Складчина: новые складчины на курсы и тренинги | страница 2

​

Практический онлайн курс, в котором с нуля до трудоустройства: научат безопасно разворачивать, мониторить и масштабировать приложения в облаке за 7 месяцев.

Кем ты станешь:

DevOps — это некая идеология, возникшая примерно в 2007 году. До наступления счастливой даты разработчики, пишущие код, трудились отдельно от специалистов по эксплуатации, которые этот код развертывали и поддерживали.
На курсах девопс-инженеров в TeachMeSkills студентов учат автоматизировать и интегрировать между собой процессы двух команд — той, что разрабатывает и той, что развертывает, и поддерживает.

Твой результат в конце курса:

1. Изучишь основные практики и методики DevOps.
2. Научишься администрировать операционные системы.
3. Научишься разрабатывать скрипты для автоматизации задач и мониторинга приложений.
4. Изучишь системы управления конфигурацией.
5. Погрузишься в облака и микросервисную архитектуру.
6. Станешь востребованным DevOps инженером.

224 академических часа
Составлена практикующими IT специалистами для новичков в DevOps. Это лучший курс по DevOps для начинающих.

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Программа:

1. Отбор лучшей казуальной модели с помощью R-скорера

• Класс RScorer для сравнения нескольких моделей эффекта по R-критерию (Nie & Wager).
• Применять для объективного выбора лучшей модели CATE – это альтернатива использованному в работе сравнению по остаточному среднеквадратичному отклонению (MSE).

2. Примеры использования OrthoIV и DRIV

• Семейство алгоритмов с инструментальными переменными (OrthoIV, DMLIV, DRIV), сочетающих подходы двойного и дважды робастного машинного обучения.
• Применять при эндогенном воздействии, когда присутствует ненаблюдаемый конфаундер, но доступен инструмент.
• Частный случай (Intent-to-Treat DRIV) – рандомизированный эксперимент с неполным соблюдением (non-compliance).

3. Примеры применения взвешенного двойного машинного обучения

• Применение DML к взвешенным или агрегированным данным.
• Применять, когда данные поступают в виде сегментов или сводок (число наблюдений и дисперсия по сегменту), а не построчно.

4. Примеры применения двойного машинного обучения

• Демонстрирует классы LinearDML и SparseLinearDML.
• Применять, когда воздействие не является эндогенным (инструменты не требуются), а конфаундеры наблюдаемы; SparseLinearDML – именно в случае, когда вектор контролей W высокоразмерный и обе стадии оценивания линейны.

5. Примеры применения динамического двойного машинного обучения

• Класс DynamicDML для воздействий, назначаемых последовательно во времени и влияющих на будущие исходы.

6. Примеры применения ортогонального случайного леса и каузального леса

• Классы CausalForestDML и OrthoForest (ортогональный случайный лес).
• Применять, когда требуется оценка гетерогенного эффекта воздействия (HTE) и есть основания подозревать нелинейные взаимодействия.
• ORF особенно эффективен при большом количестве конфаундеров благодаря ортогонализации.

7. Примеры трансформация воздействия

• Аргумент treatment_featurizer для учета нелинейности по самому воздействию (например, когда отклик линеен относительно квадрата воздействия).
• Применять, когда исход зависит от преобразования воздействия, а не от него напрямую; этот прием, например, может помочь уловить нелинейный отклик D→Y, оставшийся незахваченным.

8. Policy Learning (построение политики назначения воздействия) с помощью деревьев и лесов

• Классы PolicyTree и PolicyForest: не просто оценить эффект, а вывести правило назначения воздействия (кому следует применять вмешательство), максимизирующее бизнес-value.
• Применять для перевода оценок CATE в практическую политику – прямой мост к бизнес-рекомендациям по ценовым сегментам.

9. Обобщенные случайные леса

• Низкоуровневый модуль econml.grf (высокопроизводительная Cython-реализация R-пакета grf): CausalForest, IVForest, RegressionForest.
• Применять, когда нужны максимальная производительность и тонкий контроль над построением леса, а не высокоуровневая обертка.

10. Валидация моделей оценки CATE

• Диагностика качества оценки CATE: тест на наилучший линейный предиктор (BLP), коэффициент Qini и калибровка.
• Применять, чтобы убедиться, что обнаруженная гетерогенность реальна, а не является артефактом модели.

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

AiConf 2026 — это практико-ориентированная конференция нового поколения, фокусирующаяся на прикладных решенияx, инженерной экспертизе и реальных сценариях использования AI/ML. Обновленная программа объединяет технологии, продакшен-практики и бизнес-ценность, создавая площадку для обмена опытом между разработчиками, архитекторами и руководителями AI-направлений.

Технологические тренды AiConf 2026
Эволюция AI-агентов и современные паттерны RAG
От простых пайплайнов на Python — к полноценным агентным системам с детерминированной логикой и контролируемыми сценариями. Эксперты обсудили:

• SGR Agent Core и новую архитектуру управляемых агентов;
• Реализацию RAG в высоконагруженных продуктах;
• Первые кейсы внедрения ИИ в телефонию (SIP/VoIP);
• Сегментацию задач между агентами и LLM.

Observability, тестирование и контроль качества
Индустрия уходит от «магии нейросетей» к инженерной дисциплине. Основные акценты:

• Инструментирование моделей через Langfuse и аналоги;
• Использование LLM-as-a-judge для оценки качества;
• Unit-тестирование RAG и анализ отказоустойчивости;
• Прозрачная диагностика «черного ящика» и отслеживание деградации моделей.

Оптимизация, инфраструктура и производительность
AiConf 2026 детально разобрал технический стек для продакшен-развертывания LLM:

• Сравнение vLLM, SGLang, NVIDIA Dynamo;
• Оптимизация доставки данных на GPU и устранение bottleneck’ов;
• Обзор альтернативного железа: AMD, TPU, Groq, Cerebras, AWS;
• Практики стабильной эксплуатации LLM в высоконагруженных системах.

Безопасность данных и новые подходы к обучению
Отдельный трек был посвящен ответственному и безопасному использованию ИИ:

• Machine Unlearning для точечного удаления данных из весов моделей;
• Генерация сложных синтетических наборов данных (пример GigaChat Ultra);
• Методы обнаружения и предотвращения фрода при разметке;
• Управление качеством данных для промышленных ML-систем.

Интерактивные форматы AiConf 2026
Практические воркшопы
Участники в реальном времени решали инженерные задачи:

• разворачивали наблюдаемость AI-систем;
• проводили нагрузочные тесты и ломали RAG-пайплайны через Unit-тесты;
• создавали синтетические датасеты через Яндекс Задания;
• собирали голосовых роботов с нуля.

Панельная дискуссия «От хайпа к прибыли»
Лидеры индустрии (МойОфис, Cloud.ru, Umbrella IT, Авито, Just AI) обсуждали реальные финансовые эффекты AI-проектов, поиск продуктовой ценности и критерии закрытия нерентабельных инициатив.

Групповая работа «AI для бизнеса без иллюзий»
Формат тематических столов с экспертами Сбера, Альфа-Банка, ВШЭ, Райффайзен Банка и MWS позволил обсудить самые проблемные аспекты внедрения AI:

• расчёт ROI и экономической эффективности;
• коммуникацию с токсичными стейкхолдерами;
• проблему грязных данных;
• сопротивление команд цифровой автоматизации.

Международный контекст и научный стрим
Особое внимание уделено глобальному развитию AI:

• технологическая культура Baidu, Xiaomi, SenseTime;
• особенности технического китайского для CV и LLM research;
• технологии автоматизации научных исследований;
• путь академической статьи к конференциям уровня A*.

Для кого предназначена AiConf 2026
Конференция будет полезна специалистам, работающим над созданием и внедрением AI/ML-продуктов:

• Data Scientists и ML-инженерам, оптимизирующим модели и продакшен-стек;
• Архитекторам данных и системным инженерам, строящим RAG и AI-инфраструктуру;
• AI Team Leads, Product Owners и Enterprise-менеджерам, отвечающим за бизнес-результаты AI-проектов.

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Курс создан специально для тех, кто только начинает знакомство с Python. Мы всё разберём простым и понятным языком, без сложных терминов и лишней академической теории. Не важно, есть ли у вас опыт в программировании — здесь вы научитесь работать с Python с нуля и сможете применять знания в реальных задачах. Вас ждут видеолекции, конспекты, практические задания и поддержка автора по всем материалам курса.
Этот курс создан специально для тех, кто начинает знакомство с Python и анализом данных. Мы разберем всё простым и понятным языком, без сложных терминов и лишней академической теории, с авторской поддержкой по всем материалам курса.

Не важно, есть ли у вас опыт в программировании — здесь вы научитесь работать с Python с нуля и сможете применять знания в реальных задачах. Вас ждут видеолекции, конспекты, практические задания и поддержка автора по всем материалам курса.

Перед покупкой рекомендую:

• Ознакомиться с подробной презентацией курса
• Изучить программу и объем материалов
• Ознакомиться с дополнительной полезной информацией в репозитории по ссылке
• Посетить Telegram-канал с ответами на возможные вопросы
• Если остались вопросы — напишите мне лично в Telegram (пишите, не стесняйтесь).

Цель курса — получить фундаментальные знания и навыки работы с Python для анализа данных, что позволит достичь ваших целей:

• Повысить конкурентоспособность на рынке труда
• Сменить должность или место работы — начать карьеру в аналитике данных
• Увеличить стоимость ваших услуг и улучшить условия труда как специалиста

Особенности курса:

• Поддержка автора по всем материалам курса
• Логичная структура: от основ синтаксиса до написания функций и обработки исключений
• Подробные конспекты к каждой лекции
• Более 280 тестовых заданий
• Более 235 практических заданий
• Задания на закрепление материала после каждой темы
• Идеальный баланс теории и практики
• Курс подходит как для начинающих, так и для тех, кто хочет систематизировать знания по Python
• В конспектах представлен код из уроков и готовые решения задач
• Программа разработана на основе анализа требований рынка и запросов студентов
• Работа в Jupyter Notebook и Google Colab — доступно на Windows, macOS

Для кого этот курс:

• Аналитиков данных
• Бизнес-аналитиков
• Маркетинговых аналитиков
• Продуктовых аналитиков
• Системных аналитиков
• BI-аналитиков и BI-разработчиков
• Разработчиков
• Тестировщиков
• Маркетологов
• Project и Product менеджеров
• Data Engineer и Data Scientist
• Предпринимателей и руководителей подразделений
• Студентов технических специальностей
• Начинающих специалистов для старта карьеры в IT
• Всех, кто хочет освоить Python с нуля

Спойлер: Подробнее

Начальные требования:

• Базовые навыки работы с компьютером на уровне обычного пользователя

Как проходит обучение:

Виды материалов:

• Видеолекции с объяснениями
• Оформленные конспекты к урокам
• Тестовые задания на закрепление материала
• Интерактивные задачи для отработки навыков
• Оформленные файлы и конспекты Google Colab

Рекомендации по изучению:

• Повторяйте пройденные темы
• Не пропускайте практические задания
• Выполняйте все задания самостоятельно
• Задавайте вопросы в комментариях курса
• Делайте пометки и комментарии в материалах

Чему вы научитесь:

• Устанавливать и настраивать Jupyter Notebook, разбираться в отличиях от Google Colab
• Использовать Markdown для оформления кода, комментариев и структурирования записей
• Понимать основы синтаксиса Python и следовать стилю PEP 8
• Работать с переменными, целыми числами, числами с плавающей точкой и комплексными числами
• Выполнять конвертацию типов данных
• Использовать функции ввода-вывода input и print
• Выполнять индексацию строк, срезы и применять строковые функции
• Работать с логическим типом данных, логическими операторами и типом NoneType
• Использовать основные структуры данных: списки (создание, методы, операции), кортежи, множества, словари
• Импортировать модули и библиотеки
• Выполнять базовую работу с файлами
• Работать с датой и временем: модуль datetime, работа с датами, временем, временными промежутками
• Применять условные операторы if, elif, else и тернарный оператор
• Использовать циклы while и for, операторы continue, break, pass
• Создавать списки с помощью List Comprehensions
• Писать собственные функции, работать с параметрами и аргументами функций
• Использовать *args и **kwargs для гибкой работы с аргументами
• Обрабатывать исключения с помощью try и except
• Применять map, filter, lambda-функции, reduce и lambda-сортировку
• Решать практические задачи на закрепление каждой темы

Что вы получаете:

• Навыки и знания по работе с Python: от основ синтаксиса до написания собственных функций и обработки исключений
• Более 280 тестовых заданий для проверки теории
• Более 235 интерактивных задач для отработки навыков
• Пожизненный доступ к материалам и обновлениям курса
• Изучение в своем темпе
• Доступ к форуму решений
• Помощь преподавателя по всем материалам курса
• Оформленные файлы и конспекты Google Colab

Программа:

Введение в курс:

• Презентация курса
• Демо-доступ
• Вступительное слово, ссылки на полезные материалы
• Демо-доступ
• Jupyter Notebook vs Google Colab
• Демо-доступ
• Установка и запуск Jupyter Notebook
• Демо-доступ
• Markdown: Основы синтаксиса
• Демо-доступ
• PEP: Руководство по стилю кода в Python
• Демо-доступ

Введение в язык, переменные и базовые типы данных:

• Переменные и целые числа
• Демо-доступ
• Практика по теме "Переменные и целые числа"
• Демо-доступ
• Числа с плавающей точкой, комплексные числа, конвертация типов
• Практика по теме "Числа с плавающей точкой, комплексные числа"
• Логический тип данных, логические операторы, NoneType
• Практика по теме "Логический тип данных, логические операторы"

Строки и ввод-вывод:

• Строки и функции ввода-вывода (input & print)
• Демо-доступ
• Практика по теме "Строки и функции ввода-вывода (input & print)"
• Индексация строк и срезы
• Демо-доступ
• Практика по теме "Индексация строк и срезы"
• Демо-доступ
• Практика по теме "Индексация строк и срезы"
• Строковые функции и методы (ч. 1)
• Практика по теме "Строковые функции (ч. 1)"
• Строковые функции и методы (ч. 2)
• Практика по теме "Строковые функции (ч. 2)"

Упорядоченные коллекции данных:

• Тип данных — "Список (ч. 1)"
• Практика по теме "Списки (ч. 1)"
• Тип данных — "Список (ч. 2)"
• Практика по теме "Списки (ч. 2)"
• Тип данных — "Кортеж"
• Практика по теме "Кортежи"

Неупорядоченные коллекции данных:

• Тип данных — "Множества"
• Практика по теме "Множества"
• Тип данных — "Словарь"
• Практика по теме "Словарь"

Работа с модулями и дата/время:

• Модули и библиотеки
• Работа с датой и временем (ч. 1)
• Работа с датой и временем (ч. 2)
• Практика по теме "Работа с датой и временем"

Дополнительные типы данных:

• Дополнительные типы данных
• Практика по теме "Дополнительные типы данных"

Работа с файлами:

• Базовая работа с файлами

Условия:

• Условный оператор
• Практика по теме "Условный оператор"
• Тернарный оператор
• Практика по теме "Тернарный оператор"

Циклы и управление итерациями:

• Цикл while
• Практика по теме "Цикл while"
• Цикл for (ч. 1)
• Практика по теме "Цикл for (ч. 1)"
• Цикл for (ч. 2)
• Практика по теме "Цикл for (ч. 2)"
• Операторы continue, break и pass
• Практика по теме "Операторы continue, break и pass"
• Comprehensions
• Практика по теме "Comprehensions"

Функции:

• Методы и функции
• Функции с параметрами
• Практика по теме "Функции с параметрами"
• Работа с параметрами функций: *args и **kwargs
• Обработка исключений: try и except

Функциональное программирование: Map, Filter, Reduce, Lambda:

• Map, Filter и Lambda-функции
• Практика по теме "Map, Filter и Lambda-функции"
• Функция apply
• Условные выражения, Reduce и Lambda-сортировка
• Практика по теме "Усл. выражения, Reduce и сортировка с Lambda"
• Python: полезные материалы

Feedback:

• Завершение и итоги курса
• FeedBack
• Бонус: Единый конспект лекций

Автор Алексей Андросов

• Разрабатываю структурированные и доступные онлайн-курсы по аналитике данных.
• Образование: НИУ ВШЭ, бизнес-информатика.
• Опыт: бизнес-аналитик, аналитик данных.

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Онлайн-курс «Системный аналитик с нуля до старта» от Веры Коноваловой представляет собой комплексное решение для быстрого и эффективного освоения ключевых компетенций в системном анализе. Разработанный для тех, кто только начинает свой путь в IT, а также для аналитиков с опытом до трех лет, желающих укрепить теоретическую и практическую базу, курс позволит вам систематизировать знания и уверенно решать рабочие задачи. Программа также будет крайне полезна специалистам, меняющим направление в IT, таким как тестировщики, менеджеры проектов и бизнес-аналитики.

Курс предлагает прочную основу, созданную практикующим старшим системным аналитиком Верой Коноваловой, чей опыт включает работу над более чем 15 крупными проектами для компаний уровня Т-Инвестиции, Лаборатории Касперского, Райффайзенбанка и Сбера. Содержание курса тщательно продумано и включает:
- 11 часов видеоуроков, текстовые материалы, тесты и практические задания для глубокого погружения.
- Разбор реальных кейсов и предоставление готовых шаблонов, применимых в повседневной работе.
- Изучение методологий и лучших практик, проверенных на реальных проектах, а не только теоретические основы.

В ходе обучения вы приобретете следующие навыки и знания:
- Готовность работать в Agile-команде и четкое понимание зоны ответственности.
- Свободное владение IT-терминологией, включая «таски», «стори», «спринты» и «баги».
- Эффективные методы сбора, уточнения и формулирования требований.
- Использование User Story и Use Case для структурированного описания задач и бизнес-логики.
- Применение подходящих диаграмм: BPMN, Activity Diagram (UML), DFD, IDEF0, EPC, ERD и другие.
- Навыки оптимизации бизнес-процессов, переход от модели AS IS к TO BE.
- Понимание принципов работы и проектирования баз данных.
- Глубокие знания об интеграциях, их видах и REST API.
- Умение четко и понятно оформлять задачи для команды разработки.

По завершении курса вы не только получите сертификат, но и закроете пробелы в теории, приобретете четкие шаблоны для немедленного применения, перестанете бояться сложных задач, сможете самостоятельно принимать решения и уверенно проходить собеседования.

Начните свой путь к мастерству в системном анализе прямо сейчас и обеспечьте себе стабильное профессиональное будущее в IT!

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Продвинутый курс для системных аналитиков, которые уже знают базу архитектуры и хотят глубже разбираться в проектировании сложных и высоконагруженных систем.
На курсе вы разберёте C4, архитектурные слои, антипаттерны, модульность, индексы, репликацию, шардирование, кэширование и NoSQL

Вам подойдёт этот курс, если:

• Уже знаете базу архитектуры, но хотите глубже разобраться в сложных темах: highload, C4, архитектурные слои, модульность, индексы, репликация, шардирование, кэширование и NoSQL
• Хотите не просто знать термины, а уметь объяснять, почему выбрано именно такое архитектурное решение
• Хотите укрепиться как senior-аналитик или развиваться в сторону архитектора, защищать архитектурные решения, понимать trade-off, риски, антипаттерны и последствия решений для системы

Чему научитесь:

• Поймете, что такое highload-системы и какие проблемы возникают при росте нагрузки
• Научитесь работать с RPS, Latency, Throughput, SLA, SLO, SLI и понимать их влияние на архитектуру
• Сможете описывать архитектуру в нотации C4: Context и Container
• Разберетесь в архитектурных слоях, уровнях, антипаттернах и типовых ошибках проектирования
• Поймете принципы модульности, связности и связанности, чтобы оценивать качество разбиения системы
• Разберетесь, когда нужны индексы, репликация, шардирование, кэширование и NoSQL, а когда они создают новые проблемы
• Сможете обсуждать архитектуру сложной системы через ограничения, trade-off, риски и последствия решений
• На итоговом проекте соберете архитектурное описание системы: C4-схемы, слои, хранилища и решения по масштабированию

Если Хард пока рано:

• Тогда начните с базового курса по архитектуре.
• Курс "Архитектура систем. Хард" рассчитан на тех, кто уже понимает базу и хочет глубже разбираться в сложных архитектурных решениях: highload, архитектурных слоях, антипаттернах, индексах, репликации и шардировании.
• Если пока плаваете в этих темах, сначала пройдите "Архитектура систем. База". Там вы разберётесь в фундаменте: НФТ, декомпозиции по DDD, API, очередях, вебхуках, callbacks и балансировщиках.

Что делает курс практичным:

• Сквозной проект
  Весь курс строится вокруг МаркетХаба: вы видите, как архитектура усложняется по шагам, а не изучаете темы в отрыве друг от друга
• Не просто термины
  Разбираем не "что такое шардирование", а зачем оно нужно, какие проблемы решает и какие новые риски создаёт
• Фокус на trade-off
  Учитесь смотреть на архитектурное решение через ограничения, риски, последствия и компромиссы
• C4 на практике
  Не просто говорим про архитектуру, а учимся описывать её структурно: через контекст, контейнеры и понятные схемы
• Highload без магии
  Разбираем нагрузку, SLA/SLO/SLI, CAP, кэширование, репликацию и шардирование простым языком и на примерах
• Закрываем пробелы
  Разбираем темы, в которых чаще всего плавают аналитики, понятным языком и на реальных примерах

Результат курса — архитектурное решение сложной системы:

На выходе у вас будет готовое описание архитектуры: C4-схемы, слои, хранилища, кэширование, репликация, шардирование и логика масштабирования. Вы сможете не просто назвать технологии, а объяснить, почему выбрано именно такое решение.

Спойлер: Программа

Программа:

Неделя 1. Введение про highload-приложения и С4:

Урок 1. Зачем системному аналитику понимать архитектуру:

• Определение и зачем нужна архитектура ПО
• Разница и граница разделения обязанностей архитектора и аналитика
• Цена неверного архитектурного решения

Урок 2. Проблемы highload-приложений:

• Что такое highload системы
• Как измерять нагрузку: метрики RPS, Latency, Throughput, SLA, SLO, SLI
• 6 основных проблем нагруженных систем
• Масштабирование — куда расти?
• База данных — самое уязвимое звено
• Кэширование — не так просто, как кажется
• Сетевые задержки и асинхронность
• Управление состоянием
• Мониторинг и observability
• Примеры плохой архитектуры

Урок 3. Как строить архитектуру в нотации С4:

• Как описывать архитектуру: ArchiMate, TOGAF, UML, C4
• Концепция нотации С4
• Уровни С4
• Объекты нотации
• Примеры С4

Урок 4. Разбираем на примере, как строить архитектуру в С4:

• Отрабатываем на примере проекта МаркетХаб, это "сквозной" проект на протяжении всего курса

Домашняя работа:

• Построение архитектуры в С4

Неделя 2. Архитектурные слои:

Урок 5. Архитектурные уровни и слои:

• Зачем слои аналитику
• Что такое слой на примере чистой архитектуры
• Слой vs Уровень
• Уровень представления (Presentation Layer)
• Уровень бизнес-логики (Business Logic Layer)
• Уровень данных (Data Layer)
• Многослойная архитектура (Layered)
• Плюсы и минусы многослойности
• N-Tier — физическое разделение

Урок 6. Ошибки и антипаттерны при проектировании уровней:

• Зачем аналитику знать антипаттерны
• Что такое антипаттерны и какие бывают на примерах: умный UI, толстый контроллер, прямой доступ из UI в БД, Layer Bleed (размытые границы), God Service, анемичная доменная модель
• Чеклист для ревью требований и архитектурных обсуждений

Домашняя работа:

• Разделение по слоям

Неделя 3. Архитектурные стили и подходы:

Урок 7. Принципы модульности и связности:

• Что такое модульность
• Модульность в контексте связности и связанности
• Связность (Cohesion), виды, примеры хорошей и плохой связности
• Связанность (Coupling), виды, примеры
• Принцип слабой связанности (Loosely Coupled) на практике

Урок 8. Архитектурные стили и подходы:

• MVC
• Layered Architecture
• Microfrontend
• BFF: Backend for Frontend
• Rate Limiter
• Как аналитику распознать, когда стиль нужен или не нужен

Урок 9. Разбираем на примере, как разбивать на архитектурные слои и уровни:

• Отрабатываем на примере проекта МаркетХаб, это "сквозной" проект на протяжении всего курса

Домашняя работа:

• Отработка архитектурных паттернов

Неделя 4. Индексы, репликация, шардирование:

Урок 10. Индексы:

• Что такое индексы
• B-Tree
• Hash
• Bitmap
• RUM
• Как и когда индексы помогают, а когда мешают
• Примеры использования

Урок 11. Репликация:

• Что такое репликация и зачем она нужна
• Какие бывают репликации
• master-slave / master-master / master-less
• sync / async / semisync
• logical / physical
• push / pull
• CAP-теорема в жизни: какой подход для каких сценариев

Урок 12. Шардирование:

• Партиционирование и его виды
• Шардирование и его виды
• Горизонтальное и вертикальное шардирование
• Географическое шардирование
• Комбинируем схемы: когда вместе репликация и шардирование
• Сравнение подходов и примеры реальных компаний

Урок 13. Разбор как делать шардирование и репликацию на примере:

• Отрабатываем на примере проекта МаркетХаб, это "сквозной" проект на протяжении всего курса

Домашняя работа:

• Шардирование, репликация

Неделя 5. Кэширование, NoSQL и API Gateway:

Урок 14. NoSQL базы данных:

• Что такое NoSQL и почему это не "анти-SQL"
• Виды NoSQL
• Разбираем примеры MongoDB, Cassandra и Redis
• Графовые БД
• Выбор БД, типичные ошибки

Урок 15. Кэширование и in-memory хранилища:

• Определение и суть кэша
• Кэширование и in-memory хранилища
• Когда кэш не нужен
• Где кэш может находиться в системе: browser, CDN, In-memory, Distributed, Database
• Локальный кэш vs распределённый кэш
• Как работает cache hit / miss
• Ключ кэша: что именно храним, примеры
• Cash-aside
• Read-through: кэш сам читает источник
• Write-through: сначала кэш, потом источник
• Вытеснение: как не захламить память
• Инвалидация: самая сложная часть кэша
• Практические кейсы: где кэш уместен

Урок 16. API Gateway:

• API Gateway: зачем нужна единая точка входа
• Функции API Gateway
• Место API Gateway в общей архитектуре
• Rate Limiting: одно правило для всех запросов
• Агрегация: один запрос клиента — несколько вызовов Gateway
• API Gateway vs BFF: один для всех или у каждого свой
• Gateway: когда брать, когда не брать
• Что должен описать системный аналитик

Домашняя работа:

• Добавление API Gateway, кеша

Автор Владимир Бурмистров

• Главный системный аналитик в ИТ-холдинге Т1, проект Dion. Специализируется на системном анализе и архитектуре
• Владимир проектирует системы, помогает командам выстраивать архитектуру и развивать продукты. На курсе он показывает, как системному аналитику разбираться в сложных архитектурных решениях, видеть ограничения и говорить с командой на одном языке
• с 2007
  работает в IT-сфере
• Видеолекции
  записал уроки курса по архитектуре сложных систем
• Воркшопы
  будет проводить разборы по темам курса и практическим заданиям

Тариф Только послушать

• Доступ ко всем урокам курса
• Доступ к материалам на 5 месяцев
• Материалы для самостоятельного изучения
• Без проверки домашних заданий, обратной связи и участия в воркшопах

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Курс по использованию системы контроля версий Git и платформы GitHub.

После курса можно смело вливаться в команду или начинать разработку своего продукта. Пройдите путь от новичка до уверенного пользователя.

Git – это мощный инструмент для контроля версий, а GitHub – самая популярная платформа для командной разработки. Если вы хотите полностью разобраться в Git, научиться работать в команде, отправлять pull request'ы, проводить ревью кода и уверенно пользоваться GitHub, то этот курс для вас!

Вы не будете изучать "а смотрите, как ещё тут можно, но не знаю зачем". Вы будете изучать 100% полезный материал, необходимый для реальной работы.

Чему вы научитесь:

• Устанавливать и настраивать Git на Windows, Linux и macOS
• Настраивать SSH-ключи и аутентификацию в GitHub
• Создавать репозитории
• Клонировать репозитории
• Связывать локальные репозитории с удалёнными
• Работать с основными командами Git: commit, push, pull, branch, merge, rebase
• Работать с ветками main и development, понимать смысл их использования
• Откатывать изменения и управлять историей коммитов
• Понимать разницу между git reset и git revert
• Выбирать между merge и rebase
• Создавать форки
• Обновлять форки изменениями из оригинальных репозиториев
• Работать с Open-source проектами
• Работать с pull request'ами
• Проходить код-ревью
• Проводить код-ревью
• Разрешать конфликты слияния в IDE
• Разрешать конфликты слияния в GitHub
• Использовать git diff для просмотра изменений в файлах
• Использовать git diff для просмотра изменений в ветках
• Настраивать .gitignore
• Интегрировать Git с популярными IDE
• Приглашать участников в свой репозиторий на GitHub

Что Вас ждет в курсе:

• Практический подход – все команды и процессы объясняются на реальных примерах
• От основ до продвинутых тем – начнем с базовых команд и постепенно перейдем к работе с ветками, pull request'ами и разрешению конфликтов
• Работа в команде – научитесь правильно оформлять коммиты, предлагать изменения через pull request'ы, проводить код-ревью и сливать ветки
• Разбор инструментов – помимо работы в терминале с Git, рассмотрим работу с UI GitHub
• Полная подготовка к работе в любом проекте – после курса вы будете готовы работать в командах, использовать GitHub в разработке или запускать собственные проекты

Для кого этот курс:

1. Новички, которые только начинают разбираться в Git
2. Разработчики, желающие улучшить навыки работы с Git и GitHub
3. Фрилансеры и командные разработчики, работающие с кодом на GitHub
4. Все, кто хочет без проблем работать в проектах, где используется Git

После прохождения курса вы сможете уверенно работать с Git и GitHub в любом проекте!

Начальные требования:

Базовые навыки владения командной строкой и любой IDE или редактором кода.

Как проходит обучение:

• Курс полностью в текстовом варианте. К каждому действию прилагается скриншот для лёгкого восприятия информации. Немного теории в начале и всё остальное практика с тестами.
• В конце каждого урока удобная табличка "Команды из урока".
• В конце курса – общая таблица со всеми командами.

Спойлер: ПРОГРАММА КУРСА

Приветствие:

• 1. Здравствуйте!
• 2. Что потребуется для обучения

Что такое Git и GitHub:

• 1. Что такое Git
• 2. Основные понятия Git
• 3. Разница между Git и GitHub
• 4. Установка Git на Ubuntu
• 5. Установка Git на Windows
• 6. Установка Git на MacOS
• 7. Установка имени пользователя и email
• 8. Переключение языка интерфейса Git
• 9. Переключение языка на Windows
• 10. Переключение языка на Linux
• 11. Переключение языка на MacOS

Основные действия в Git:

• 1. Инициализация Git
• 2. Добавление в индекс
• 3. Создание коммита
• 4. Переключение коммитов

Настройка GitHub:

• 1. Создаём репозиторий в GitHub
• 2. Создаём токен доступа на GitHub
• 3. Для чего нам SSH
• 4. Linux и MacOS: создаём SSH-ключ для GitHub
• 5. Windows: создаём SSH-ключ для GitHub

Ветки, Pull Request и ревью кода:

• 1. Что такое ветки
• 2. Сливаем (мерджим) ветки локально
• 3. Что такое Pull Request
• 4. Приглашаем участника в личный репозиторий на GitHub
• 5. Пишем код в новой ветке
• 6. Открываем Pull Request первым способом
• 7. Проводим ревью кода
• 8. Устраняем недостатки после ревью
• 9. Одобряем Pull Request
• 10. Сливаем ветки и закрываем Pull Request
• 11. Пулимся после слияния
• 12. Открываем Pull Request вторым способом

Особенности коммитов и веток:

• 1. Удаление файлов из индекса отслеживания
• 2. Создание коммита через редактор
• 3. Сброс коммита git reset (откат изменений)
• 4. Безопасная отмена коммита git revert
• 5. "Отсоединённая голова" и git checkout
• 6. Сбросить состояние файла git restore
• 7. Переключиться git switch и отличия от git checkout
• 8. Обновляем локальную ветку изменениями из main
• 9. Слияние веток через git rebase
• 10. Интерактивный rebase и squash
• 11. Merge или Rebase – что выбрать?
• 12. Конфликты слияния в IDE
• 13. Конфликты слияния в GitHub
• 14. Разница в файлах git diff
• 15. Получаем изменения с помощью git fetch

Работа с репозиторием:

• 1. Клонирование репозитория HTTPS (git clone)
• 2. Клонирование репозитория SSH (git clone)
• 3. Создаём форк репозитория
• 4. Обновляем форк репозитория из оригинального репозитория
• 5. Отправляем Pull Request в оригинальный репозиторий
• 6. Сохраняем пустые папки в удаленном репозитории (.gitkeep)
• 7. Оптимизация .gitignore
• 8. Интеграция Git в PyCharm
• 9. Интеграция Git в VS Code
• 10. Графические клиенты для Git

Дополнительно:

• 1. Таблица команд
• 2. Завершение курса

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Детерминированный контроль качества в эпоху AI-first разработки. Перестаньте ревьюить нейрослоп — стройте Quality Gates.
Для кого этот курс:

• Middle+ и Senior разработчики (от 6 месяцев коммерческого опыта).
• Вы уже активно используете ИИ-ассистентов в работе и уперлись в потолок качества.
• Устали тратить часы на ревью сгенерированного кода и починку багов, которые ИИ незаметно оставил в других частях приложения.
• Хотите научиться управлять агентами через инженерные контракты, а не через текстовые уговоры.

Ловушка 3-го уровня:

Индустрия требует от нас ускорения в 10 раз. Вы начинаете активно использовать AI-агентов, и поначалу кажется, что вы взломали систему. Задачи закрываются быстрее, объем выдаваемого кода растет экспоненциально.

Но очень скоро наступает суровая реальность.
Вместе со скоростью генерации растет и технический долг. Бизнес-логика усложняется, AI начинает говорить что задача сделана, хотя на самом деле нет и бесконечно чинит одно, ломая другое.

В итоге вместо проектирования архитектуры вы превращаетесь в редактора: сидите и вручную вычитываете сотни строк чужеродного кода. Чем больше кода пишет нейросеть, тем больше времени вы тратите на ревью и отлов багов в продакшене. Доверие падает и к вам, и к вашему агенту.

Эволюция боли, или 5 уровней AI-разработки:

По классификации Дэна Шапиро (от Spicy Autocomplete до Dark Factory)

1. [Basic] Level 1: Coding Intern
   Вы делегируете ИИ мелкую рутину — написать бойлерплейт, добавить JSDoc или базовый юнит-тест. По сути, это просто умный автокомплит. Ваша работа фундаментально не изменилась, вы всё ещё ограничены скоростью собственной печати.
2. [Где большинство сейчас] Level 2: Junior Developer
   Вы в состоянии потока. ИИ — ваш интерактивный джуниор-напарник. Вы отдаете ему целые куски логики, пишете код в паре. Вы продуктивны как никогда. Кажется, что это и есть будущее. Но это только начало.
3. [Ловушка] Level 3: Developer Trap
   ИИ генерирует значительную часть кодовой базы, а вы — ревьювер нейрослопа. 8 часов сплошного код-ревью, легендарное LGTM и вопрос «когда прод упадет опять?». Здесь выгорают команды.
4. [Куда мы идем] Level 4: Engineering Team
   AI работает автономно часами. Вы не проверяете каждый написанный им символ. Вы ставите задачу, планируете архитектуру и уходите. Вы доверяете не агенту, а внедренным вами инструментам контроля результатов его работы.
5. [Финальная цель] Level 5: Software Factory
   Вы не смотрите код вообще. Вы управляете только целями и бизнес-логикой. Система сама определяет реализацию, пишет код, покрывает его тестами, фиксит баги и катит в продакшен.

Промпт-инжиниринг — это тупик:

Иллюзия контроля. Почему промпт-инжиниринг — это тупик.

Ключом к росту является осознание и принятие того факта, что LLM — это слот-машина. Не существует фразы, которая заставит ее гарантированно давать вам выигрыш. Вы пытаетесь контролировать недетерминированную систему (которой является любая LLM) такими же недетерминированными методами — текстом на естественном языке.

Вам нужно прекратить писать промпты. Вместо этого сделайте так, чтобы машина сама дергала ручку рандома, пока не выпадут заветные три вишенки. А для этого и вы, и агент должны одинаково понимать, что является «победой» в вашей задаче.

Робот проверяет робота. Вы занимаетесь архитектурой:

• Вы пишете тест – это техническое задание.
  Агент пишет реализацию.
• Инфраструктура сама бьет его по рукам, если он ошибся.

Что внутри курса:

Программа спроектирована так, чтобы провести вас от базового понимания стратегии — когда, какие и сколько тестов писать — до внедрения механизмов контроля за самими тестами. Вы перейдете от “веры в кодовую базу” к системе четких метрик, определяющих надежность вашего проекта.

Спойлер: Программа

Программа:

• Блок 01. Принципы тестирования
  Разбираем базу: контракты, инварианты и метрики покрытия. Главный фокус — почему нужно тестировать поведение, а не реализацию. Если ваши тесты привязаны к деталям реализации, они станут мертвым грузом, когда ИИ-агент начнет переписывать код.
• Блок 02. Инфраструктура и мутационное тестирование
  Разбираем тестовый стек (Vitest), фикстуры, параллелизацию и изоляцию тестов.
  Отдельное внимание — мутационному тестированию (Stryker). Агент легко генерирует тесты, которые «зеленые», но ничего не проверяют. Stryker намеренно вносит ошибки (мутации) в ваш код. Если тесты при этом не падают — значит, они мусор. Мы учимся ловить агента на халтуре.
• Блок 03. Unit-тестирование как техническое задание
  Учимся писать тесты так, чтобы агент понимал их однозначно. Разбираем структуру Arrange-Act-Assert, работу с зависимостями (DI) и test doubles (моки, стабы, шпионы). Вы увидите, как выглядит код, который принципиально невозможно протестировать, и почему агент генерирует именно его.
• Блок 04. Интеграционные и E2E-тесты
  Выходим на уровень всего приложения. E2E (Playwright), управление состоянием, изоляция баз данных. Разбираем главную боль E2E — flaky-тесты (мигающие тесты) и паттерны их стабилизации. Учимся рефакторить сгенерированный ИИ код под тестируемость.
• Блок 05. Внедрение в реальный (legacy) проект
  Пошаговое руководство. Как писать характеризующие тесты для незнакомого кода. Как сажать нестабильные тесты в «карантин». Полный AI-workflow: пишем тест руками → агент реализует → Stryker проверяет → уточняем тест.
• Практические сессии (Zoom, 4 встречи)
  На живых сессиях (каждая по 2–3 часа) мы пишем код руками. От настройки Vitest и тестирования API-сервера до E2E в Playwright и внедрения тестов в legacy-проект с помощью Claude Code.

Встраивается в график работающего инженера:

Курс «Тестирование в эпоху агентов» — это практический фундамент для перехода на этот уровень. Мы по шагам разбираем, как выстроить инфраструктуру детерминированного контроля, чтобы сгенерированный код можно было безопасно пускать в продакшен. Мы строим Quality Gates.

• 5 блоков теории
  ~25 видеолекций по 15 минут. Чистая выжимка подходов, паттернов и работы с инфраструктурой.
• 4 Zoom QA-сессии
  Встречаемся в Zoom и кодим в реальном времени. Без таймингов: сессии длятся по 2–3 часа, я сижу до последнего вопроса и разбираю ваши реальные рабочие кейсы. Вы берете подходы из лекций и сразу применяете их на своих рабочих проектах.
• 100% практический разбор
  Вы берете методики детерминированного контроля качества, предложенные Ильей, и сразу внедряете их на реальных рабочих legacy-проектах во время разборов.

Тариф Основной

• Теория: 5 блоков, ~25 видео по 15 минут
• 4 живые сессии в Zoom (по 2–3 часа): пишем код, разбираем ваши рабочие кейсы
• Записи всех живых сессий — доступ не сгорает
• Видеоразборы самых сложных заданий

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Тариф Персональный, для частных лиц, Online.

SmartData — единственная в России специализированная конференция по инженерии данных для бэкенда, аналитики и ML.

Мы делимся практическим опытом и разбираем устройство технологий: от хранилищ и стриминга до платформ MLOps и архитектуры ML‑решений.

• Data Processing
• MPP DBMS and Data Storage
• SMP and Specialized DBMS
• Architecture of Data Platforms
• Data Management
• DataOps
• Cloud Solutions
• Database Internals

Тариф Online

• Прямой эфир
• Бессрочный доступ к видео

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Интенсив научит решать задачи на связные списки
Структурированно и без хаотичной зубрежки сотни задач на LeetCode

1. Сначала быстрая теория без воды и низкоуровневых концепций — только то, что пригодится в решении заданий
2. Потом разбор 8 типовых заданий уровня easy/medium, которые встречаются на алгосекции — идея задачи с подробным объяснением кода
3. К каждой задаче — эталонное и простое решение, которое легко повторить на собеседовании и которое устроит интервьюера
4. 6 заданий для самостоятельной практики — хватит, чтобы набить руку и решать большинство заданий по этому алгоритму

Интенсив состоит из
Записанных уроков — все актуально на текущий год . Учись в удобное для себя время — все материалы открываются сразу после оплаты
Домашней работы с самопроверкой. Задания уровня easy/medium для самостоятельной практики + оптимальные решения для самопроверки
Дополнительных материалов
В теории даем только самое основное для собеседований, но если захочешь погрузиться глубже — дадим статью и допзадачи с повышенной сложностью

А еще в комплекте
Принципы прохождения алгоритмического собеседования
Курс по структурам данных без сложной математики

Преподаватель — Владимир Балун, ex-team lead в яндекс
Решил 400 задач на LeetCode, успешно проходил и проводил алгосекции в российский BigTech

Теория + разбор 8 популярных задач на связные списки
6 допзадач для самостоятельной практики
База, без которой нельзя — курс по структурам данных

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Учебная программа состоит из 3 курсов:

• Видеокурс по основам работы в терминале Linux.
• Переведенный на русский язык сертификационный экзамен Linux Essentials 010-160 с объяснениями всех вопросов.
• Оригинальный экзамен Linux Essentials 010-160 на английской языке также с пояснениями для каждого вопроса.

Чему вы научитесь

• Перейдете "на ты" с терминалом Linux - от базовых команд до профессионального уровня
• Преодолеете страх перед неизвестной операционной системой
• Освоите популярные текстовые редакторы (Nano и Vim) на продвинутом уровне
• Научитесь профессионально работать с файлами, папками и правами доступа (chmod, chown)
• Разберётесь в файловой структуре Linux и важных системных директориях
• Освоите архивирование, поиск файлов (find) и работу с потоками ввода-вывода
• Научитесь управлять пользователями, группами и процессами системы (top, htop, kill)
• Сможете настраивать SSH и работать с облачными серверами
• Овладеете горячими клавишами и конвейером команд для эффективной работы
• Научитесь писать Bash-скрипты с условиями, циклами и функциями
• Освоите планирование задач с помощью cron и crontab
• Научитесь работать с дисками (монтирование, LVM) и системными журналами
• Поймёте основы сетевой безопасности и настройки фаервола
• Освоите установку и управление ПО (apt, dpkg, snap)
• Научитесь работать с Docker: создание контейнеров, Dockerfile, Docker Compose
• Сможете развернуть веб-сервер Nginx в контейнере
• После курса вы будете уверенно работать в Linux-терминале и решать реальные системные задачи!
• Подготовитесь и сдадите экзамен LPI Linux Essentials 010-160.

Для кого этот курс
Студенты университетов и колледжей. ‍ Выпускники ВУЗов и работники ИТ-индустрии. ‍ Администраторы, желающие систематизировать знания. Разработчики, DevOps, которым нужно эффективно управлять серверами. ‍ Новички в Linux, которые хотят уверенно работать в терминале. Любой, кто интересуется ОС Linux. Для желающих закрепить и/или проверить свои знания ОС Linux.

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Освойте язык Go с нуля: переменные, функции, структуры, maps, интерфейсы, goroutines и работа с ошибками.
Что вы узнаете:

• Научитесь устанавливать Go, настраивать VS Code и писать первые программы, компилируя и форматируя код по лучшим практикам Go
• Разберётесь в переменных, константах и типах, научитесь использовать Printf, понимать статическую типизацию и значения по умолчанию
• Освоите функции, массивы, срезы, карты, структуры, интерфейсы и указатели, включая замыкания, методы и передачу по ссылке
• Научитесь обрабатывать ошибки, использовать panic и recover, писать конкурентный код с goroutines, каналами и группами ожидания

Требования:

• Базовые знания работы с компьютером, установки программ и навигации по файловой системе
• Желание изучать современный язык программирования и применять его на практике с примерами
• Отсутствие необходимости в предыдущем опыте программирования - всё объясняется с нуля

Язык программирования Go (или Golang), разработанный Google, становится всё популярнее благодаря своей простоте, высокой производительности и встроенной поддержке параллельного выполнения. Этот курс предназначен для тех, кто хочет с нуля освоить Go и научиться создавать надёжные, масштабируемые и эффективные программы.

Курс начинается с установки Go и настройки среды разработки в Visual Studio Code. Вы научитесь работать с пакетами, писать простые программы, компилировать и форматировать код. Мы подробно изучим переменные, базовые типы, константы и функции, включая такие темы, как замыкания и именованные возвращаемые значения.

Затем вы познакомитесь с указателями, массивами, срезами, условными операторами и циклами. Переходя к более сложным темам, мы рассмотрим работу с map и struct, их особенности и отличия. Особое внимание уделяется интерфейсам и их реализации — важному аспекту, который делает Go мощным языком для разработки.

Большой раздел посвящён ошибкам: от простого получения ошибок до продвинутого использования panic, recover и реализации собственного типа ошибок. Завершается курс глубоким погружением в goroutines, каналы и синхронизацию, что позволяет писать конкурентные приложения.

В курсе используется подход “от простого к сложному” с большим количеством реальных примеров, задач и практики. Вы не только узнаете, как работает язык, но и научитесь применять полученные знания на практике.

Ключевые темы, которые вы изучите:

• Настройка среды разработки и первая программа на Go
• Работа с переменными, типами, константами и функциями
• Указатели, массивы, срезы, условные конструкции и циклы
• Использование map и struct, отличие значимых типов
• Интерфейсы: реализация, множественная реализация, универсальные типы
• Обработка ошибок: panic, recover, custom error
• Многопоточность: goroutines, каналы, группы ожидания

Все видеоуроки сопровождаются пояснениями, примерами и упражнениями. В конце курса вы получите не только знания, но и готовые шаблоны, которые сможете использовать в своих проектах.

Программа:

• Модуль 1. Введение в курс по Go (4 лекции, 4 минуты)
• Модуль 2. Инсталляция Go и команды Go (5 лекций, 13 минут)
• Модуль 3. Основы Go (8 лекций, 1 час 2 минуты)
• Модуль 4. Переменные и базовые типы (14 лекций, 1 час 43 минуты)
• Модуль 5. Константы (5 лекций, 49 минут)
• Модуль 6. Функции (12 лекций, 2 часа 36 минут)
• Модуль 7. Указатели (6 лекций, 1 час 34 минуты)
• Модуль 8. Массивы и slices (11 лекций, 2 часа 41 минута)
• Модуль 9. Условные инструкции if и switch (7 лекций, 1 час 7 минут)
• Модуль 10. Циклы for и for range (7 лекций, 1 час 17 минут)
• Модуль 11. Тип map (9 лекций, 1 час 46 минут)
• Модуль 12. Тип struct (10 лекций, 2 часа 11 минут)
• Модуль 13. Интерфейсы (12 лекций, 3 часа 45 минут)
• Модуль 14. Ошибки (12 лекций, 2 часа 30 минут)
• Модуль 15. Goroutines и параллельное выполнение (9 лекций, 2 часа 3 минуты)
• Модуль 16. Завершение (1 лекция, 1 минута)

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Пройди путь от основ электроники до реальных проектов на микроконтроллерах
О чем эта программа:

• Что есть профессия
  Инженер умных систем работает в сфере разработки встраиваемых систем (Embedded Systems).
  Такие системы присутствуют во многих областях жизни: от бытовой техники до сложных систем управления транспортом и летательными аппаратами.
• Что умеют специалисты
  Специалисты Embedded-технологий умеют разрабатывать и паять печатные платы, писать код для работы с микроконтроллерами, производить отладку и внедрять устройства во всех направлениях деятельности человека.
• Востребованность професии
  Профессионалы востребованы в целом ряде отраслей промышленности и секторов экономики: от потребительской электроники до устройств особых назначений.
• Уровень знаний
  Программа направлена на подготовку специалистов с любого уровня до уровней Junior/Junior+. Вы получите все необходимые знания для старта в профессии Embedded-разработчика.

Кому подойдет программа:

Программа "Инженер умных систем" идеально подойдет для широкого круга людей, желающих освоить востребованную профессию и начать карьеру в динамично развивающейся области embedded-разработки

• Начинающим и специалистам других сфер IT
  Предоставит навыки аппаратной инженерии и программирования микроконтроллеров, что поможет достичь новых карьерных перспектив
• Студентам технических специальностей
  Позволит восполнить пробелы "классического" образования, получить практические навыки разработки и существенно повысить свою ценность на рынке труда
• Инженерам и специалистам по ремонту
  Станет отличным способом перейти в сферу разработки. Улучшит понимание устройств на низком уровне: поможет разобраться, как они работают "изнутри"
• Действующим разработчикам
  Позволит "уложить по полочкам" все знания, дополнит и расширит компетенции и навыки
• Предпринимателям и самозанятым
  Программа поможет приобрести все необходимые навыки для того, чтобы предлагать свои услуги по разработке устройств
• Бизнесу, производству и компаниям
  Программа поможет повысить квалификацию и уровень ваших сотрудников, что безусловно отразится положительно на качестве выпускаемой продукции

Программа:

1. Введение в профессию
2. Программирование на Си. Базовый уровень
3. Основы электроники
4. Arduino. Проектирование устройств
5. Микроконтроллеры. Вводный курс
6. Микроконтроллеры. STM32
7. Программирование на Си. Продвинутый уровень
8. ОСРВ на базе FreeRTOS
9. Базовые технологии электроники
10. Технологии связи

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Соберете и настроите свою профессиональную среду для разработки с агентами: от написания кода до ревью, автотестов и проверки безопасности.

Кому подойдёт воркшоп:

• Разработчикам
  Тем, кто пишет на Python и хочет, чтобы рутину закрывал агент, а они занимались архитектурой и сложными задачами
• Инженерам данных и ML-инженерам
  Тем, кому нужен production-grade код, а не ноутбуки, и кто устал спорить с бэкендерами про качество
• DevOps или платформенным инженерам
  Тем, кто выстраивает стандарты разработки в командах и хочет зашить их прямо в агента
• Тимлидам и техлидам
  Тем, кому важно не просто «внедрить ИИ», а показать руководству вклад агентов в цифрах по коммитам

Заберёте с собой после воркшопа:

• Агентная среда под ключ
  Настроенный AI-агент с выверенной схемой «модель под задачу» через OpenRouter. Переносится в любой проект
• Правила, навыки и чеклисты
  Готовые промпты под ревью, автотесты, безопасность и политики работы с секретами
• Шаблон AI-first проекта
  Python / Litestar / PostgreSQL / Alembic. Готов к продакшену с первого дня
• Инструменты контроля качества
  Способы определить, где агент справляется сам, а где его нужно направлять

Формат:

• Онлайн
• 4 часа
• Живой формат с экспертом, запись доступна в LMS

Результат:

• Рабочая агентная среда на живом проекте, которую переносишь в свой репозиторий сразу после воркшопа.
• Не демонстрация возможностей AI, а собранная среда, в которой агент ежедневно закрывает инженерные задачи

Что добавите в резюме и примените на работе уже завтра:

• Безопасность AI-разработки: секреты, утечки, зависимости
• Автоматический контроль качества: pre-commit, линтеры
• AI-first разработка на Litestar + PostgreSQL + Alembic
• Построение агентной среды с правилами и стандартами команды
• Unit- и integration-тесты через агента с контролем покрытия
• Code Review силами AI-агента по чеклисту архитектуры
• Оценка вклада AI-инструментов через метрики по коммитам
• Выбор LLM под задачу по метрикам цена/качество
• Настройка AI-агентов в VS Code через OpenRouter

Программа:

1. Окружение для разработки
2. Backend-проект на Litestar и PostgreSQL
3. Безопасность разработки
4. OpenRouter: один ключ — десятки моделей
5. Сравнение моделей на реальной задаче
6. Что происходит без правил
7. Правила и навыки: агент как инженер команды
8. Автоматические проверки качества
9. Тесты и покрытие кода
10. Типовые задачи руками агента
11. Code Review силами агента
12. Измерение вклада агента в работу

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Для кого этот курс?

• ML инженеры и разработчики, которые интересуются финансовым анализом и хотят развиваться этой области
• Финансовые аналитики, которые хотят начать использовать машинное обучение в своей работе

Необходимые знания:

• базовое знакомство с Python;
• базовые знания линейной алгебры, математического анализа, математической статистики;
• базовые навыки работы с ML (pandas, sklearn, линейная регрессия, логистическая регрессия, простые нейросети).

По итогам курса курса вы:

• научитесь основам финансового анализа и принципам биржевой торговли;
• познакомитесь со специальными понятиями финансового анализа, научитесь анализировать различные финансовые инструменты, оценивать риски и формировать оптимальный портфель;
• создадите торгового робота, который будет проводить операции автоматически, оценивая приемлемый уровень риска;
• узнаете как разместить торгового робота на облачной платформе для взаимодействия с реальными биржевыми площадками;
• настроите торгового робота на мониторинг и регулярное переобучение по актуальным данным.

Программа:

Введение в финансовые рынки и машинное обучение

В этом модуле вы познакомитесь с основными понятиями. Вспомните Python и поймёте, как его можно применять для финансового анализа. Вспомните основы машинного обучения и поймёте его применение в финансах. Вспомните основы статистики и временных рядов. Познакомитесь с инструментами анализа финансовых данных.

Тема 1: Введение в финансовые рынки и основные понятия
Тема 2: Основы машинного обучения и его применение в финансах
Тема 3: Основы статистики и временных рядов в анализе финансов
Тема 4: Инструменты анализа финансовых данных
Тема 5: Практическое введение в Python для финансового анализа // ДЗ

Технический анализ финансовых рынков

В этом модуле вы познакомитесь с основами технического анализа. Рассмотрите паттерны и стратегии технического анализа. Поймёте, как интегрировать технический анализ с методами машинного обучения. Построите первую модель на основе технического анализа и оцените её эффективность.

Тема 1: Введение в технический анализ: графики и индикаторы
Тема 2: Паттерны и стратегии технического анализа
Тема 3: Интеграция технического анализа с методами машинного обучения
Тема 4: Применение технического анализа к различным классам активов
Тема 5: Оценка и сравнение эффективности технического анализа // ДЗ

Подготовка данных и признаковая инженерия

В этом модуле вы познакомитесь с методами сбора, очистки и визуализации финансовых данных. Поймёте, как работать с большими объёмами данных. Изучите преобразование и создание признаков.

Тема 1: Сбор и очистка финансовых данных
Тема 2: Визуализация финансовых данных
Тема 3: Управление отсутствующими данными и аномалиями
Тема 4: Работа с большими объемами данных в финансах
Тема 5: Преобразование данных и создание признаков // ДЗ

Моделирование и стратегии на финансовых рынков

В этом модуле вы рассмотрите основы классификации и регрессии в финансовых приложениях. Вспомните особенности моделирования временных рядов и прогнозирования цен активов. Познакомитесь со стратегиями торговли и оптимизации портфеля с использованием ML. Рассмотрите особенности работы с высокочастотными данными.

Тема 1: Основы классификации и регрессии в финансовых приложениях
Тема 2: Моделирование временных рядов в прогнозировании цен
Тема 3: Стратегии торговли и оптимизация портфеля с использованием ML
Тема 4: Работа с высокочастотными данными в финансах
Тема 5: Применение регуляризации и оптимизации в финансовых моделях // ДЗ

Глубокое обучение и практические аспекты

В этом модуле вы вспомните, как строить и обучать глубокие нейронные сети. Научитесь применять нейронные сети в анализе финансовых рынков. Построите и обучите нейросетевую модель на основе технического и фундаментального анализа.

Тема 1: Введение в глубокое обучение и нейронные сети
Тема 2: Применение нейронных сетей в анализе финансовых рынков
Тема 3: Этические и регуляторные аспекты применения ML в финансах
Тема 4: Создание и обучение глубоких моделей в Python
Тема 5: Продвинутые методы глубокого обучения для анализа финансов // ДЗ

Сложные модели торгового агента и перенос обучения в production

В этом модуле вы рассмотрите дополнительный функционал, предоставляемый нам LLM и RL-моделями. Соберёте ансамбль из нескольких моделей для повышения точности. Перенесёте модели в облачную среду.

Тема 1: LLM - модели
Тема 2: RL - модели
Тема 3: Сборка финального ансамбля // ДЗ
Тема 4: Перенос модели в облачную среду // ДЗ
Тема 5: Метрики модели и регулярное переобучение

Продажник
Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...