Komrus

1. Финансы:

• ИП, ОКВЭД - разработка ПО и БД
  
• Налогообложение - УСН плюс патент в какой-нибудь области где-нибудь в регионах (есть небольшой шанс, что могут проверить - случаи есть, хоть и мало, поэтому лучше где-нибудь рядом с местом жительства)
  
• Квалифицированная электронная подпись - токен и криптопро либо виртуалка с триалом криптопро (втб раздаёт токен бесплатно - тыц, оформить, a на следующий день или через несколько закрыть счёт - с самим банком не связываться)
  
• Адекватный интернет-банк с онлайн-бухгалтерией - точка или модуль, в сторону попсы типа т-, а-, сб- и прочих лучше даже не смотреть - сэкономите километры нервов и литры сока и других бодрящих веществ
  
• Компания-прокси - Solar Staff, Easy Staff для получения оплаты, договор-оферта с прокси в России (как с фриланс-биржами раньше), работодателю выставляется стандартный инвойс/инвойс-договор из прокси, он его оплачивает, а на ваш счет в банке приходит перевод за вычетом комиссии прокси со счета в Российском банке - никакого валютного контроля
  

Для налоговой всё прозрачно и никаких проблем. Любые вопросы и непонятки решаются с онлайн-бухгалтерией.

Оформление со стороны работодателя - как договоритесь и зависит от местных законов. В большинстве случаев достаточно простого счёта-договора: "оплата счёта подтверждает, что работа сделана и принята".

Если открывать ООО - это 50-100к в месяц расходов только за одного сотрудника (генерального директора), примерно 50% от ЗП в налоги и другие взносы уйдёт, прибыль с ООО выводится через родственников-ИП или дивиденты. Там вообще очень много всяких нюансов и прочего - гугл в помощь. Бухгалтерия - в интернет банке или что-то типа "Моё дело". Если не хочется самостоятельно заниматься бухгалтерией - в деле есть тариф "Премиум" с личным помощником. Либо нанять знакомого бухгалтера, который будет тыкать кнопочки в этом самом моём деле и у которого есть с ним опыт (нанимать бухгалтера со стороны - всегда риск). В сторону варианта "сэкономить на интернет бухгалтерии" не то что смотреть, даже думать не стоит.

А вот легально получать оплату в крипте простым и прозрачным способом на текущий момент невозможно (разве что через мутные схемы с соответствующими рисками). На текущий момент только через криптоэквайринг. Росбанк (теперь филиал т-банка) уже умеет, но пока только для крупных клиентов (точно не помню, но вроде от 100 лямов оборота - узнавал у них в 23 году). Работает он через b-crypto (новость). Есть еще несколько посредников, кто тоже занимается криптоэквайрингом: например битбанкер.

И самый сложный вариант: своя иностранная компания/ИП или счет в иностранном банке. Получить легально свои деньги со счёта своей иностранной компании можно только с уплатой существенных процентов, если я правильно помню (рекомендую гулить, т.к. ситуация меняется и могут быть сюрпризы). Вот тут про офшоры и прочее пишут. Со своего счета в иностранном банке по идее стандартно через валютный контроль, но про евробанки можно забыть из-за санкций и тут остаются только всякие Армении, Грузии и прочие страны СНГ. Поэтому проще через компанию прокси. Вот тут про иностранные счета пишут.

2. Да, свой сервер для VPN обязателен - часть международного интернета только через VPN, рунет - без него (наши тоже полмира забанили)

3. Созвоны работают отлично - там трафик вообще ни о чём.

4. Только избранные ООО:

• https://secrets.tinkoff.ru/laws/it-otsrochka-ot-mo...
  
• https://www.tadviser.ru/index.php/%D0%A1%D1%82%D0%...
  

Миллиард цветов это маркетинг, единственное на что в сравнении можно было бы обратить внимание это повышенная яркость... но цвета и яркость это вкусовщина, которую оценить можно только в живую.

p.s. я бы 'по боялся' бы покупать монитор с рук, да и ozon для меня это читай барахолка с частниками, 'стоящими у дороги с товарами на земле на тряпочках', ни в том ни в другом случае у вас никаких гарантий, мало того, продавцы финансово заинтересованы смошенничать.

Вам бы с ИИ пообщаться, в отличии от гугла, оно ищет информацию заметно лучше, 'понимая' задачу

Ответ - нет, это невозможно. Если заниматься условно перебором типовых структур, можно попытаться, подавая на вход зашумленные данные, делать какие то выводы о структуре, но только для простых моделей.

Первая же ссылка на статью, она не даст ответ о методиках но там есть ссылка на пример взлома чего то типа персептрона.

p.s. можно создать более сложную модель, которую можно попытаться обучить случайно (и не только, отдельный разговор как этот датасет создавать) сгенерированных входах и выходах взламываемой модели, но стоимость этого процесса будет значительно выше создания исходной.

p.p.s. вот если бы структура модели была известна (точно) то можно даже некоторые веса извлекать (читал что первые слои GPT-шки извлекали)

Ну и есть такое понятие - distilation, если структура модели примерно известна, можно вполне себе не дорого обучить, собственно deepseek так сделали

Как-то вы плохо смотрели. Они были и было их очень много разных. Да и даже сейчас вполне можно купить:
https://www.dns-shop.ru/catalog/17a8943716404e77/m...
А уже всякое старьё есть на любой барахолке тоннами.

https://habr.com/ru/articles/549924/

Thinkbook 14 g6-abp - идеально! Месяц назад приобрели для работы. Все AMD, и процессор, и графика. Ubuntu, как родная встала.
И да с nvidia не берите - wayland херово на них работает, да и xwindow тоже.

Если кому интересно: сравнивались коммутаторы L2 на 24 и 48 портов, коммутаторы ядра L3, wi-fi точки доступа различных исполнений (уличные, внутренние потолочные, внутренние настенные), маршрутизаторы, контроллеры сети.
Конечно на выборку очень сильно повлияла общая компетентность пресейлов, но
Ruijie - остались как базовые.
Альтернатива:
Maipu - явных преимуществ не выявилось.
H3C - имеют преимущество в производительности Wi-fi точек.
Huawei - предложили решения примерно трёхлетней давности, не дотянули до базы.
Vector - не представили маршрутизаторы, коммутаторы ядра.

Для интереса можете сравнить сами точки доступа.
H3C имеет наибольшую пропускную способность, а Вектор, внезапно, лучшие антенны (количество), но не имеет стандарта ax.

5е кабель нормальный медный с жилами 0.52 железно работает на 100 мбит на 150м. На 10 мбит работает до 300м! Проверено неоднократно. Просто возьми бухту 305м, обожми и воткни на разные скорости.

.Но разве могут насекомые так хитроумно нагадить

Для тех, кто пропускал уроки информатики в школе:
Слово "баг" в программировании появился как раз из-за насекомых, жуков (bugs), которые действительно замыкали контакты внутри ЭВМ

По-простому, ответ — никак!

Формально можно, но по факту это будет создание своего ИИ почти с нуля (можно взять в пример опыт DeepSeek — вроде бы они всё расписали, порядок вложений — несколько десятков миллионов баксов, и хотя они “стояли на плечах гигантов”, они реально молодцы: OpenAI потратили на пару порядков больше).

Новые знания "заливать" в GPT-модель не получится! Почти любые попытки файнтюна приводят к деградации и фокусировке на конкретных знаниях (да, есть успешные примеры обучения ИИ на чатах — она отлично ловит стиль текста, но умнее от такого не становится, даже наоборот). Правильный файнтюн требует начальной обучающей выборки, есть алгоритмы прореживания данных, чтобы дообучать не на полном датасете, а только на его части и чтобы деградация была минимальной або отсутствовала.

Обучающую выборку ни одна компания с адекватными моделями не публикует (из-за жадности) — потому что для нейронки это и есть “исходники”, а итоговые веса для инференса — это как .exe-файл: работать работает, но что-то поменять не получится.

p.s. Файнтюн, а ещё лучше — алгоритмы RLHF, позволяют изменить формат представления данных, например, внедрить системный промпт в модель, чтобы при её итоговом использовании он не требовался (чтобы не тратить на него драгоценные токены). Это выглядит не так просто, как написано: нужно правильно составлять обучающую выборку и тюнить качественную модель-валидатор ответов (так, например, по словам разработчиков, "характер Алисы" от Яндекса был внедрён в её модель — все её ответы на вопросы о её предпочтениях, отношении к чему-либо и т. п.).

p.p.s. Чтобы показать, почему это сложно, проведите эксперимент: возьмите самую простую нейронную сеть, которая будет пытаться аппроксимировать какую-нибудь функцию, типа y=sin(x), дайте ей пару-тройку слоёв и визуализируйте процесс — выводя на экран исходную функцию и то, что строит сеть... А затем посмотрите, что получится, если взять обученную сетку и подсунуть ей другую функцию, пусть даже слегка модифицированную. Сеть начинает "сходить с ума", пытаясь забыть старые данные и воспринять новые... И оказывается, что обучить заново с нуля сеть на новых данных просто быстрее и дешевле, чем переобучать предыдущую.

Эх молодость,

хотя по фундаментальным понятиям серия досихпор актуальна