Pycon Russia-2022: программа докладов, пиксель-мерч и песни у костра

Всем привет! Три недели осталось до старта нашей конференции. Мы нашли самых огненных спикеров и собрали 25 докладов, так или иначе связанных с python-разработкой. Придумали классную идею для афтерпати и пошили самые красивые футболки (по версии девочек из IT-People). Пора познакомить вас со всем этим.

Что. Где. Когда

Самая душевная офлайн-конференция для python-разработчиков и специалистов по Data Science и ML пройдет в Москве, 30 и 31 июля. В этот раз мы решили встретиться в центре столицы – в Цифровом Деловом Пространстве на Покровке, 47. Билеты можно купить тут.

Мерч и душевная афтерпати

Старожилы помнят, что каждый PyconRussia заканчивается душевными песнями у костра. И, несмотря на то, что в этот раз он пройдет в городе, мы решили не изменять традиции. Костер будет! А еще будет много классных развлечений, которые мы придумывали, вспоминая восьмибитные игры. Кстати, и мерч у нас в этой тематике. Если у вас не навернутся слезы ностальгии, глядя на этот пиксель-арт, значит у вас нет сердца =)

Купить футболку можно вместе с билетами или отдельно (для себя, друзей, родственников, коллег). Те, кто приедет на конференцию, смогут забрать свои футболки во время регистрации. А остальным можем отправить с доставкой за ваш счет. На самой конференции футболки в продаже тоже будут, но ограниченным числом и только саме ходовые размеры.

А теперь самое главное – ПРОГРАММА!

Программу мы поделили на две части: Python Track и Data Track. Доклады будут идти параллельно, но не страшно, если вы что-то пропустите: после конференции подготовим видеозаписи и вышлем ссылку всем участникам PyconRussia-2022. А теперь к докладам.

Python Track

Евгений Афонасьев из Тинькофф расскажет, как проходят собеседования в крупных компаниях, как к ним готовиться и что надо знать и уметь, если ты претендуешь на должность синьера. «А не синьер ли ты часом!?»
Артем Приходько из Avito покажет, с какими проблемами можно столкнуться, затаскивая мультипроцессинг в реальные продакшн сервисы. «Python vs multiprocessing»
Автор блога «Берлога программиста» Виктор Тыщенко научит упаковывать python приложения и покажет, как реализована контейнеризация в linux. «Контейнеризация python без боли»
Алексей Смирнов из Profiscope пройдется по текущему состоянию PyPI (от статистики по пакетам и отдельным характеристикам хранимых артефактов, до трактовки тенденций в python-сообществе) и поговорит о безопасности компонентной базы и цепочки поставки в целом. «PyPI сегодня – радости статистики и печали безопасности»
Сергей Петров из Selectel расскажет, можно ли сделать конфиги для сложных сервисов красивыми и легкими и если да, то какие способы для этого существуют. «Программируемые конфиги»
Александр Галкин из Литрес поговорит об архитектуре приложений и на конкретных примерах кода покажет, как структурировать легаси системы с помощью стратегических и тактических паттернов DDD. «Делаем модульный монолит с использованием DDD»
Арсений Григорьев и Василий Близнецов из Positive Technologies поделятся историей о том, как они переписали и интегрировали систему для управления макетом кибер полигона. «Архитектура сервисов полигона для кибер учений»
Григорий Макеев из РН-БашНИПИнефть попытается опровергнуть мнение, что Python не пишут серьёзные десктоп-приложения для пользователей. (Вангуем жаркую дискуссию после доклада). «Промышленный инженерный софт на Python – неужели?»
Сергей Васечко из Точки поделится интересным опытом маршрутизации на RABBITMQ и расскажет, что заставило их выбрать именно такой путь. «Менеджер распределенных заданий на кролике без celery»
Сурен Хоренян из МТС AI расскажет, как подружить OpenAPI и JSON:API и почему они не захотели использовать Django с DRF и расширение для JSON:API, а выбрали именно FastAPI. «Использование JSON:API в разработке приложений на FastAPI»
Дмитрий Легчиков и Ксения Вергелес из ЦИАН расскажут, как превратить графы знаний в удобный корпоративный инструмент, который объединяет и связывает данные внутри компании из разных источников. «Объединение данных компании с помощью графа знаний»
Александр Караваев из Тинькофф расскажет, что делать, если из-за особенностей работы баз данных невозможно хранить все данные в одном месте и как построить максимально расширяемую и кастомизируемую систему с минимальным ущербом остальным ее параметрам. «Сбалансированная система хранения и поиска данных на python»
Олег Пригода из Лаборатории Касперского расскажет, как они разрабатывали инструмент для запуска разнородных тестов на разнородном железе. «Пилим питона на конструктор. Как мы кастомизировали PyTest для счастья разработчиков, билд-инженеров, тестировщиков и менеджеров»
Денис Аникин из Райффайзенбанк расскажет, как разрабатывался и эволюционировал их командный набор CI/CD пайплайнов и поделится мыслями о том, каким он вообще должен быть и с чего начать разработку конвейера. «Современный CI/CD пайплайн для python микросервисов»

Data Track

Александр Ошурков из МКБ расскажет про выбор компонентов решения MLOps и первые шаги внедрения. «MLOps и создание управляемой среды для моделей машинного обучения»
Иван Канашов из Тинькофф расскажет, как в компании строят свою систему типа Data Catalog и наполняют ее метаданными из более чем 25 источников, используя Apache Airflow. «Удобное тестирование ETL процессов Apache Airflow»
Никита Дмитриев из Катбуст поделится историей о том, как они создавали инструмент для пообъектного сравнения, позволяющий понять на каких объектах разные модели ML ведут себя лучше, а на каких хуже. «Как мы переизобретали эксель для MLops’а»
Ольга Филиппова из Evidently AI поговорит о том, зачем и как делать мониторинг ML-моделей в production, что такое data drift и как его измерить. «Мониторинг ML-моделей в production: как измерить data drift и интегрировать это в ML-пайплайн»
Никита Корольков из SberCloud покажет всем, что kubernetes не такой страшный и что можно не бояться с ним работать через python. «Дружим python с kubernetes. Или сказ о том, как запускать ML jobs, jupyter notebooks, inferences на больших железяках»
Денис Рогинский из Яндекса познакомит с новой моделью ML для прогнозирования дождя, которая впервые в истории опирается не только на данные специализированных приборов наблюдения за погодой, но и на сообщения пользователей об осадках. «Meteum: 2.0 – как сделать прогноз погоды точнее с помощью сообщений пользователей»
Андрей Попов из Positive Technologies расскажет, какие проблемы ожидают ETL проект во время фазы активного увеличения кодовой базы, как их можно эффективно решать с помощью изолированных идемпотентных шагов пайпланов. «Отказоустойчивое масштабирование ETL систем»
Олег Кочергин из СберЗдоровье поделится своим видением платформы данных и расскажет про предпосылки появления в СберЗдоровье и конкретную архитектуру на основе современных open-source компонентов. «Современная платформа данных»
Денис Усачёв из Сбердевайсы расскажет, что делать, если маленький наколенный проект с 2 RPS для использования несколькими людьми, выстрелил и накрылся волной фича реквестов и пользователей из десятков команд. «Как мы один pet-project масштабировали»
Юрий Кацер со всех сторон рассмотрит задачу changepoint detection, методы для обнаружения точек изменения состояния и библиотеки на python, с помощью которых можно эту задачу решать. «Поиск точек изменения состояния (changepoint detection) на python»

Вуф, вроде бы все детали рассказали, если остались вопросы – готовы отвечать. А еще у нас есть чат PyconRussia в телеграм, еще больше информации там.

ссылка на оригинал статьи https://habr.com/ru/post/675872/