Мотивирует написать хороший код

🧠 Microsoft: как люди используют ИИ - сильно зависит от контекста

Microsoft проанализировали 37.5 млн+ диалогов с Copilot и увидели простую, но важную закономерность:

💻 Днём и с компьютера (рабочие часы)
люди чаще спрашивают про:
- продуктивность
- работу и карьеру
- задачи “по делу”

📱 С телефона и поздно ночью
запросы уходят в другое:
- здоровье
- игры
- философия
- личные советы и размышления

Интересно, что со временем Copilot уходит от чисто рабочих сценариев: всё больше запросов становится “повседневными”.
Это намекает на тренд: ИИ постепенно превращается не только в инструмент для работы, а в постоянного помощника по жизни.

⚡️ Полное исслежование: https://www.deeplearning.ai/the-batch/microsoft-study-shows-people-use-ai-very-differently-at-different-times-or-on-different-devices/

💥 eBPF: рентгеновское зрение для production — видим сеть, безопасность и узкие места прямо в ядре Linux

🔥 22 января в 19:00 мск — бесплатный открытый вебинар OTUS
Устали искать причину падения сервиса часами?

На вебинаре покажем настоящую магию eBPF в живых демо.

📌 Что будет:
— Живое демо: ловим сетевые проблемы с Cilium Hubble
— Живое демо: отлавливаем угрозы в реальном времени с Tetragon
— Диагностируем производительность без остановки сервисов
— Архитектура eBPF простыми словами — как это вообще работает

🎯 После вебинара вы сможете:
— Находить узкие места в продакшене без рестартов
— Заменить десятки тяжёлых агентов одним лёгким eBPF-решением
— Видеть инциденты безопасности, которые пропускают традиционные инструменты

👉 Регистрация https://otus.pw/evaor/?erid=2W5zFKAWagp

Вебинар приурочен к старту курса «DevOps-инженер: практики и инструменты», где eBPF и современная наблюдаемость — один из ключевых блоков программы.

Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

🛑💳 Just Fucking Cancel: Умное управление подписками

Этот проект — навык для Claude, который помогает анализировать ваши транзакции и отменять ненужные подписки. Просто загрузите CSV-файл с выписками, и Claude задаст вопросы, чтобы определить, что стоит отменить, а что оставить. Все данные остаются на вашем компьютере, обеспечивая конфиденциальность.

🚀Основные моменты:
- Анализирует ваши транзакции и выявляет повторяющиеся платежи.
- Задает персонализированные вопросы для лучшего понимания ваших нужд.
- Автоматически помогает отменять подписки через браузер.
- Все данные остаются локальными, без загрузки в облако.
- Бесплатный навык при наличии подписки на Claude Pro.

📌 GitHub: https://github.com/rohunvora/just-fucking-cancel

💾 Оперативная память может резко подорожать - аналитики ждут новый скачок цен

Индустриальные аналитики прогнозируют крупный рост цен на оперативную память.

Citibank резко пересмотрел прогноз:
📈 теперь ожидается рост цен на DRAM в 2026 году на +88%
(раньше прогнозировали **+53%**).

Почему так:
Micron прямо заявляет, что дефицит DRAM сохранится даже после 2026.
Даже с запуском новых фабрик компания считает, что сможет закрыть только 50% - 66% спроса клиентов.

Главный драйвер - AI.
ИИ-сервера и ускорители сжирают память тоннами, и это вытесняет обычный рынок.

Дополнительный фактор:
производители памяти переводят мощности на более прибыльные AI/Server чипы, создавая “искусственный дефицит” обычной DRAM и NAND, которые идут в:
- ПК
- ноутбуки
- телефоны
- бытовые гаджеты

Итог для пользователей:
производители ПК уже предупреждают - в 2026 году розничные цены могут вырасти на +15% - 20%.

https://x.com/Beth_Kindig/status/2012612262767321271

🐙 Copilot Spaces - как дебажить issues в разы быстрее

GitHub показали классную фичу - Copilot Spaces. Это буквально “контекстная папка” для ИИ, чтобы он перестал отвечать общими словами и начал реально помогать по проекту.

Проблема, которую решает Spaces:
когда приходит issue, ты сначала тратишь время не на фикc, а на разогрев:
ищешь нужные файлы, смотришь старые PR, читаешь доки, вспоминаешь правила проекта.

Copilot без контекста = бесполезные советы.
Copilot с контекстом = реальный ассистент.

Что такое Space
Это пространство, куда ты собираешь всё важное по задаче:
- конкретные файлы или целый репозиторий
- issue/PR по теме
- архитектурные заметки и правила проекта
- документацию и спецификации

И дальше Copilot начинает:
- понимать структуру проекта
- ссылаться на реальные файлы
- предлагать план фикса без выдумок

Как использовать для дебага
1) Создаёшь Space под конкретный баг
2) Добавляешь issue + важные файлы/доки
3) Просишь Copilot:
“Найди причину, предложи план и минимальный фикс”
4) Дальше можно использовать coding agent, чтобы он подготовил изменения/PR

Итог
Copilot Spaces - это способ превратить дебаг из “поиска контекста” в быстрый разбор:
собрал материалы → получил план → сделал фикс.

Источник: https://github.blog/ai-and-ml/github-copilot/how-to-use-github-copilot-spaces-to-debug-issues-faster/

Почему кубернетизация затягивается? ⚙️

Нестабильные сборки, дрейф конфигураций и неудачные чарты превращают подготовку приложения к Kubernetes в долгий и непредсказуемый процесс.

На вебинаре 23 января в 17:00 разберём, как выстроить воспроизводимый workflow и ускорить запуск приложений в кластере.

Вы узнаете:
— какие данные нужно уточнить до начала работ;
— как оптимизировать билд образов;
— какие практики использовать при подготовке Helm-чартов;
— что проверить при запуске приложения в кластере;
— какие элементы включать в ревью.

Приходите — покажем рабочие подходы, которые помогают сокращать время вывода изменений в продакшен.

👉 Зарегистрироваться
23 января в 17:00 (МСК) | Онлайн

🎁 Все участники получат практический PDF-гайд по ревью кубернетизации.

Жизнь глазами сеньора со стажем 10+ лет

🚀 Закрывается набор на курс «DevOps-инженер: практики и инструменты» в OTUS

Группа стартует 29 января

Успейте пройти вступительное тестирование, подтвердить уровень и забронировать место по спеццене

🎯 Что даёт курс:

- Полный production-ready стек 2025–2026: Docker → Kubernetes + Helm → Terraform + Ansible → GitLab CI/CD → Prometheus + Grafana + Loki + Jaeger + eBPF

- Большой финальный проект с защитой: с нуля разворачиваете отказоустойчивое приложение в Yandex Cloud (бесплатно для студентов) и получаете детальный разбор от экспертов

- Наставники — действующие DevOps из топовых компаний, которые каждый день решают те же задачи, что и вы

- Удобный формат: онлайн-занятия по вт/чт в 20:00, записи навсегда, активный чат группы, код-ревью на каждое ДЗ

👉Пройдите тест прямо сейчас и забронируйте место: https://otus.pw/rzxe/?erid=2W5zFGF79y2

Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

🚀 Подборка репозиториев, которые реально полезно добавить в закладки - от фронтенда до AI/LLM.

Frontend / UI
1) Flexbox Froggy - учим flexbox в формате игры
https://github.com/thomaspark/flexboxfroggy

2) shadcn/ui - топовая база UI-компонентов для React
https://github.com/shadcn-ui/ui

3) 50 Projects in 50 Days - прокачка практикой
https://github.com/bradtraversy/50projects50days

4) Awesome React Components - огромная коллекция компонентов
https://github.com/brillout/awesome-react-components

5) Awesome CSS - всё про CSS, паттерны и идеи
https://github.com/awesome-css-group/awesome-css

AI / Multimodal / LLM
6) LLaVA - Large Language and Vision Assistant
https://github.com/haotian-liu/LLaVA

7) CLIP - contrastive обучение текста и изображений
https://github.com/openai/CLIP

8) Transformers - главная библиотека для SOTA NLP/Multimodal моделей
https://github.com/huggingface/transformers

9) Awesome Multimodal ML - бумаги + репозитории по multimodal
https://github.com/pliang279/awesome-multimodal-ml

10) RAG from Scratch - собрать RAG пошагово и понять как работает
https://github.com/langchain-ai/rag-from-scratch

11) Awesome LLM Apps - подборка production-ready LLM приложений
https://github.com/Shubhamsaboo/awesome-llm-apps

12) LLM Engineer Handbook - гайд по профессии LLM-инженера
https://github.com/PacktPublishing/LLM-Engineers-Handbook

Agents / Tools
13) MCP Python SDK - официальный SDK Model Context Protocol
https://github.com/modelcontextprotocol/python-sdk

ML / CV collections
14) Awesome Machine Learning - curated ML фреймворки и библиотеки
https://github.com/josephmisiti/awesome-machine-learning

15) Awesome Computer Vision - огромная база по Computer Vision
https://github.com/jbhuang0604/awesome-computer-vision

16) AI Engineering Hub (ZenML) - MLOps и инженерная часть AI
https://github.com/zenml-io/zenml

Qwen ecosystem
17) Qwen (Official)
https://github.com/QwenLM/Qwen

18) Qwen Fine-Tuning Examples
https://github.com/QwenLM/Qwen-Finetuning

Reinforcement Learning
19) Spinning Up in Deep RL (OpenAI)
https://github.com/openai/spinningup

20) Reinforcement Learning: An Introduction (Sutton & Barto)
https://github.com/ShangtongZhang/reinforcement-learning-an-introduction

Core DL
21) PyTorch
https://github.com/pytorch/pytorch

Generative AI
22) Awesome Generative AI Guide
https://github.com/steven2358/awesome-generative-ai