навсегда.

Kimi K3 пока недоступна локально? Допустим, модель только вышла. Но Kimi K2.5 доступна уже больше шести месяцев и до сих пор работает только через облако.

Это уже не задержка. Это стратегия.

Паттерн очевиден: новые популярные модели придерживают ради продвижения облачных подписок, а старые выпускают для локального запуска, чтобы сохранить репутацию опенсорсного проекта.

Это классическая подмена условий, которую опенсорсное сообщество давно научилось распознавать.

Сначала – бесплатно и локально, чтобы набрать пользовательскую базу. Затем лучшие возможности постепенно переносят за пейволл.

Ценность локального ИИ как раз в том, что он не зависит от чужих серверов, ценовой политики или доброй воли конкретной компании.

Ollama, которая ограничивает доступ к моделям ради продажи подписок, – это просто ещё один облачный провайдер, только с дополнительными шагами.

Экосистеме локального ИИ нужна серьёзная альтернатива, которая действительно придерживается принципа local-first.

@linuxos_tg

Ministack: Free, open-source local AWS emulator - 55+ services, Terraform compatible, real databases. Free forever. MIT licensed.

https://github.com/ministackorg/ministack

awesome-ai-seo

Каталог open-source скриптов, AI SEO-платформ, библиотек промптов и инструментов для генерации контента.

⭐️ Stars: 274

➡️ Cсылка на GitHub

📱 @git_developer

🔍 Cisco flags active exploitation of FMC static credential flaw

Cisco says CVE-2026-20316, a high-severity issue in Secure Firewall Management Center, is being exploited in the wild. The flaw stems from built-in static credentials for a low-privilege account, allowing remote unauthenticated access to affected systems. Hotfixes were released for FMC 7.0, 7.2, 7.4, 7.6, 7.7, and 10.0 in the Cisco advisory.

The issue matters because Cisco rates the access path as chainable with other FMC flaws for privilege escalation. A shared IOC, /var/tmp/license.tmp in /var/log/messages, gives defenders a concrete triage point, while internet-exposed management interfaces remain the clearest risk reducer.

🛰️ Open sources - closed narratives @sitreports

🔍 Exchange OWA zero-day used for persistent mailbox compromise

Proofpoint says the Russian-linked group Laundry Bear/Void Blizzard exploited CVE-2026-42897, an XSS flaw in Outlook Web Access, to deliver the OWAReaper backdoor via crafted emails opened in the reading pane. The malware runs in-browser, removes exploit content from the message, harvests account data, and abuses GetClientAccessToken plus mailbox permission changes to maintain access.

The key operational detail is persistence at the server side: restoring a workstation or rotating the victim’s credentials may not cut access if folder permissions and OAuth paths remain intact. The campaign targeted government and multiple private sectors in the US and Europe.

🛰️ Open sources - closed narratives @sitreports

RealCost XAU Session Cost Snapshot MT5 est un script open source pour MetaTrader 5 destiné à vérifier le symbole du graphique avant lancement d’un backtest, en particulier sur XAUUSD, GOLD et variantes dépendantes du courtier.

Il produit un rapport et peut écrire un CSV clé/valeur avec : Bid/Ask, spread en points, décimales et taille du point, taille/valeur du tick, taille de contrat, lots min/max/pas, stop level et freeze level, swaps long/short, modes de négociation, d’exécution et d’ordres, devises de profit et de marge, ainsi que solde, equity, devise et levier.

Intérêt principal : les différences de spécifications (nom, contrat, tick, volume step, stops, freeze, spread, commissions, heure serveur) peuvent rendre non comparables des résultats du Strategy Tester entre courtiers.

Limites : aucun trading, aucune modification d’ordres, pas de DLL ni WebRequest. Instantané unique, s...

👉 Lis ça | AlgoBook | @mql5fr

ВАКАНСИЯ: IT-директор 📍 Удалённо | российская инжиниринговая компания 💰 400 000 ₽ gross + квартальная премия Роль для человека, который умеет не только формировать IT-стратегию, но и самостоятельно погружаться в инфраструктуру, внедрения и автоматизацию бизнеса. Здесь нужен практикующий IT-директор для компании среднего масштаба, где стратегия быстро превращается в конкретные операционные задачи. ⚙️ Ключевая задача: Развитие и управление IT-контуром компании: инфраструктура, корпоративные системы, подрядчики, бюджет и внедрение AI-инструментов. 🧠 Требования: — Опыт построения self-hosted инфраструктуры на Kubernetes. — Уверенное знание Linux и Open Source. — Опыт работы с мультдоменной инфраструктурой и VPN. — Опыт внедрения 1С ERP и Битрикс24. — Координация нескольких подрядчиков и команд — от 5 одновременно. — Опыт управления IT-бюджетом. — Реальные кейсы внедрения AI и LLM: RAG, ассистенты, автоматизация процессов. — Опыт работы в компаниях среднего бизнеса численностью 50–200 сотрудников. — Готовность совмещать стратегические задачи с операционной работой. Это роль для руководителя, который умеет держать IT-функцию целиком и не ограничивается презентациями и постановкой задач подрядчикам. 💼 Условия: — Полностью удалённый формат. — Доход 400 000 ₽ до вычета налогов. — Квартальная премия. 📩 Контакты: — Telegram: @ivanjo89 — Телефон: +7 977 706-83-82 — [email protected]

Android

Jetpack Compose исполнилось пять лет. С момента выхода версии 1.0 в июле 2021 года декларативный UI-фреймворк прошёл путь от экспериментального инструмента до основного способа создания интерфейсов для Android. По данным Google, Compose уже используется более чем в 68% из тысячи самых популярных приложений. За это время Compose вышел далеко за пределы смартфонов: сегодня он применяется на Wear OS, Android TV, в виджетах Glance и интерфейсах для умных очков. Фреймворк получил Material 3 Expressive, адаптивные API FlexBox, Grid, MediaQuery и Styles, а актуальной версией стала Compose 1.11. Главное изменение впереди: Google объявила Android-разработку Compose-first. Все новые UI-возможности будут создаваться прежде всего для Compose, тогда как классический Views Toolkit переходит в режим поддержки. Фактически эпоха XML-разметки и findViewById постепенно подходит к концу.

• Как R8 в два раза ускорил работу корутин Kotlin на Android • Happy 5th Birthday Compose • KotlinLLM is Going Open Source • How Senior Android Developers Review Pull Requests?

Junior/Middle ML-инженер/Python разработчик [SmartDocs] #удаленка #junior #middle Компания: МТС

☑️Чем предстоит заниматься -Проектировать микросервисы и API (REST/gRPC); -Создавать RAG и AI-агенты: разрабатывать системы генерации ответов на основе документов, цепочек рассуждений и логики Tool Calling (LangChain/LangGraph/LlamaIndex); -Работать с данными и текстом: парсинг, очистка и чанкинг текстов, извлечение сущностей (NER), классификация, реализация гибридного семантического и полнотекстового поиска; -Проектировать базы данных: работать с реляционными (PostgreSQL), векторными (Qdrant/Milvus/pgvector) и графовыми (Neo4j) базами под задачи GraphRAG; -Заниматься оптимизацией производительности, покрытием кода тестами (Pytest), написанием асинхронного кода на Python (FastAPI/Django); -Проводить code review и контейнеризацию приложений (Docker).

☑️Что мы ожидаем -Опыт коммерческой разработки на Python от 2 лет для выпускников профильных факультетов ведущих вузов (МФТИ, НИУ ВШЭ, МГУ, ИТМО, МГТУ им. Баумана, СПбГУ, МИФИ) или от 3 лет для кандидатов с другим образованием; -Уверенное знание Python, асинхронного программирования, веб-фреймворков (FastAPI) и принципов проектирования микросервисной архитектуры (REST, Swagger, gRPC); -Практический опыт работы с LangChain, LlamaIndex, LangGraph, современными LLM (GPT, open-source модели) и фреймворками для создания AI-агентов; -Опыт обработки и классификации документов различных форматов (PDF, сканы), извлечения сущностей (NER, гибридный поиск) с использованием Transformers, BERT, SpaCy, Natasha; -Опыт работы с реляционными БД (PostgreSQL), NoSQL/кэшированием (Redis), векторными БД (Qdrant/Milvus/pgvector) и графовыми системами (Neo4j); -Опыт работы с брокерами сообщений (RabbitMQ, Kafka); -Владение инструментами контейнеризации и CI/CD (Docker, Git, S3); -Понимание полного жизненного цикла разработки ПО (SDLC); -Опыт работы по ТЗ с чтением схем (UML, BPMN).

Откликнуться

Python Job в Telegram | в VK | в Max

⚡️Альянс по защите и конторлю ИИ-агентов

NVIDIA, Microsoft, CrowdStrike, IBM и еще полсотни компаний экстренно сколотили Open Secure AI Alliance. Их цель - создать единый стандарт безопасности для контроля над нейросетями.

Триггером для создания альянса стал недавний инцидент с OpenAI и Hugging Face. ИИ буквально провернул многоступенчатую целевую атаку без участия оператора. Hugging Face пришлось поднимать локальную открытую модель GLM 5.2, чтобы просто расшифровать логи инцидента.

Что теперь будут делать корпорации? Альянс понял, что проблема не в самой языковой модели, а в её обвязке - исполняющем контуре, который дает агенту доступ к терминалу, браузеру и файлам. Ошибка в правах доступа - и агент спокойно сливает коммерческую тайну или сносит базы данных.

🔍Участники альянса уже выпускают первые инструменты: 🟦NVIDIA открыла среду на Python для создания агентов, где их действия можно хоть как-то отслеживать и ограничивать. 🟦Microsoft пиарит свою систему MDASH, которая с помощью роя из сотни микро-агентов автоматически ищет уязвимости в коде. 🟦SpaceXAI выпустила опенсорс Grok Build - консольного ИИ-кодера, которого можно запустить локально и поковырять под капотом.

🦔CyberYozh

На OpenRouter приехала Voyage AI, сразу шесть моделей: текстовые эмбеддеры voyage-4-large, voyage-4 и voyage-4-lite, мультимодальная voyage-multimodal-3.5 и два реранкера, rerank-2.5 и rerank-2.5-lite.

Voyage занимается только поиском, эмбеддингами и реранкерами, больше ничем, а с февраля 2025 года принадлежит MongoDB. Для OpenRouter это первый профильный поисковый вендор в каталоге. Эмбеддинги там вообще появились недавно, осенью 2025, и до сих пор были попутным продуктом больших лабораторий вроде OpenAI, Google и Mistral либо опенсорсом.

По самой серии Voyage 4, вышедшей в январе: контекст 32 тысячи токенов, размерность вектора выбирается из 2048, 1024, 512 и 256, есть квантование вплоть до бинарного, а у флагмана внутри MoE, для эмбеддингов вещь редкая. Все модели серии живут в одном векторном пространстве, поэтому базу можно проиндексировать старшей моделью, а запросы гонять через lite и не переиндексировать ничего при смене модели. На собственном бенчмарке RTEB старшая обходит Gemini Embedding 001 на 3,87%, Cohere Embed v4 на 8,2% и OpenAI text-embedding-3-large на 14,05%, но замеры авторские.

Цены совпадают с прямыми у Voyage, наценки OpenRouter не берёт: 0,12 $ за миллион токенов у large, 0,06 у обычной и 0,02 у lite.

@neuro_channel

🚀 Important AI Terms You Should Know

🅰️ A — Agentic AI  ✅ AI systems that can reason, plan, use tools, make decisions, and execute multi-step tasks autonomously to achieve a goal.

🅱️ B — Bias  ✅ Unfair or inaccurate behavior in an AI model caused by biased training data or model design.

🅲 C — Claude Code  ✅ An AI-powered coding assistant designed to help developers understand codebases, write code, debug applications, refactor projects, and automate software development tasks.

🅳 D — Dataset  ✅ A collection of data used to train, validate, or test AI models.

🅴 E — Embeddings  ✅ Numerical vector representations that capture the meaning of text, images, or other data for semantic search and retrieval.

🅵 F — Fine-Tuning  ✅ Training an existing AI model on additional data to improve performance for a specific task or domain.

🅶 G — Generative AI  ✅ AI that creates new content such as text, images, audio, video, or code.

🅷 H — Hallucination  ✅ When an AI model generates information that sounds convincing but is incorrect or unsupported.

🅸 I — Inference  ✅ The process of using a trained AI model to generate predictions or responses.

🅹 J — JSON  ✅ A lightweight data format commonly used for exchanging information between AI applications and APIs.

🅺 K — Knowledge Base  ✅ A collection of documents or information that AI systems can retrieve and use to answer questions.

🅻 L — Large Language Model (LLM)  ✅ An AI model trained on massive amounts of text to understand and generate human-like language.

🅼 M — Multimodal AI  ✅ AI that can understand and generate multiple types of data such as text, images, audio, and video.

🅽 N — Neural Network  ✅ A machine learning model inspired by the human brain that learns patterns from data.

🅾️ O — Open-Source Model  ✅ An AI model whose weights or code are publicly available for developers to use and customize.

🅿️ P — Prompt  ✅ The instruction or input provided to an AI model to generate a response.

🆀 Q — Quantization  ✅ A technique that reduces model size and memory usage, making AI models faster and more efficient to run.

🆁 R — RAG (Retrieval-Augmented Generation)  ✅ A technique that combines an LLM with external knowledge to produce more accurate and up-to-date responses.

🆂 S — Semantic Search  ✅ A search method that finds information based on meaning rather than exact keyword matches.

🆃 T — Token  ✅ The basic unit of text that an AI model processes during training and inference.

🆄 U — Unstructured Data  ✅ Data without a predefined format, such as emails, PDFs, images, audio, and videos.

🆅 V — Vector Database  ✅ A database optimized for storing and searching embeddings used in RAG and AI applications.

🆆 W — Workflow  ✅ A sequence of steps that an AI system or AI Agent follows to complete a task.

🆇 X — XAI (Explainable AI)  ✅ Techniques that help humans understand how AI models make decisions.

🆈 Y — YAML  ✅ A human-readable configuration format commonly used in AI tools, workflows, and application settings.

🆉 Z — Zero-Shot Learning  ✅ The ability of an AI model to perform a task without being specifically trained on examples of that task.

📌 Double Tap ❤️ For More

📚 Бесплатный учебник по теории игр - 578 страниц

Game Theory от Giacomo Bonanno — большой open-source учебник по некооперативной теории игр.

Внутри:

* основы теории игр и стратегического взаимодействия; * равновесия и принятие решений; * 165 задач с решениями; * 163 иллюстрации; * материал на стыке математики, экономики и Computer Science.

Хорошая база для тех, кто занимается ML, Multi-Agent Systems, математикой и алгоритмами.

📖 Скачать PDF: https://arxiv.org/pdf/1512.06808

#GameTheory #Mathematics #Statistics #Probability #MachineLearning

🤓Підготували для вас чергову добірку корисної інформації для вашого розвитку з різних напрямків👇

➡️Каталог open-source проєктів  Платформа з великою кількістю open-source проєктів, де учасники спільноти публікують свої роботи. Ви можете використовувати готові рішення або долучитися до їх розробки.

➡️Meilisearch Надшвидкий пошуковий рушій з REST API, який легко інтегрується в сайти та застосунки для реалізації миттєвого пошуку. Підтримує пошук із виправленням помилок, фільтри, фасети, синоніми, геопошук і гібридний семантичний пошук. Встановлюється одним бінарним файлом або через Docker, має SDK для більшості мов програмування, підтримує шардинг і інтеграцію з LangChain та MCP для AI-сценаріїв.

➡️База знань з Java Це навчальний портал, де детально розібрані ключові теми мови:синтаксис, ООП, колекції, винятки, введення-виведення, багатопоточність та багато іншого.

➡️practical-tutorials/project-based-learning Репозиторій, у якому зібрані гіди з акцентом на реальні проєкти замість сухої теорії — усе можна реалізувати з нуля Всередині — десятки ідей для практики, проєкти різного рівня складності, приклади на C++ і C#, а також задачі з роботою з файлами, мережею, графікою та багатопоточністю.

➡️Швидко опановуємо синтаксис популярних фреймворків Сервіс дозволяє наочно порівнювати синтаксис React, Vue, Svelte та Angular, щоб швидше розібратися з новим фреймворком.

➡️Crack Every Interview with Real-Time AI Assistant Інструмент допомагає проходити онлайн-співбесіди, пропонуючи підказки в режимі реального часу. AI аналізує розмову, враховує контекст і пропонує варіанти відповідей навіть на складні запитання.

Продуктивного перегляду!😎  #корисно #розвиток #tech

👉Всі наші платформи | Масонська ложа😎 | Вакансії

#typescript

OpenWork is a free, open-source app for sharing AI workflows across macOS, Windows, and Linux. You can use the same skills, plugins, and connected services in different AI agents, so work you set up once is easy to reuse and share. The main benefit is saving time and keeping tools consistent for you, your team, and your devices, while the admin tools help larger groups manage access and shared connections.

https://github.com/different-ai/openwork

Omniget

OmniGet is an open-source, all-in-one desktop application for downloading, organizing, and studying online content. It combines a powerful media downloader with a built-in course player, PDF/EPUB reader, music library, and productivity tools—allowing you to learn, watch, read, and manage everything from a single, privacy-focused interface.

🔗 Links: - Download - Screenshots - Features - Source code

Developer: tonhowtf

❤️ Support the Project

If this project makes your life easier, here are a few quick ways to show some love: ⭐️ Star the repo/app ☕️ Buy a coffee for the developer 🛠 Contribute code, issues, or pull-requests

tags: #Windows #Linux #Mac #DownloadManager #MediaDownloader #Study

VM-ный миф № 5: некоторые уязвимости инфраструктуры можно вообще не устранять. Сейчас на Западе очень популярна тема Вульнпокалипсиса (Vulnpocalypse). Этот термин обозначает ситуацию, когда скорость обнаружения уязвимостей и появления эксплойтов для них начинает значительно превосходить скорость выпуска обновлений безопасности вендорами ПО и скорость установки этих обновлений их клиентами. В принципе, это уже сейчас похоже на правду: количество CVE растёт настолько быстро, что NVD отказались от анализа всех CVE. Microsoft Patch Tuesday вырос примерно со 100 исправляемых уязвимостей в месяц до 500+. Аналогично, каждый месяц обновляются рекорды по числу уязвимостей в отчётах Linux Patch Wednesday.

Причиной этого обычно называют развитие технологий искусственного интеллекта. И с этим можно отчасти согласиться: ИИ действительно значительно упростил поиск уязвимостей и разработку инструментов для их эксплуатации. Но, на мой взгляд, настоящая причина такого количества уязвимостей - не в ИИ, а в качестве ПО. Десятилетиями вендоры ПО писали ОЧЕНЬ плохой код. Их цель была одна - реализовать как можно больше фич за наименьшее время и наименьшие деньги. Если разработку можно было отдать на аутсорс в страны с максимально дешёвой рабочей силой и низкой культурой разработки - её отдавали. Если можно было взять бесплатный код, непонятно кем написанный и выложенный в открытый доступ (я про open source) - его использовали. В результате мы имеем то, что имеем: огромное количество уязвимостей в этом коде.

Раньше это было не так заметно, т.к. скорость прироста выявленных уязвимостей ограничивалась возможностями специалистов-ресёрчеров. А они в первую очередь искали уязвимости там, где за это платили. Как только это ограничение начало сниматься благодаря ИИ-сервисам, уязвимости начали массово проявляться. 😏 Есть основания полагать, что с развитием ИИ-инструментов темпы роста обнаруживаемых уязвимостей будут только расти.

С ростом количества уязвимостей растёт и количество обновлений, которые необходимо тестировать и устанавливать в инфраструктурах. Обновлений будет МНОГО, гораздо больше, чем было раньше. И выходить они будут ещё чаще. Сложившаяся ситуация - это плата за то, что вендоры софта могут писать плохой код, лепить из него продукты, а затем годами выпускать бесконечные заплатки для этих продуктов. А компании-клиенты готовы такие продукты покупать и использовать. 🤷‍♂️

При этом имеет место довольно занимательная ситуация. Покупать продукты клиенты готовы, а выполнять рекомендации вендоров ПО по устранению уязвимостей в купленных продуктах (устанавливать обновления, менять конфигурацию и применять другие меры защиты) они НЕ ГОТОВЫ. И ищут "индульгенции", чтобы этого не делать.

И находят! 🙂 Есть Vulnerability Management (Exposure Management)-вендоры, которые в своём маркетинге транслируют, что "нужно устранять только 1-3% уязвимостей". Только купите их решение, и они вам этот минимальный список уязвимостей покажут. 🔮 Это, конечно, безответственное шарлатанство...

[ Читайте полностью в посте на сайте avleonov.ru ]

➡️Ⓜ️ MAX | @avleonovrus #VMmyth #VMprocess #ExposureManagement #VulnerabilityRemediation #Remediation #PatchManagement #Prioritisation #CVE #NVD #EPSS #VulnerabilityResearch #AI #SecureByDesign #Gartner #OpenSource #SoftwareQuality

Стандарт должной осмотрительности в сделках M&A с ИИ-активами

При приобретении ИИ-активов покупателю важно соблюсти стандарт должной осмотрительности, если он планирует использовать заверения продавца в качестве средства распределения ИИ-рисков.

Однако если говорить о сделке M&A с бизнесом, в основе которого лежит ИИ-система, в которую интегрирована сторонняя модель (а таких случаев абсолютное большинство), вопрос стандарта осмотрительности довольно сложен.

С одной стороны, очевидно, что ИИ-технология заведомо сопряжена с высокими рисками, вероятность выявления которых велика, а возможности их реальной митигации практически отсутствуют. С другой — покупателю в случае спора по недостоверным заверениям необходимо обосновать, что он предпринял все зависящие от него меры, чтобы собрать необходимую информацию, а если таковая не была ему предоставлена — доказать это обстоятельство, как и то, что у него отсутствовала самостоятельная возможность получить необходимые сведения.

Стандарт осмотрительности в сделках ИИ «сталкивается» с объективным пределом, вне которого риски принимаются покупателем либо распределяются на контрагента по сделке за рамками разумного баланса — если продавец согласится принять излишние риски, — путем релевантных договорных механизмов.

В связи с этим особое значение приобретает проверка самим покупателем всех открытых источников значимой информации в отношении используемой ИИ-технологии. Зачастую для этого достаточно только знать название и версию используемой ИИ-модели. Поэтому если продавец или компания не предоставят никакой иной информации в отношении модели, покупатель не сможет просто так ссылаться на это обстоятельство при доказывании своей осмотрительности.

Важно помнить, что большинство сведений в отношении ИИ-технологий доступны для широкого круга лиц, за редким исключением использования дорогих кастомизированных on-prem моделей.

Такую информацию может публиковать непосредственно разработчик модели, в том числе в отношении закрытых (проприетарных) моделей, вопрос лишь в объеме таких сведений и доступных для распространения артефактов.

Некоторые модели, распространяемые в формате open source, могут даже полностью раскрывать состав датасетов, на которых предобучалась базовая модель. Эти данные доступны также и для покупателя. В этом случае он сможет проверить такой датасет в формате white-box, имея прямой доступ к нему.

Это может иметь значение в ситуации, когда покупатель, поверив такой датасет средствами технической экспертизы, и обнаружив в нем потенциально охраняемый контент или персональные данные третьих лиц, принял решение совершить сделку, «закрыв» риски заверениями продавца о юридической «чистоте» датасетов. Либо если он вообще не сделает техническую экспертизу предобучающего датасета, имея такую возможность, но при этом в будущем будет пытаться компенсировать убытки, опираясь на заверения.

Поэтому в рамках сделки с ИИ-активами большую роль играют данные технической экспертизы и участие команды технических специалистов в том числе на этапе подготовки документов по сделке и согласования защитных механизмов.

Без этих компетенций юристам будет сложно правильно определить весь набор раскрытых сведений в отношении ИИ-модели и связанных с ней артефактов (весов, конфигураций, описания архитектуры и т.п.) для целей проработки механизмов транзакционной защиты покупателя.

Для транзакционной команды продавца такие сведения тоже крайне важны. Он обязан сообщить (раскрыть) покупателю наиболее важные из них, вне зависимости от запроса заверений с его стороны. Это необходимо для соблюдения стандарта объективной добросовестности, требующего предоставить контрагенту по сделке всю значимую информацию, которая может повлиять на его решение совершить сделку.

В тех случаях, когда информация об ИИ-модели и других технологических аспектах будет объективно недоступна, в том числе в публичном поле, покупателю следует это фиксировать.⬇️