2 дня офлайна

Спикеры расскажут о том, как применили вывод типов и фаззинг для анализа Python-кода с помощью генерации тестов, и как решали возникавшие проблемы.

Process Mining набирает обороты, и специалисты по работе с данными стремятся помочь бизнесу получать инсайты из хаотичных действий пользователей и строить красивые графы.

Александр с командой проанализировали работу популярных библиотек и сервисов и подготовили инженерные подходы по оптимизации работы с графами. Спикер расскажет про плюсы и минусы таких библиотек, как pm4py, retentioneering, SberGraph и представит пайплайн для оптимизации работы этих сервисов.

Поговорим о проблемах поставки прикладного тулинга, написанного на Python, и о том, как с ними бороться.

Можно ли сделать процесс обучения нейронок удобным и не затратным в плане поддержки? Поговорим о возможностях ClearML, логировании и менеджменте ресурсов, а также об окружении и дополнительных обертках.

Когда вы начинаете новый проект, то наверняка используете poetry или pipenv, или pip-tools. Не так давно появилась альтернатива: Hatch. О нем спикер и расскажет во время доклада.

Hatch строго подчиняется новым PEP'ам, легко интегрируется со всей экосистемой и развивается под эгидой PyPA, как и всеми любимый pip. 

Олег расскажет, как распарсить миллион разных сайтов без армии разметчиков и мудрого ИИ. Как не утонуть в бездне уныния, на что опереться, когда сложность алгоритма действительно критична, и как в команде спикера побороли рекурсию.

Для создания DSL-компиляторов можно использовать готовый фронтенд Python с помощью модуля ast, аннотации типов и конструкции match/case. Предлагаемый подход иллюстрируется рядом примеров создания простых статических анализаторов и компиляторов.

В том году спикер рассказывал про интересные уязвимости в Python. А в этому году подготовим небольшую CTF-площадку на стеке Python и посмотрим на практике, как находить и взламывать через эти уязвимости.

Обзор подходов и библиотек для разработки проекта, в котором используются языковые модели.

Спикер расскажет о том, как его команда пришла к Keycloak, и покажет, что могут Keycloak и другие Identity and Access Management-решения и почему они должны использоваться вне зависимости от того, на каком языке вы разрабатываете ПО и какой веб-фреймворк вы используете.

Чтобы поднять производительность Python, необязательно переписывать свой микросервис целиком на другой язык. Когда уже не хватает алгоритмических оптимизаций, можно поисследовать горячие пути и точечно переписать функции на компилируемом языке. 

Бывает так, что в команде пишут тесты, но их качество оставляет желать лучшего: долго, больно и чуть что, приходится много рефакторить. Почему так происходит? Может быть, тесты не нужны? Или, может, их нужно продумывать, как и основной код приложения? 

Данный доклад — краткое изложение курса ChatGPT Prompt Engineering for Developers от DeepLearning.AI, с увлекательными примерами и демонстрациями. Мы не только увидим примеры задач, решаемых LLM, но и реализуем диалог виртуальных ассистентов — театр роботов.

Как доставляются Python-библиотеки в Контуре. Синергия инструментов CI/CD: pyproject + tox + gitlab parallel:matrix.

Рассказ о monkey patching на примере изменения поведения стандартной библиотеки Python.

Сравним фреймворки для сервинга моделей между собой и определим, какой стоит выбрать.

Даже если аннотации используются в проектах, то часто только для простых, тривиальных случаев. Когда аннотации усложняются, разработчики начинают игнорировать ошибки mypy или закрывают проблемы через Any. 

Спикер расскажет, как преодолеть игнорирование и Any-типы, добиться максимально полной аннотации типов, а также о том, как бороться с распространенными ошибками.

Спикер расскажет, как можно легко и быстро закрыть большую часть регресса (как минимум на уровне smoke-тестов) при помощи JSON Schema. Традиционно будет лайф-кодинг с примерами в реальном времени.

Спикеры расскажут про автоматическую разметку баз данных в SafeData и ее подводные камни, какие подходы и инструменты работают, как держать баланс между регулярками и ML.

Михаил нарисует карту граблей при использовании WebSocket, чтобы будущие разработчики могли их обойти.

Сейчас существует больше 20 способов ускорить CPU-bound код в Python, и их количество растет чуть ли не каждый день. В таких сложных условиях спикер попытается найти самые быстрые решения на Python, сравнить их между собой, и попытаться ответить на вопрос: «Что, если я хочу делать быстро отвечающие веб ручки?»

Pandas — одна из самых используемых библиотек в индустрии, но знаете ли вы, как она работает под капотом? Обсудим ошибки в работе с pandas, способные сломать код в проде и убить все дедлайны, и как их избежать (ошибки и дедлайны, к сожалению, неизбежны)

Спикер расскажет о подходе команд Магнита к автогенерации клиентов для взаимодействия сервисов по http/grpc/kafka: что было в начале, почему нужны были перемены и как пришли к динамической генерации пайплайнов.

Обсудим пример наблюдаемости в процессе разработки, когда приложение работает на сервере, но его поведение неясно.

В докладе вводится понятие «наблюдаемость» и рассматриваются компоненты телеметрии – логи, метрики, трассировки. Освещается использование стандартов OpenTelemetry и практические примеры интеграции с инструментами на Python для отладки проблем в приложении.

Спикер расскажет о необходимости DDD, о его плюсах и минусах, и самое главное — как проектировать внутреннюю архитектуру сервиса так, чтобы было удобно и понятно с ним работать в будущем. Рассмотрим пример одного из сервисов, на основе которого будут разбираться основные детали.

Спикер расскажет о том, как унификация и автоматизация позволили значительно улучшить разработку и внедрение ML-моделей.

Выбор решения в рамках MLOps был основан на возможности встраивания в текущие процессы и инфраструктуру, тем самым снижая стоимость внедрения и сопровождения.

Генерация картинки 200 на 400 пикселей рейтрейсером, написанным на Rust, занимает на ноутбуке спикера 13.37 секунд. Сможет ли он приблизиться к этому результату на Python? Расскажет об этом в докладе.

Спикер расскажет о serverless-подходе к разработке: что из себя представляет, какие имеет плюсы и минусы. Поделится, с какими подводными камнями столкнулись в процессе реализации, какие фреймворки использовали и какой фреймворк написали сами.

Обсудим, можно ли применять этот подход в российских облаках.