С чего начать и как стать практикующим специалистом по информационной безопасности в конце 2025 года

Недавно вышел пост от Алексея Лукацкого [ https://t.me/alukatsky/13517 ] , где затронул тему того как можно в нынешних условиях развиваться в сфере ИБ. Во многом я с ним согласен, но есть некоторые моменты которые я бы хотел подправить или раскрыть чуть сильнее. Важно понимать что разница между нам в том, что Алексей как он сам сказал окончил вуз 30 лет назад, долгое время работает и хоть и находится долгое время на острие профессии, но все же в моментах может быть далек о того пути что должен пройти студент по специальности иб до практикующего специалиста. Это все лирика. Часто спрашивают, с чего начать в информационной безопасности. Отвечу сразу: пройдя путь от студента до практикующего специалиста, я не могу дать однозначного ответа. И это хорошая новость!

https://habr.com/ru/articles/953350/

#Старт #иб #информационная_безопасность #начало_карьеры #ctf #классификация

Путь к Computer Vision: Чему меня научил простой NLP-классификатор на 5 МБ

Ретроспектива pet-проекта, который стал полигоном для отладки, архитектуры и оптимизации перед более сложными задачами в CV.

https://habr.com/ru/articles/960198/

#python #cnn #классификация #pytorch #квантизация

Как аналитики Авито с помощью ML помогают людям выбирать хорошие авто с пробегом

Привет! Меня зовут Илья Комутков, я старший аналитик в Автотеке Авито — сервисе по проверке истории автомобилей с пробегом. В статье расскажу, как мы улучшаем проверку машин и создаём алгоритм рекомендаций по дальнейшим действиям для покупателей. Текст будет интересен начинающим или middle-аналитикам, которые уже умеют работать с SQL, python, ML, но ещё не решали многоэтапные задачи, влияющие на бизнес, и ищут способы применить свои навыки в работе.

https://habr.com/ru/companies/avito/articles/937610/

#анализ_данных #ml #классификация #автомобили #абтесты #авито #avito #avitotech

ML — курсы vs реальность: Где же обещанные цветочки и единороги?

Привет, хабр! 👋 Позвольте представиться: я - Настя, Data Scientist и TeamLead в одной вполне себе серьезной компании (когда чистишь данные в 3 ночи, чувствуешь себя совсем не серьезно, но это детали). Веду свой скромный телеграм-канальчик , где делюсь болью, радостью и абсурдом нашей необъятной профессии. И вот сегодня хочу вынести на ваш суд тему, которая не дает спать спокойно не только мне, но и многим моим коллегам. Помните тот трепетный момент, когда вы только начинали свой путь в Data Science? Я — очень хорошо. Картинка была радужной: ты — повелитель нейросетей, твои модели творят магию, а бизнес-задачи падают к ногам, поверженные точностью в 99.9% (ну или хотя бы 97%). Курсы, будь то знаменитые онлайн-платформы или университетские программы, учат нас прекрасному: бустинги, метрики, градиентный спуск, SVM, k-means, сверточные слои... Это наш фундамент, наш джентельменский набор. И да, именно за этим набором охотятся 90% рекрутеров на собеседованиях. Создается стойкое ощущение, что я и интервьюер одновременно загуглили «Топ-50 вопросов на DS собеседовании» и теперь ритуально их отрабатываем. Ну, must have, что уж тут. Но потом ты выходишь из уютного мира clean data и идеальных датасетов в дикие джунгли реального проекта. И здесь начинается магия настоящей работы. Та самая, про которую не снимают вдохновляющие ролики. А порой многие именно тут и бросают этот, казалось бы увлекательный и перспективный карьерный путь в мир ML... Читать и обсудить...

https://habr.com/ru/articles/942558/

#курсы #data_science #machinelearning #ml #data_scientist_career #data_scientist #машинное_обучение #стажировка #классификация #хакатон

Лот 254 Аукцион 76-1.

В. И. Чарнолуский, С. М. Ратин. Проект классификации русской литературы по вопросам народного просвещения. Публичная библиотека СССР им. В. И. Ленина, Кабинет народного образования, Москва, 1929. 96 с., 27 см. Мягкая обложка, распадается на тетрадки, неразрезанный экземпляр, обло…

https://ru.bidspirit.com/ui/lotPage/source/search/auction/63486/lot/120492

#Чарнолуский #Ратин #Классификация #Литература #Просвещение #Библиотека #СССР #Ленин #Москва

Какие бывают ароматы? Семейства и их особенности. EVIRY.

Существует классификация ароматов, которую разработал Майкл Эдвардс в 1983 году, которая стала общепринятой. Представил он её только в 1992 году в наглядной форме, в виде «колеса ароматов».

Навигация в мире ароматов, семейства и особенности.

https://eviry.ru/aromaty

#eviry #fragrance #fragrances #аромат #ароматы #знания #знания #исследование #исследования #запахи #парфюм #парфюмерия #дляженщин #длямужчин #наука #духи #классификация

Часть 2. Комплексное решение на практике: система «Джинн»

В данной работе рассмотрены подходы, технологии и результаты практического внедрения системы «Джинн» — комплексной платформы для автоматизации мониторинга, интеллектуальной классификации и маршрутизации обращений граждан с использованием современных технологий искусственного интеллекта. Описываются архитектура решения, основные бизнес-процессы, технические детали интеграции с внешними сервисами, механизмы дообучения моделей и реальные результаты пилотных внедрений. Материал будет полезен IT-специалистам, государственным служащим, интеграторам и руководителям проектов, заинтересованным в практической цифровизации обратной связи с гражданами.

https://habr.com/ru/articles/916066/

#соцсети #цифровизация #nlp #классификация #обращения_граждан #обработка_обращений #автоматизация_общения #федеральный_закон #государственные_органы #гражданин

MVP по «умному» поиску данных

Всем привет, меня зовут Александр, я аналитик в Альфа-Банке. Совместно с командой мы разрабатываем и развиваем платформу для дата-инженеров (DE) и дата-саентистов (DS), именуемую Feature Store. Она даёт возможность коллегам работать с большими данными и упрощает бюрократию жизненного цикла создания ETL и ввода моделей в промышленную эксплуатацию. Но хотелось бы улучшить процесс по поиску данных в ней, так как объёмы информации стремительно растут. Классический поиск выдаёт результаты по точному совпадению, и это не самый удобный вариант, когда данных много. Поэтому нужную информацию, если ты точно не знаешь как найти, невозможно отыскать. Озадачившись этой проблемой, я решил сделать MVP «умного» поиска, который позволяет искать данные/фичи/поля не по точному совпадению, а с учётом смысла. Надеюсь, данная статья поможет показать и пролить свет на вопрос — «А как же ещё бывает?»

https://habr.com/ru/companies/alfa/articles/915012/

#mvp #gpt #ai #feature_store #data_science #datamarket #mlops #токенизатор #классификация

Нейросети без градиентов: спектральное моделирование и построение решений

В статье предлагается альтернативный подход к построению нейронных сетей без использования алгоритма обратного распространения ошибки. Вместо оптимизации весов с помощью градиентов рассматривается прямой спектральный синтез решений, основанный на анализе гармонического содержания сигналов. На примере логических функций XOR, AND и OR показано, как линейные и нелинейные преобразования влияют на спектр входных данных и как эти преобразования можно использовать для ручной сборки нейросетевых структур. Отдельное внимание уделяется роли функций активации как спектральных операторов. В завершение обсуждаются ограничения классического подхода к обучению и обозначаются перспективы использования частотного кодирования, которое будет рассмотрено в следующей статье.

https://habr.com/ru/articles/912320/

#нейросети #xor #сверточные_нейросети #классификация #обучение_без_градиента #функции_активации

Scikit-learn теперь умеет в пайплайны: что изменилось и как работать с библиотекой в 2025 году

Scikit-learn — это одна из основных Python-библиотек для машинного обучения. Её подключают в прикладных проектах, AutoML-системах и учебных курсах — как базовый инструмент для работы с моделями. Даже если вы давно пишете на PyTorch или CatBoost, в задачах с табличными данными, скорее всего, всё ещё вызываете fit , predict , score — через sklearn. В 2025 году в библиотеку добавили несколько важных обновлений: доработали работу с пайплайнами, подключили полную поддержку pandas API, упростили контроль за экспериментами. Мы подготовили гайд, как работать со scikit-learn в 2025 году. Новичкам он поможет собрать первую ML-задачу — с данными, моделью и метриками. А тем, кто уже использует библиотеку, — освежить знания и понять, что изменилось в новых версиях. Почитать гайд →

https://habr.com/ru/companies/netologyru/articles/911216/

#scikitlearn #sklearn #пайплайн #python #pandas #машинное_обучение #machine_learning #ml #классификация #регрессия