У соціальних мережах почала ширитися неправдива інформація щодо нібито збору геолокації та цифрових даних користувачів застосунком «Резерв+». Міністерство оборони України закликає не довіряти таким повідомленням, оскільки їхня мета це дискредитація цифрових рішень, підрив довіри до державних сервісів і створення перешкод мобілізаційному процесу.

Про це Міністерство оборони повідомило у своїй заяві.

У відомстві пояснили основні принципи роботи застосунку:

1. «Резерв+» не збирає геолокаційні дані. Єдині дозволи, які запитує застосунок, це доступ до камери (для сканування QR-кодів) і надсилання сповіщень.
2. У додатку відсутні GPS-трекери чи приховані функції збору інформації. Кожен користувач може переконатися в цьому, переглянувши дозволи у налаштуваннях свого смартфона.
3. Скріншоти, що поширюються онлайн, не підтверджують жодного зв’язку із «Резерв+». Фрагменти коду, які в них показано, не належать цьому застосунку та є типовими для багатьох інших мобільних програм.
4. У застосунку не використовуються сторонні модулі, зокрема компоненти компанії InMobi, про які йдеться в окремих публікаціях.

Додаток працює лише з тими даними, які сам користувач надає через BankID, а також із певною інформацією з реєстру «Оберіг». Усі процеси повністю відповідають вимогам чинного законодавства щодо захисту інформації.

Міністерство оборони наголошує, що варто покладатися лише на перевірені офіційні джерела та не поширювати фейки.

Також читайте:

Навіть у власному авто не все дозволено: за що можуть оштрафувати водія на 25 тисяч гривень

Розшук ТЦК: чи зникне “червона мітка” після сплати штрафу

Українські розробники високо цінуються в усьому світі завдяки сильним технічним навичкам, здатності гнучко адаптуватися до змін і системному підходу до роботи. Христина Терлецька, Software Engineer із 8-річним досвідом, розпочинала кар’єру у Львові, а зараз працює в Datadog — одній із найбільших міжнародних компаній зі штаб-квартирою у США. Христина розповіла, які навички допомогли їй досягти успіху на міжнародному ринку та на що варто звертати увагу початківцям, щоб стати затребуваними спеціалістами.

Христино, ви родом з України і починали кар’єру в SoftServe та ELEKS. Розкажіть про свій професійний шлях і як потрапили до американських DraftKings та Datadog?

Я закінчила Національний університет «Львівська політехніка» за спеціальністю «Інформаційні сервіси». Мені пощастило, і першим місцем роботи стала міжнародна IT-компанія SoftServe, один з головних офісів якої розташований у Львові. Компанія відома тим, що брала участь у створенні сервісу Microsoft Bird’s Eye, і за свій внесок була запрошена з доповіддю на щорічну конференцію Microsoft.

У SoftServe я працювала над спільним проєктом з однією з компаній «великої четвірки» — Deloitte. Ми створювали AI-платформу для системи охорони здоров’я США, яка спрощує роботу постачальників медичних послуг: дотримання вимог, оцінку ризиків, виставлення рахунків. Я відповідала за розробку систем моніторингу та сповіщень.

У компанії ELEKS я також працювала над сервісом для системи охорони здоров’я США, який оптимізував робочі процеси понад 1000 консалтингових компаній.

У результаті цей досвід допоміг мені краще зрозуміти принципи роботи розподілених систем і привів мене до американської компанії DraftKings, яка спеціалізується на спортивних ставках у режимі реального часу — від NFL і NBA до бейсболу та гольфу. Я працювала в підрозділі Sportsbook Unit, у команді інженерів зі спортивних даних — ми відповідали за збір, обробку та доставку спортивної інформації в реальному часі. Зокрема, я займалася оптимізацією, яка суттєво впливала на прибуток компанії. Наприклад, розробила систему, яка оновлює коефіцієнти ставок менш ніж за 100 мс. Це критично важливо під час матчів найвищого рівня, таких як Супербоул і ігри NFL — ставки робляться на ходу, і навіть частки секунди можуть впливати на прибуток компанії.

Зараз я працюю в Datadog — одній із провідних світових компаній, що спеціалізується на моніторингу та аналітиці хмарних систем. Наприклад, серед наших клієнтів — OpenAI.

У який момент ви відчули, що стали «інженером світового рівня», і що вплинуло на цей перехід?

Я відчула це під час роботи в DraftKings. Тоді я реалізувала високонавантажені подієво-орієнтовані ETL-пайплайни, які стабільно обробляють десятки тисяч подій на секунду: спортивні події, актуальні ставки, ринкові дані.

Для максимальної оптимізації ресурсів я застосовувала передові підходи: зменшила використання пам’яті завдяки ефективному управлінню буферами, знизила кількість алокацій, мінімізувала час очікування, працюючи з мережевими протоколами та міжпроцесною комунікацією.

Щоб автоматизувати аналіз ринку та оперативно реагувати на зміни, я створювала високопродуктивні аналітичні платформи на базі BigQuery. Ще одним важливим проєктом стала розробка TrendingBets API для відстеження мільйонів ставок у реальному часі й аналізу трендів на ринку. Інтерфейс обробляв 4 млн запитів на секунду і переглядав понад 8 млн ставок.

У цьому мені допомогли глибокі технічні знання й постійне навчання — я регулярно беру участь у наукових та дослідницьких проєктах, спілкуюся з експертами та займаюся самоосвітою. І, звісно, для складних задач завжди важливий системний підхід.

Як ви взагалі прийшли в IT — чим був зумовлений вибір професії?

Мене завжди цікавили технології, і це вплинуло на вибір університету. На третьому курсі я успішно пройшла відбір до освітнього проєкту від SoftServe — IT Academy. Програма тривала кілька місяців, і за цей час я вивчила програмування, алгоритми, структури даних, вебтехнології та командну роботу за методологією Agile. Саме тут я вперше отримала практичний досвід розробки програмного забезпечення — від постановки задачі до релізу.

Під час навчання я показала гарні результати, і мені запропонували приєднатися до команди SoftServe як junior-інженера. Попрацювавши там, я зрозуміла, що розробка ПЗ — це саме та сфера, у якій я хочу розвиватися. Мене надихало те, що мій код і рішення миттєво впливали на продукт і покращували досвід користувачів.

Розкажіть, над чим саме ви працюєте в Datadog

Я працюю на позиції Senior Software Engineer у команді, яка відповідає за внутрішню розподілену платформу кешування. Цю платформу використовують понад 50 інженерних команд компанії — загалом близько 2000 співробітників. Вона значно знижує час відповіді систем, і її застосовують у високонавантажених задачах. Наприклад, команда метрик використовує платформу для збереження результатів складних запитів, команда логів — для оптимізації індексації та обробки великих обсягів логів, а real-time-аналітики — для проміжного кешування результатів обчислень, що дозволяє миттєво аналізувати потокові дані.

Зараз ми покращуємо відмовостійкість платформи та вдосконалюємо її — зокрема, впроваджуємо нові алгоритми consistent hashing, які забезпечують ефективне балансування навантаження. Усі ці зміни безпосередньо впливають на стабільність і продуктивність ключових сервісів компанії.

Знаю, що нещодавно Datadog провела масштабну конференцію Dash 2025. Що ви можете сказати про цьогорічні фокуси й наскільки вони перегукуються з вашими завданнями?

Кілька важливих нововведень, згаданих на конференції, безпосередньо стосуються моєї роботи. Наприклад, компанія анонсувала інтеграцію Datadog Agent зі стандартом розподіленого трейсингу та моніторингу OpenTelemetry. Це дозволить нашій команді точніше та швидше діагностувати проблеми в роботі кеш-платформи.

Окрім того, компанія впроваджує нові механізми автоскейлінгу Kubernetes. Вони допоможуть платформі ефективніше адаптуватися до високого навантаження, зберігаючи стабільність і низьку затримку навіть у пікові періоди.

Цього року Datadog також зосереджується на посиленні безпеки даних — зокрема, в інфраструктуру додаються інструменти для раннього виявлення вразливостей. Це також важливо для моєї роботи, адже наша платформа постійно обробляє великі обсяги чутливих даних.

Ви сертифікована в галузі машинного навчання й працюєте з широким стеком: від управління хмарною інфраструктурою на Kubernetes до аналітики за допомогою BigQuery. Як ви підходите до навчання та прокачки навичок у такій динамічній сфері?

Навчання в нашій сфері критично важливе, адже щось нове з’являється постійно. Я регулярно проходжу технічні сертифікації, особливо з машинного навчання, оскільки Datadog активно розвиває цей напрям. Наприклад, нещодавно ми розробили власну ML-модель Toto, яка навчається на внутрішніх телеметричних даних Datadog: метриках роботи сервісів, використанні ресурсів, логах і стані систем. Toto автоматично виявляє аномалії та прогнозує навантаження, полегшуючи моніторинг і роботу інженерів.

Я постійно використовую всі вивчені інструменти. Наприклад, працюючи з BigQuery, я аналізувала бізнес-процеси, оптимізувала складні SQL-запити та створювала детальні звіти.

У своїй роботі я активно експериментую з різними інструментами, навчаючись на практиці. Наприклад, за допомогою Apache Kafka та Apache Flink я створюю тестові пайплайни для потокової обробки даних. Також тестую різні підходи в Kubernetes — зокрема, blue-green deployments, Rolling updates для StatefulSet, автоскейлінг за допомогою кастомних метрик. Усе це допомагає підтримувати продуктивність і стабільність нашої кеш-платформи.

Окрім основної роботи, я часто виступаю з технічними доповідями всередині компанії, проводжу code review і рецензую наукові статті. Завдяки цьому я швидко опановую нові технології й одразу застосовую їх на практиці.

Які інженерні принципи чи практики, сформовані в Україні, ви продовжуєте використовувати в США? Чи є щось унікальне в українському інженерному підході?

Так, в українському підході є унікальні принципи, які я активно використовую й зараз. Наприклад, українські інженери глибоко занурюються в деталі й завжди прагнуть зрозуміти, як усе працює на технічному рівні — це дозволяє орієнтуватися на фундаментальні принципи, а не просто вирішувати задачу поверхнево. Такий підхід допомагає мислити системно й робити інфраструктуру стабільнішою.

Також українські розробники завжди готові допомогти й поділитися досвідом. Це сприяє формуванню продуктивних команд, здатних вирішувати найскладніші інженерні завдання.

Що б ви порадили молодим інженерам, які мріють побудувати кар’єру в міжнародній технологічній індустрії? З чого варто почати, і наскільки глобальний ринок відкритий до фахівців з інших країн?

Щоб успішно конкурувати на міжнародному ринку, особливо в США, потрібно не лише мати глибокі знання в системному дизайні, алгоритмах і структурах даних, але й швидко адаптуватися до змін і постійно вдосконалювати навички. Нові інструменти з’являються регулярно, і важливо вміти застосовувати їх у роботі.

Також раджу брати активну участь в open-source-проєктах — це можливість продемонструвати свої навички та попрацювати з міжнародними командами, дізнаючись про нові підходи й інструменти. Для цього критично важливо покращувати англійську, комунікаційні навички та вміння презентувати себе.

А ще — будьте активними у професійних спільнотах і на LinkedIn. Моя головна порада: будьте наполегливими й не здавайтеся навіть після перших невдач.

Дослідники з Університету Мартіна Лютера у Німеччині знайшли спосіб збільшити генерацію сонячної енергії у 1000 разів у порівнянні з традиційними матеріалами. Їх метод заснований на укладанні ультратонких шарів різних кристалів у точній послідовності, що створює структуру, яка набагато ефективніше поглинає світло та перетворює його на електрику.

У центрі технології – титанат барію (BaTiO₃), який сам по собі не дуже ефективний. Однак при його розміщенні між шарами кальцію титанату і титанату стронцію відбувається «сплеск» продуктивності. Така комбінація матеріалів активує особливі властивості, що дозволяють електронам легко переміщатися під впливом світла.

Створена структура складається з 500 шарів завтовшки всього по 200 нанометрів. Незважаючи на використання меншої кількості активного матеріалу, панель генерує в рази більше струму. Ефект залишається стабільним щонайменше півроку, що робить технологію придатною для практичного застосування.

Якщо метод вдасться масштабувати, він відкриє шлях до сонячних панелей нового покоління більш компактним, ефективним і дешевим у виробництві. Особливо це може стати для міст, де кожна одиниця площі на рахунку.