DevOps

👩‍💻Эта статья рассказывает, как создать контейнер Docker для приложения на SvelteKit, чтобы упростить развертывание и управление! 🌟 В статье объясняется настройка адаптера Node.js, создание Dockerfile с многоступенчатой сборкой, работа с переменными окружения и советы по оптимизации для продакшена. Также рассматриваются вопросы безопасности, мониторинга и работы с формами. 🔗 Ссылка: *клик* @devopsitsec

⚡️ Teller — универсальный open-source менеджер секретов для разработчиков Теперь вам не нужно покидать терминал, чтобы работать с секретами при разработке, тестировании и развертывании приложений. Забудьте о кастомных скриптах, токенах в .zshrc, командах EXPORT, попавших в историю bash, случайно закоммиченных .env.production и других уязвимостях. Просто подключите Teller к любому хранилищу секретов, ключевому хранилищу или облачному сервису, который используете — он поддерживает HashiCorp Vault, AWS Secrets Manager, Google Secret Manager и многое другое. Используйте Teller для организации конфигурации окружения или внедряйте его как стандартный процесс в команде. 🖥GitHub

✔️Factorio стала новым бенчмарком для ИИ. Factorio привлекла внимание ресерчеров в качестве инструмента для оценки возможностей ИИ. Игра измеряет способность языковых моделей планировать и создавать сложные системы, одновременно управляя ресурсами и производственных цепочек. Для этих целей была разработана среда Factorio Learning Environment (FLE) c двумя режимами: "Lab-Play" (24 структурированные задачи) и "Open Play", где агенты исследуют процедурно сгенерированные карты с целью построить максимально большую фабрику. В процессе тестирования модели взаимодействуют с Factorio через Python API и получают обратную связь через игровой сервер. Оцениваются параметры "Производственный показатель" и достижение ключевых "Вех". Создатели протестировали 6 LLM, включая Claude 3.5 Sonnet и GPT-4o. Результаты показали, что модели испытывают серьезные трудности с пространственным мышлением, долгосрочным планированием и исправлением ошибок. Лучшие результаты у Claude 3.5 Sonnet, которая успешно справилась с 15 из 24 задач в режиме "Lab Play". jackhopkins.github.io ✔️Американцы все чаще считают, что искусственный разум превосходит их интеллект. Исследование, проведенное Университетом Элона, выявило, что почти половина пользователей (49%) полагает, что LLM превосходят их собственный интеллект. Из отчета следует, что женщины чаще мужчин считают LLM "значительно умнее" (30% против 20%), а половина взрослого населения США уже использует языковые модели, лидирует ChatGPT с долей в 72%. Также выяснилось, что большинство пользователей (51%) применяют LLM в личных целях для обучения и планирования, в то время как для работы их используют лишь 24%. 65% пользователей взаимодействуют с ИИ-системами посредством голосовых команд. Несмотря на высокий показатель общей удовлетворенности (76%), значительная часть пользователей сталкивается с проблемами: 23% совершали серьезные ошибки из-за галлюцинаций моделей в ответах, а 21% чувствовали себя манипулируемыми. imaginingthedigitalfuture.org ✔️ReasonGraph: инструмент для анализа ризонинга LLM. ReasonGraph - опенсорсная веб-платформа, разработанная Кембриджским университетом, для визуализации и анализа процессов рассуждений LLM. Она поддерживает как последовательные, так и древовидные методы рассуждений, легко интегрируясь с основными провайдерами LLM и более чем 50 языковыми моделями. Платформа построена на модульном каркасе и имеет выбор метода мета-рассуждения и настраиваемые параметры визуализации. ReasonGraph улучшает обнаружение ошибок в логических процессах и способствует более эффективной разработке приложений на основе LLM. Оценка платформы показала практически 100% точность rule-based XML-парсинга при извлечении и визуализации путей рассуждений. Репозиторий проекта на Github. Демо на HuggingFace. arxiv.org ✔️MEGA mini: концепт архитектуры для универсальных NPU. На конференции по твердотельным схемам (ISSCC) была представлена архитектура MEGA.mini, позиционируемая как универсальный процессор для генеративного ИИ. MEGA.mini использует парадигму Arm big.LITTLE и предлагает использование двухъядерной концепции в NPU. Предполагается, что высокомощные ядра "Mega" будут задействоваться для выполнения ресурсоемких задач, а облегченные ядра "Mini" будут использоваться для рутинных операций. Архитектура разрабатывается как универсальный процессор, в отличие от CPU, чтобы разработчики могли применять его в разных сценариях - от NLP-задач до мультимодальных ИИ-систем. techradar.com ✔️Deepseek R1 671B запустили локально на новом Mac Ultra M3. YouTube-блогер Дейв Ли провел эксперимент по локальному запуску 4-bit версии Deepseek R1 с 671B параметров. Она может работать локально, но требует 512 ГБ RAM, 404 ГБ хранилища и принудительного выделения 448 ГБ видеопамяти через терминал. Несмотря на незначительное снижение точности, скорость инференса составила 17-18 токенов в секунду, при этом энергопотребление находилось в пределах 200 Вт. Для сравнения: ПК с аналогичной производительностью потребовал бы в 10 раз больше электричества. macrumors.com @ai_machinelearning_big_data #news#ai#ml

🔥Better Commits — инструмент для удобного создания структурированных коммитов в Git, который помогает придерживаться лучших практик и использовать стандартизированные сообщения. ▪ Интерактивный процесс — пошаговое руководство по формированию коммитов ▪ Гибкость — поддержка категорий изменений (feat, fix, chore и др.) ▪ Простота — лаконичный интерфейс для быстрого ввода сообщений ▪ Стандартизация — соответствие принципам Conventional Commits 🖥Github

⚡️Как стать DevOps Инженером с Нуля, что учить и в каком порядке 00:00 – 1. Вступление 01:06 – 2. Всевозможные компетенции DevOps инженера 10:35 – 3. Кому проще стать DevOps 15:01 – 4. Что учить по минимуму и в каком порядке 30:04 – 4.1. Основы Network TCP/IP 31:36 – 4.2. Администрирование Windows 34:09 – 4.3. Основы Linux 35:54 – 4.4. Ansible 36:48 – 4.5. Git 37:37 – 4.6. GitHub 38:04 – 4.7. Jenkins 38:23 – 4.8. Docker+DockerHub 38:44 – 4.9. Cloud Platform AWS 42:10 – 4.10. CloudFormation + Terraform 3:25 – 5. Курс DevOps Engineering в JohnBryce, Израиль 49:12 – 6. Как стать профессиональным DevOps инженером 54:24 – 7. Эпилог ✅источник #video#devops#девопс

⚡️Проект, в котором разработчик с нуля создал упрощённый аналог Photoshop на C. Автор делится техническими деталями реализации графического редактора, включая работу с изображениями, интерфейсом и алгоритмами обработки. Архитектура приложения: - Реализация базовых функций: кисти, слои, фильтры. - Алгоритмы для трансформаций (масштабирование, поворот). - Работа с цветовыми каналами и пикселями. 📌Интерфейс: Создание GUI без использования современных фреймворков (на чистом C или с минимальными библиотеками). 📌Оптимизация: Методы ускорения рендеринга и обработки больших изображений. Чем полезна статья? Для разработчиков на C/C++: ▪ Пример создания сложного приложения с графическим интерфейсом на низкоуровневом языке. ▪ Идеи для оптимизации ресурсоёмких операций. Для энтузиастов графики: ▪ Пошаговое объяснение алгоритмов обработки изображений (например, реализация размытия или коррекции цвета). Для всех, кто интересуется legacy-кодом: ▪ Как работать с ограничениями языка C в современных задачах. 🟡Статья 🟡Код @devopsitsec

✅Licensify — это инструмент для управления лицензиями программного обеспечения, разработанный компанией Devpro-Software. ▪ Защита ПО: Проект предоставляет средства для генерации, проверки и валидации лицензионных ключей, что помогает защитить ваш продукт от несанкционированного использования. ▪ Простота интеграции: Licensify легко интегрируется в существующие приложения, предоставляя удобное API для управления лицензиями. ▪ Открытый исходный код: Благодаря открытому коду, разработчики могут адаптировать и модифицировать функционал под свои нужды, улучшая и расширяя возможности системы лицензирования. ▪ Гибкость настройки: Позволяет настраивать параметры лицензирования в соответствии с конкретными бизнес-требованиями, будь то trial-версии, подписки или постоянные лицензии. Licensify интересен разработчикам, которым необходимо быстро и надёжно внедрить механизм управления лицензиями в свои коммерческие приложения, обеспечив защиту и контроль над использованием программного обеспечения. go get github.com/Devpro-Software/licensify ▪Github

⚡️pandas-ai — это open-source библиотека, позволяющая интегрировать возможности искусственного интеллекта в работу с DataFrame библиотеки pandas. ▪ Интеграция ИИ с pandas: Проект позволяет задавать вопросы на естественном языке относительно ваших данных в DataFrame и получать интерпретируемые ответы, используя крупные языковые модели (LLM). ▪ Удобство анализа: С помощью pandas-ai вы можете автоматически получать анализ данных, визуализации и статистические выводы без написания сложного кода. ▪ Гибкость и расширяемость: Библиотека легко настраивается и интегрируется с различными моделями и API, что делает её полезной для быстрого прототипирования и разработки аналитических приложений. Таким образом, pandas-ai интересен разработчикам и аналитикам, которые хотят объединить возможности ИИ с традиционным анализом данных для автоматизации и упрощения рабочих процессов. ▪Github

В этом чит-листе собраны все необходимые сведения: подключение к серверу, управление содержимым баз данных, создание и изменение таблиц, а также основные SQL-команды (SELECT, INSERT, UPDATE, DELETE) и функции для работы с текстом, числами, NULL-значениями и датами. Для тех, кто не очень дружит с английским, оставляю ссылку на сайт — там всё расписано по пунктам, так что при необходимости легко перевести. А ещё, файл без сжатия можно найти в комментариях. https://learnsql.com/blog/postgresql-cheat-sheet/

🌟 EuroBERT: энкодеры нового поколения. Исследовательская группа под патронажем Centrale Supélec (Университет Париж-Сакле) выпустила в открытый доступ EuroBERT — семейство мультиязычных энкодеров, обученных на 5 трлн. токенов из 15 языков, включая русский. EuroBERT сочетает инновационную архитектуру с поддержкой контекста до 8192 токенов, что делает это семейство идеальным для анализа документов, поиска информации, классификации, регрессии последовательности, оценки качества, оценки резюме и задач, связанных с программированием, решением математических задачи. В отличие от предшественников (XLM-RoBERTa и mGTE), EuroBERT объединил GQA, RoPE и среднеквадратичную нормализацию, чтобы достичь беспрецедентной эффективности производительности даже в сложных задачах. Второе немаловажное преимущество EuroBERT - в обучение помимо текстовых данных были включены примеры кода и решения математических задач. Самая младшая модель EuroBERT с 210 млн. параметров показала рекордные результаты: в тесте MIRACL по многоязычному поиску её точность достигла 95%, а в классификации отзывов (AmazonReviews) — 64,5%. Особенно выделяется умение работать с кодом и математикой — в бенчмарках CodeSearchNet и MathShepherd EuroBERT опережает аналоги на 10–15%. ▶️Состав релиза: 🟢EuroBERT-210М 🟢EuroBERT-610М 🟢EuroBERT-2.1В ⚠️ EuroBERT можно использовать непосредственно с transformers, начиная с версии 4.48.0 ⚠️ Для достижения максимальной эффективности, разработчики рекомендуют запускать EuroBERT с Flash Attention 2 ▶️ Пример инференса: from transformers import AutoTokenizer, AutoModelForMaskedLM model_id = "EuroBERT/EuroBERT-210m" tokenizer = AutoTokenizer.from_pretrained(model_id) model = AutoModelForMaskedLM.from_pretrained(model_id, trust_remote_code=True) text = "The capital of France is <|mask|>." inputs = tokenizer(text, return_tensors="pt") outputs = model(**inputs) # To get predictions for the mask: masked_index = inputs["input_ids"][0].tolist().index(tokenizer.mask_token_id) predicted_token_id = outputs.logits[0, masked_index].argmax(axis=-1) predicted_token = tokenizer.decode(predicted_token_id) print("Predicted token:", predicted_token) # Predicted token: Paris 📌Лицензирование: Apache 2.0 License. 🟡Статья 🟡Коллекция на HF 🟡Arxiv 🖥GitHub (Скоро) @ai_machinelearning_big_data #AI#ML#Encoder#EuroBERT

🖥DevPod — это инструмент с открытым исходным кодом, разработанный для создания воспроизводимых и изолированных сред разработки! 🌟 Он использует стандартный файл конфигурации devcontainer.json, что делает его совместимым с DevContainers из VSCode. DevPod позволяет разворачивать среды локально, в облачных провайдерах, на удалённых серверах или в кластерах Kubernetes, предоставляя универсальное решение для разработчиков. Благодаря поддержке нескольких платформ, инструмент обеспечивает единообразие в настройке рабочих пространств независимо от инфраструктуры. 🔐 Лицензия: MPL-2.0 🖥Github @devopsitsec

✅OverAPI - ресурс, где собраны все полезные материалы для разработчиков: — Подробная информация обо всех популярных языках программирования и технологиях; — Данные регулярно обновляются; — Можно кликнуть на любую команду и получить исчерпывающую информацию; — Всё доступно бесплатно и без регистрации. Это настоящий подарок для каждого программиста! https://overapi.com/javascript