Переносно́е устро́йство созда́ния порта́лов Aperture Science (из Вики)
И в комментариях мне задали занятный вопрос: «А чё, она, кроме как включать свет, больше ничего не может?»
После этого я удумал небольшую модернизацию.
Оказалось, ничего сложного: приделал DFPlayer Mini с флешкой и динамик на 8 Ом. НО, по незнанию, просто загрузил звуковые файлы на кнопки прописал в коде пару переменных — система заработала, но были проблемы с таймингом.
В итоге DeepSeek помог адаптировать код. А когда я ввёл в промт, что это портальная пушка из Portal, нейросеть даже предложила добавить анимации и пару фишек! Немного изменила мне схема подключения — в целом всё осталось так же, но пара пинов поменялись местами.
вид готовой собранной схемы
Первый пробный запуск. С меня улыбка минут 10 не сходила....
И полная сборка.
я добавил акб на 10000мач что бы по дольше держало заряд так как эта штука вышла прожорлива судя по расчётам нейронки.
вид всего великолепия сзади.
Вот что вышло.
ИТОГ:
Анимация включения со стартовым звуком.
3 рандомных звука на каждую кнопку с соответствующей цветовой индикацией.
"Скрытый режим" так называемый, включается одновременным нажатием двух кнопок.
Звуковое оповещение о разряде батареи голосом ГЛаДОС.
Улучшенная динамическая анимация выстрела.
Может в будущем еще приделаю виброотклик на нажатие но это будет когда ни будь потом.
Когда мы разработали первые Arduino-совместимые изделия на MIK32 Амур - ELBEAR ACE-UNO, и они завелись без «волшебного дыма» - мы воодушевились. После нескольких правок и пары итераций запустили небольшую серию – и поняли: «Хьюстон, у нас проблемы»… Далеко не все платы заводились сразу – сказывались особенности монтажа микроконтроллера (потребовалось определенное время, чтобы набить на этом шишек и наладить тех процессы и в нанесении пасты, и в ее оплавлении, и в самом выборе пасты), и иногда ошибки при монтаже на любой из стадий - авторастановщик/печь/отмывка/ручной монтаж... Как мы поняли довольно быстро - визуальный контроль не панацея, далеко не все получалось отследить «глазками»…
В итоге проверка плат после монтажа производилась вручную – в ход шли осциллограф, мультиметр и знания о том, как это должно работать. Проверялись напряжения на основных тестпоинтах, загрузка прошивки и работа самого микроконтроллера, связь по интерфейсу USB.
1/2
И делали это на первых порах не ребята на производстве, а высококвалифицированные инженеры, что конечно было в целом «из пушки по воробьям».
По мере наращивания производства стало понятно, что нужно более тщательно проверять монтаж элементов на плате и желательно так, чтобы это занимало поменьше времени.
Попытки улучшить и ускорить проверку
Для упрощения проверки плат ELBEAR ACE-UNO на MIK32 Амур была создана специальная тестовая плата. Предварительно перед ее использованием всё так же проверялись уровни напряжений на тестпоинтах и отсутствие коротких замыканий на плате по питанию.
Сначала это была просто плата со светодиодами (как на самой первой фотографии сверху), позже уже был разработана специальная тестовая плата.
Тестовая плата при использовании с проверочной прошивкой позволяла проверить и цифровую, и аналоговую части платы. На ней находился набор светодиодов для каждого вывода проверяемой платы, переключатели для перемычек BOOT, некоторые дополнительные кнопки и светодиоды. Проверочная прошивка загружалась в проверяемую плату UNO (вместе с ней загружался и начальный загрузчик), а после тестовая плата надевалась сверху на проверяемую. Для проведения проверки проверяемая плата подключалась к ПК по интерфейсу USB, а на ПК открывалась программа монитора последовательного порта.
1/2
В прошивке на первом этапе все цифровые выводы платы по очереди выставлялись в 1, при этом на тестовой плате рядом с каждым выводом должен был зажигаться свой (только один) светодиод. Эта проверка позволяла выявить непропаи или закорачивания цифровых выводов платы.
На втором этапе проверялась работа АЦП и ЦАП – на двух каналах ЦАП формировались изменяющиеся в разные стороны уровни напряжений – один на увеличение, другой на уменьшение. Формируемые аналоговые сигналы подавались на светодиоды SDA, SCL на тестовой плате, а ожидаемые значения выводились в монитор порта. По итогам сравнения ожидаемых значений с яркостью свечения соответствующих светодиодов делался вывод о корректности работы каналов ЦАП.
Для проверки каналов АЦП в монитор порта на втором этапе выводились значения, измеренные на каждом канале. По умолчанию эти значения должны быть относительно маленькими. На тестовой плате есть кнопка, по нажатию которой на аналоговые выводы проверяемой платы подается высокий уровень напряжения. В процессе проверки платы данная кнопка нажималась, а проверяющий контролировал значения, выводимые в монитор порта – все они должны значительно увеличиться. Таким образом проверялась корректность работы каналов АЦП.
Помимо этого, в процессе проверялась работа встроенных на плату светодиода и кнопки.
После выхода пакета поддержки плат ELBEAR в ArduinoIDE к проверке добавился еще один этап – загрузка проверочного скетча на проверяемую плату в ArduinoIDE по интерфейсу USB и проверка работы интерфейса UART (при получении любых сообщений микроконтроллер эхом отправлял их обратно в порт).
Автоматизированная проверка плат
С появлением плат ELBEAR ACE-NANO на MIK32 Амур появилось и желание еще как-то ускорить и улучшить проверку плат после монтажа. Хотелось использовать для проверки не светодиоды и глаза проверяющего, а другой микроконтроллер, который сам будет принимать решение об успешности прохождения проверки. И почему бы для этого не использовать микроконтроллер с точно такой же платы с точно таким же набором выводов? И специальную тестовую плату делать не придется. Так родилась наша автоматизированная насколько это возможно проверка плат. Начали мы с платы ACE-NANO.
Для проверки нужна одна уже проверенная, заведомо рабочая плата NANO – она будет платой-мастером. В эту плату загружается специальная прошивка, которая управляет процессом проверки. Проверяемая плата изначально проверяется на наличие коротких замыканий, после чего в нее загружается проверочная прошивка (а вместе с ней и начальный загрузчик), которая слушает команды от платы-мастера и выполняет их. После загрузки прошивок проверяемая плата и плата-мастер соединяются друг с другом pin-to-pin в этакий «бутерброд», и плата-мастер подключается к ПК по интерфейсу USB.
1/2
Проверка состоит из нескольких этапов:
• Stage MISO: проверяемая плата по очереди изменяет состояние цифровых выводов, а плата-мастер считывает состояние выводов и анализирует результаты.
• Stage MOSI: плата-мастер по очереди изменяет состояние цифровых выводов, проверяемая плата считывает состояние выводов, отправляет результаты мастеру, а тот их анализирует.
• Stage Analog: плата-мастер по очереди подает высокий уровень на все аналоговые выводы, а проверяемая плата каждый раз измеряет напряжение на всех своих выводах и отправляет результаты мастеру, а тот их анализирует. Проверяются и прямые каналы АЦП, и переключаемые.
• Stage OTP content: проверяемая плата считывает из OTP памяти тестовую строку и результат отправляет плате-мастеру. Если память не запитана, плата-мастер получит пустую строку, а проверяющему придется проверить плату вручную.
• Stage End Time: на этом этапе проверятся точность работы часов реального времени на проверяемой плате – при старте проверки по команде время заводится на обеих платах, а на данном этапе проверяемая плата присылает свое текущее время. Если оно близко к времени платы-мастера – с трактом часового кварца все в порядке.
На этапах MISO, MOSI, Analog в каждый момент времени активен только один вывод. Если это так – этапы проверки пройдены успешно. Если нет – в монитор порта выводится информация о «лишних» сработавших выводах – это повод проверить указанные выводы вручную.
После успешной автоматизированной проверки проводится проверка в ArduinoIDE – по интерфейсу USB в проверяемую плату загружается проверочный скетч, в котором проверяется работа встроенного светодиода и интерфейса UART – все сообщения, полученные от ПК, микроконтроллер отправляет обратно в порт. Этот этап остался неизменным.
Такая проверка для плат ACE-NANO нам понравилась, поэтому было решено сделать аналогичную проверку для плат ACE-UNO. Проверка производится точно так же, как с платами ACE-NANO. Единственное отличие – платы ACE-UNO не получается соединять «бутербродом» из-за некоторых разъемом, поэтому платы соединяются pin-to-pin проводами.
С этого момента все стали предельно довольными - все платы без исключения проходят проверку, пропустить ошибку или не заметить из-за того, что устал, просто невозможно - практически все происходит автоматически, ну а сама скорость проверки существенно выросла.
Закончился один из самых масштабных ралли-рейдов сезона — «Шелковый путь 2025». Гонка, стартовавшая 12 июля в Иркутске, прошла по территории России и Монголии и завершилась 22 июля в Горно-Алтайске.
Маршрут включал 11 этапов, полных экстремальных условий, перепадов высот и труднопроходимых участков. В этом году Авито Спецтехника впервые выступила в качестве партнера одного из главных фаворитов гонки — команды «КАМАЗ-мастер».
Ралли «Шелковый путь» проходит с 2009 года. За время существования соревнования гонка проходила по территории России, Китая, Казахстана, Монголии и Туркменистана.
Особое внимание в этом году привлекла команда «КАМАЗ-мастер». Спортивные грузовики и машины технической поддержки вышли на старт с обновленным экстерьером, включающим символику Авито Спецтехники — генерального партнёра команды.
Антон Агальцов, руководитель категории «Продажи» в Авито Спецтехника:
«Мы гордимся партнерством с «КАМАЗ-мастер» в рамках ралли «Шелковый путь», ведь данное событие – это возможность доказать надежность и качество продукции российского автопрома и уровня развития отечественных инженерных решений. Эти инновации впоследствии будут доступны не только спортсменам, но и рядовым пользователям спецтехники, которую всегда можно найти на нашей платформе. Поддержка отечественных производителей спецтехники – один из наших ключевых фокусов и в рамках этой стратегии мы также активно сотрудничаем с Министерством промышленности и торговли РФ, с которым недавно подписали меморандум о поддержке производителей самоходных машин. Подобные шаги в укреплении взаимодействия между нами, другими участниками рынка и государством, помогают совместно развивать отрасль».
Кроме того, в преддверии старта ралли-рейда «Шелковый путь» в июне 2025 года в Москве прошла масштабная совместная экспозиция Авито Спецтехники и легендарной команды «КАМАЗ-мастер». На площади у колеса обозрения «Солнце Москвы» на ВДНХ был выставлен знаменитый спортивный грузовика KAMAZ-43509 в фирменной ливрее, посвящённой 30-летию команды. Именно на нём экипаж Андрея Каргинова одержал победы на ралли «Дакар» и «Золото Кагана» в 2020 году, а также завоевал высшие награды на марафоне «Шелковый путь» в 2018 и 2019 годах. За месяц экспозицию посетили более 500 тысяч москвичей и гостей города.
Команда «КАМАЗ-мастер» также примет участие в ежегодном профильном мероприятии от Авито «Дело спецтехники», где ключевые игроки рынков сельскохозяйственной, дорожно-строительной техники и коммерческого транспорта обсудят состояние индустрии и перспективы ее развития.
Авито Спецтехника в свою очередь продолжит и дальше поддерживать команду на специализированных выставках и мероприятиях, где будет представлена «КАМАЗ-мастер», укрепляя связь между спортивными достижениями, промышленной экспертизой и цифровыми платформами.
Реклама ООО «КЕХ еКоммерц», ИНН: 7710668349, erid: 2VtzqxiRaBy
Я заинтересован и готов оплатить пересылку! Планирую организовать кружок программирования для детей в доме творчества. Предпочитаю использовать платы STM32 вместо Arduino, так как считаю, что это даст детям больше шансов найти работу в будущем. Я бы взял все, кроме плат Arduino! (Отдайте их в подобные кружки для детей которые используют arduino.)
Если необходимо, могу подтвердить свои намерения и предоставить любые доказательства, чтобы показать, что мои действия не обусловлены корыстью.
В подтверждение своих знаний в области stm32 ниже мой открытый проект для электриков которые не умеют программировать, но хотят реализовывать умные дома/теплицы и т.п. автоматизацию.
Машинное обучение — технология, которая позволяет компьютеру самообучаться и распознавать закономерности. А помогают ему инженеры машинного обучения. Рассказываем, чем они занимаются, какие навыки им нужны и как войти в эту профессию.
Кто такой инженер машинного обучения
Инженер машинного обучения (ML-инженер — от англ. Machine Learning Engineer) — это специалист, который разрабатывает и внедряет алгоритмы, позволяющие программам обучаться на данных и принимать решения без явного программирования. Скажем, специалист по Data Science анализирует данные и строит модели, а ML-инженер оптимизирует их и интегрирует в реальные приложения.
Профессия находится на пересечении программирования, математики, статистики и прикладного машинного обучения. ML-инженер не просто строит модель, а делает так, чтобы она эффективно работала в продакшене, обрабатывала большие объемы данных, быстро реагировала на запросы пользователей и корректно обновлялась по мере поступления новых данных.
Чем занимается ML-инженер на практике
Работа ML-инженера включает сразу несколько направлений. В первую очередь это сбор и подготовка данных. Реальный мир далек от идеала, и данные часто приходят в сыром виде: с пропусками, ошибками и несоответствиями. Инженер должен очистить их, привести к единому формату и расширить с помощью внешних источников.
Следующий этап — выбор и обучение модели. Здесь инженер выбирает один или несколько алгоритмов, проводит эксперименты, настраивает параметры, оценивает качество. Он должен понимать, как работают линейные регрессии, деревья решений, градиентный бустинг, нейронные сети и уметь выбрать нужный инструмент под задачу.
Самое сложное и ответственное начинается после того, как модель готова. ML-инженер превращает ее в часть работающего приложения. Это означает упаковку модели в API, написание серверного кода, оптимизацию по скорости и памяти, мониторинг качества в реальном времени и повторное обучение по мере необходимости. Он также работает над масштабируемостью и надежностью, так как в реальных условиях модели должны обрабатывать тысячи или миллионы запросов ежедневно.
Кроме того, инженер взаимодействует с другими специалистами: аналитиками, продукт-менеджерами, разработчиками. Он объясняет, как работает модель, какие у нее ограничения, как интерпретировать результаты. Коммуникация — неотъемлемая часть его работы.
Какие навыки и знания нужны
Чтобы стать инженером машинного обучения, нужно сочетание теоретической базы и практических навыков:
Уверенное владение языками программирования, прежде всего Python. Большинство библиотек машинного обучения, таких как scikit-learn, TensorFlow, PyTorch, написаны именно на нем.
Знания математики, особенно линейной алгебры, теории вероятностей и математической статистики тоже играют важную роль. Без них невозможно понять, как и почему работает та или иная модель, как интерпретировать ее поведение и где могут возникнуть ошибки. Для повторения основ у нас есть отдельный бесплатный курс базовой математики.
Алгоритмы машинного обучения важно понимать на уровне реализаций: что такое переобучение, как работает регуляризация, какие метрики применимы для классификации, регрессии, кластеризации.
Также важно уметь работать с базами данных (SQL, NoSQL), системами хранения и обработки больших данных (Hadoop, Spark), знать основы DevOps и MLOps (Docker, CI/CD, Kubernetes, автоматизация моделей).
Плюсы и минусы профессии
➕ Востребованность и высокая оплата труда. Инженеры по машинному обучению — одни из самых востребованных специалистов в IT-сфере. Зарплаты выше среднего по рынку, особенно при наличии успешных проектов и глубоких знаний.
➕ Перспективность. ML активно применяется в медицине, финансах, ритейле, науке и других отраслях. Это дает широкие возможности для карьерного роста.
➕ Интеллектуальная работа. Работа подходит тем, кто любит решать сложные задачи и работать с данными.
➕ Богатая образовательная экосистема. По теме ML иного курсов, open-source инструментов, конференций и сообществ. Есть возможность постоянно учиться и обмениваться опытом.
➖ Высокий порог входа. Нужны глубокие знания математики, программирования, а также баз данных, алгоритмов и архитектур моделей.
➖ Работа бывает рутинной. Большую часть времени занимает обработка и подготовка данных, отладка моделей, а не изобретение революционных алгоритмов.
➖ Трудности с внедрением моделей. Не всегда удается успешно интегрировать модель в продукт. Требуются усилия по адаптации под инфраструктуру, масштабированию, мониторингу и учету бизнес-ограничений.
➖ Конкуренция. Растущая популярность профессии означает, что в крупных городах конкуренция среди кандидатов может быть высокой.
Зарплаты ML-инженеров
По данным Dream Job, средняя зарплата ML-инженеров в России за 2025 год составляет 165 000 рублей. Чаще всего зарплаты находятся в диапазоне от 100 000 до 230 000 рублей. Минимальная зафиксированная зарплата — 87 000 рублей, максимальная — 360 000.
Вилки джуниоров в машинном обучении, по данным HH Карьера, составляют от 70 000 до 110 000 рублей. Мидлов — от 220 000 до 250 000 рублей, а сеньоров — от 348 000 до 350 000 рублей.
Вот так выглядят зарплаты в профессии ML-инженер летом 2025 года.
1/2
Перспективы профессии
Машинное обучение используется в самых разных сферах: от финансов и медицины до логистики, маркетинга и развлечений. ML-инженеры разрабатывают алгоритмы для прогнозирования спроса, распознавания лиц, антифрод-систем и рекомендательных алгоритмов.
Спрос на таких специалистов продолжает расти, а уровень доходов остается одним из самых высоких на рынке. По данным исследования, наибольший спрос в сфере анализа данных и ML пришелся на последние четыре года — число предложений выросло в 2,5 раза.
Конечно, вход в профессию требует знаний, самообразования и реальных кейсов. Но те, кто готов учиться и двигаться вперед, найдут в этой области интересную работу с постоянными интеллектуальными вызовами и большими карьерными перспективами.
Как стать ML-инженером
Многие специалисты приходят в машинное обучение из смежных областей: математики, физики, программирования, аналитики. Часто у них есть техническое образование, хотя это необязательно. Важнее — желание учиться и практиковаться.
Один из самых надежных способов — пройти профильное обучение. Это может быть вуз, где есть направления по ИИ и анализу данных, или курсы, ориентированные на практику. Онлайн-платформы предлагают мощные программы, которые можно проходить параллельно с работой или учебой.
Например, стартовать в профессии поможет онлайн-курс «Инженер машинного обучения» Практикума — за 4 месяца вы изучите полный жизненный цикл модели машинного обучения и сможете строить продвинутые ML‑модели. Вы освоите Docker, FastAPI, Airflow, MLflow, Yandex Cloud и другие инструменты, добавите 7 ML-проектов в портфолио и получите диплом о профессиональной переподготовке.
