⚙️ Переход от монолита к микросервисам: ключевые паттерны

На этой схеме представлены 4 ключевых паттерна, которые помогут упростить переход.

🔸 Strangler Fig Pattern
🔸 Parallel Run Pattern
🔸 Decorating Collaborator Pattern
🔸 Change Data Capture (CDC)

#инфографика

❗️ Что происходит: новости за неделю

📰 «Вести» процитировали статью с ИА «Панорама»⁠⁠

👣 Flutter блокирует разработчиков по национальности

❌ Хабр Фриланс закрывается

📱 На что способна модель o3-mini

🔥 Технологический баттл: OpenAI o3-mini против DeepSeek-R1

Поделитесь другими интересными новостями в комментариях 👇

💌 Как работают приложения для знакомств

Хотя приложения для знакомств могут казаться поверхностными, их внутренняя механика — это сочетание маркетинга, технологий и психологии. И все-таки, чтобы найти подходящего партнера, придется приложить усилия. Читайте статью, чтобы разобраться как работают Dating приложения.

➡️ Что внутри

▪️ Как ранжируют пользователей
▪️ Как работает алгоритм рекомендаций
▪️ Почему retention в таких приложениях важнее всего
▪️ Как монетизируются
▪️ Почему ваши фото играют ключевую роль

Инсайт: Мужчины чаще платят за доступ к лайкам и приоритет в поиске, а женщины — главный ресурс платформы.

📎 Статья

💡 Вы должны писать код «без багов»

Есть два крайних подхода к разработке:

• «Баги — не проблема, главное — быстрее выпускать новые фичи».
• «Нужно покрыть 99.99% кода тестами и добиваться безупречной работы».

Но реальность не черно-белая. Перфекционисты, одержимые процессами, часто не думают о создании продукта. С другой стороны, есть экспериментаторы, которые бесконечно тестируют гипотезы и не заботятся о надежности. Оба подхода ведут к низкому качеству, высокой стоимости разработки и выгоранию команды.

➡️ Почему баланс между двумя подходами не работает?

Можно подумать, что баланс возможен: одна часть команды быстро выпускает фичи, а другая делает код надежным и поддерживаемым. Но это не работает, потому что бизнесу важны только новые фичи, а исправление багов — нет. В результате разработчики, занимающиеся стабильностью, чувствуют себя ненужными. Это происходит даже в крупных IT-компаниях.

➡️ Как писать код без багов?

Всегда пытайтесь писать код правильно, даже когда нет необходимости. При принятии технических решений думайте на несколько шагов вперед, но не слишком далеко. Это поможет выработать навык на подсознательном уровне.

📎 Подробнее в блоге Steve Korshakov, разработчика Telegram и других известных проектов

✏️ Как разработчик анимировал Рика из «Рик и Морти» с помощью кода

8 месяцев назад разработчик опубликовал видео «Как я создал 3D-моделлер на C за неделю». Там была анимация, показывающая алгоритм marching cubes, но её создание в обычной программе для анимации казалось очень сложно. Единственный выход — писать код.

⭐ Что вы узнаете:

• Как создавать анимации кодом.

• Как применять эти трюки для видео, игр, презентаций или просто фана.

• Как освоить marching cubes в лёгком формате.

👉 Ссылка

👩‍💻 Команда Honeypot выпустила очередной документальный фильм — на этот раз про Angular

Если вы не смотрели другие доки, обязательно сделайте это. Ну а сегодня для вас свежая история о взлётах и падениях популярного фреймворка Angular (ранее известного как AngularJS) с участием настоящих звёзд JavaScript.

🍿 Смотреть

#новости

🛠 51к API для разработчиков в одном каталоге

Все публичные API собраны в одном месте.

➡️ Что внутри

▪️ Куча категорий, от фильмов до путешествий, работы и развлечений.

▪️ Удобные фильтры для быстрого поиска нужного API.

▪️ Простота использования — разберетесь даже без опыта программирования.

🔗 Ссылка

🤿 Глубокое погружение в большие языковые модели

Сооснователь OpenAI Andrej Karpathy записал лекцию об устройстве LLM на примере ChatGPT. Она охватывает полный набор учебных материалов о том, как разрабатываются модели и ментальные модели того, как думать об их «психологии» и как наилучшим образом использовать их в практических приложениях.

⏱️ Таймкоды:
00:00:00 introduction
00:01:00 pretraining data (internet)
00:07:47 tokenization
00:14:27 neural network I/O
00:20:11 neural network internals
00:26:01 inference
00:31:09 GPT-2: training and inference
00:42:52 Llama 3.1 base model inference
00:59:23 pretraining to post-training
01:01:06 post-training data (conversations)
01:20:32 hallucinations, tool use, knowledge/working memory
01:41:46 knowledge of self
01:46:56 models need tokens to think
02:01:11 tokenization revisited: models struggle with spelling
02:04:53 jagged intelligence
02:07:28 supervised finetuning to reinforcement learning
02:14:42 reinforcement learning
02:27:47 DeepSeek-R1
02:42:07 AlphaGo
02:48:26 reinforcement learning from human feedback (RLHF)
03:09:39 preview of things to come
03:15:15 keeping track of LLMs
03:18:34 where to find LLMs
03:21:46 grand summary

#подкасты

🔥История легенды Силиконовой долины: Энди Бехтольсхайм

Если вам интересна история Кремниевой долины из первых уст, прочитайте полное интервью.

➡️ Краткая выжимка

В этом интервью Энди Бехтольсхайм рассказывает о своем детстве в Германии, первых экспериментах с электроникой, учебе в Стэнфорде и работе в Xerox PARC. Он делится историей создания Sun Microsystems, перехода к сетевым технологиям и своими взглядами на будущее IT-индустрии. Также он объясняет, как сделал легендарную инвестицию в Google и почему стартапы должны правильно выбирать момент для выхода на рынок.

🔗 Ссылка на интервью в формате PDF