Разработка

На мастер-классе вы научитесь управлять рисками, используя не только теорию, но и понятные аналогии из повседневной жизни. Я покажу, как обычные жизненные ситуации помогают понять ключевые принципы работы с угрозами и возможностями в ИТ-проектах.

1. От быта к профессии:

— Как идентифицировать риски через простые примеры (ремонт квартиры, поездка на автомобиле) и применять эти навыки в ИТ.

— Классификация рисков: Люди, Процессы, Технологии, Внешние условия — как эта структура охватывает ключевые аспекты ИТ-проектов.

2. Инструменты для анализа:

— Матрица рисков: как оценить вероятность и влияние, чтобы не тратить ресурсы на «шум».

— Почему позитивные риски (например, неожиданная помощь эксперта) могут быть важнее угроз.

3. Стратегии управления:

— Планируем действия: от предотвращения проблем до передачи ответственности.

— Разберем кейсы, где простое смягчение последствий спасает проекты, а исследование возможностей — удваивало их ценность.

4. Практика:

— Интерактивная работа в командах: расстановка приоритетов, создание «дорожной карты» действий.

— Как избежать типичных ошибок: игнорирование «зеленых» рисков, переоценка маловероятных угроз.

Итог:

Вы уйдете с готовым алгоритмом, который поможет не только тушить пожары в проектах, но и находить скрытые возможности для роста. Даже если вы новичок в управлении рисками, бытовые аналогии и практика сделают сложные концепции понятными и применимыми.

Для кого:

Руководители проектов, разработчики, аналитики и все, кто хочет предугадывать проблемы и превращать их в преимущества.

Ждем ваш отзыв

Опенсорс начинался со светлых идей о сотрудничестве, коллаборации и обмене знаниями. Но что с ними стало сегодня?

Что сейчас можно считать настоящим опенсорсом, а что паразитирует на его идеях?

Экономика современного опенсорса. Жить на пожертвования, строить бизнес модель или договориться с корпорацией?

Как заслужить себе имя, сделав популярный проект, и очутиться в золотой клетке.

Лицензирование, этические аспекты, конкуренция и другие вызовы.

На примере PostgreSQL, рассмотрим, как может функционировать сообщество.

Ждём ваш отзыв

Я поделюсь опытом внедрения и использования Camunda в нашем проекте. Вы узнаете, как с её помощью нам удалось оптимизировать процессы, какие конкретные задачи она помогла решить и как мы справились с неизбежными проблемами на разных этапах. Поговорим о настройке, интеграции и возможных ловушках, в которые может угодить каждый, кто впервые работает с этой платформой. Расскажу о реальных примерах и нашем подходе к адаптации Camunda под проект, чтобы вы могли оценить её потенциал и постараться учесть ошибки, с которыми можно столкнуться на практике

Ждем ваш отзыв

В современном мире целостность и доступность информации имеют первостепенное значение для любого бизнеса. В докладе поговорим о различных методах резервного копирования, доступных в PostgreSQL, а также поделимся рекомендациями по внедрению эффективных стратегий резервного копирования, основанных на опыте компании Postgres Professional.

Ждем ваш отзыв

TypeScript с нами уже больше 10 лет, и за это время было множество статей и докладов о том, какой он чудесный. Но почти не было материалов о его слабых сторонах, и вряд ли это из-за того, что таковых нет. Пришло время изучить этот вопрос. И не просто изучить, а сделать это в контексте разработки инструментов.

Сначала обсудим основные особенности TypeScript. Насколько он повышает надежность кода на самом деле, как влияет на скорость разработки и в чем его реальная польза. Затем перейдем к системному коду: посмотрим кейсы где TS может помешать. Дальше разберем решения: как получить основные преимущества TS без написания логики на нем.

Цель не в том, чтобы убедить вас выкинуть TS из своего проекта. Она скорее в том, чтобы показать иной взгляд: как можно делать сложные вещи по-другому, и возможно, более эффективно

Доклад будет особенно полезен разработчикам библиотек и сложных проектов на JS. А также тем, кто считает, что писать на TypeScript сегодня — само собой разумеющееся.

Ждем ваш отзыв

Отстутствие в Go возможности переопределить конструктор типа по умолчанию с одной стороны делает язык простым, с другой - приводит к тому, что программисты пишут баги, когда конструктор типов по умолчанию создает экземпляр типа с некорректным внутренним состоянием. В докладе показаны практики конструирования типов в Go, позволяющие создавать типы для безопасного последующего использования
Ждем ваш отзыв

Наш корпоративный чат-бот построен на микросервисной архитектуре и активно взаимодействует с клиентами через чат. В ходе разработки мы столкнулись с нетривиальной задачей: нам нужно было не только получать входящие сообщения, отправляя их в MQ (RabbitMQ) для обработки DS-ядром, но и правильно маршрутизировать ответы обратно в нужный процесс.

Ключевая сложность — долгоживущий процесс внутри микросервиса, который собирает сообщения в обоих направлениях:

— От клиента — для корректной обработки фраз, составленных из нескольких сообщений («привет», «как», «дела»).

— К клиенту — для реагирования на срочные и несрочные обращения, а также для обработки сообщений с запросом на оценку сервиса.

В условиях распределенной системы на Kubernetes процессы могут находиться на разных серверах (нодах), что делает задачу обратной маршрутизации особенно сложной. Как доставить ответ в тот же процесс, который отправил запрос, если сервисы динамически масштабируются и мигрируют между узлами?

Ранее наши коллеги рассказывали, как маршрутизация устроена в чат-системах (https://speakerdeck.com/xfenix/dvustoronnii-websocket-routingh). В этом докладе мы поделимся нашим опытом:

— Как мы решали проблему обратного роутинга в микросервисной среде.

— Как эволюционировали наши архитектурные решения и какие ошибки мы допустили.

— Какие существуют методы решения проблемы обратной маршрутизации (название придумали сами, так как тема ранее не была освещена).

Если вы работаете с микросервисами, распределенными системами и очередями сообщений — этот доклад поможет вам избежать наших ошибок и выбрать эффективные архитектурные паттерны для двустороннего роутинга.

Ждем ваш отзыв

Нагрузочное тестирование — сложный и дорогой процесс. Но мы в Ozon запускаем более 35 тысяч тестов в месяц, большая часть из которых по проду. В докладе расскажу как мы в Ozon проводим регулярные нагрузочные тесты, и при этом пиково выдаем более 3.5 миллионов RPS на наши сервисы. А также, какие проблемы у нас возникали и как мы их решали.

Ждем ваш отзыв

Обзорный доклад про все изменения и возможности, которые позволяют оставаться MySQL одной из самых прогрессивных баз данных с открытым исходным кодом.

* основные движки хранения

* надёжность хранения данных и восстановление после повреждений

* конфигурации репликации и шардирования

* проблемы разработчиков приложений, которые решает MySQL

* использование в облаках

* поддержка MySQL в России и комьюнити

Ждем ваш отзыв

На примере IoT-приложения для управления «умной» техникой разберём, как разработать продукт, когда нет ничего, кроме идеи и высокой цели. Вы узнаете, как собирать данные без документации, выстраивать логику работы интеграции черной коробки и превращать хаос в структурированные требования

Ждем ваш отзыв

В современном мире трудно представить социальные сети без видеоконтента. Ежедневно пользователи просматривают и делятся видеофайлами с друзьями, родственниками. Но вряд ли они задумываются, какой объем работ скрывается за реализацией всех этих возможностей.

В докладе я расскажу про опыт реализации загрузки, сохранения и обработки видео с использованием библиотеки FFmpeg:

- обсудим, что послужило триггером для начала работ, какие проблемы были подсвечены и как мы планировали их решить;

- проанализируем, что выгоднее: воспользоваться готовыми облачными сервисами или разрабатывать кастомное решение;

- рассмотрим инструменты для реализации необходимого функционала, определимся с хранилищем и схемой хранения данных;

- изучим процесс загрузки исходного видео пользователем в мобильном приложении;

- посмотрим изнутри на процесс обработки видео, использование FFmpeg из .NET приложения.

Ждем ваш отзыв

Сервисный подход к нагрузочному тестированию часто представляют как универсальное решение для повышения эффективности проектов. Однако на практике он может принести не меньше сложностей, чем пользы. В этом докладе:

Разберем, какие проблемы может создать сервисный подход, и почему они часто остаются незамеченными на старте.

Обсудим реальные кейсы, когда сервисный подход стал не спасением, а источником дополнительных рисков и ошибок.

Поделимся методами, которые помогут не превратить "сервис" в хаос, а извлечь из него максимум пользы.

Этот доклад — о том, почему сервисный подход не всегда работает, как его избежать ошибок и подготовиться к реальным трудностям. Также вы узнаете, какие потенциальные проблемы могут ждать на пути внедрения нагрузочного тестирования в подобных условиях.

Ждем ваш отзыв

Поговорим про разработку сервисов в IoT-направлении. Разберем особенности работы с IoT, какие направления востребованы и почему, что такое безопасность в IoT и как её можно обеспечить

Ждём ваш отзыв

В начале поговорим о том, как происходит проектирование таких объектов и обсуждается выбор между Python и C++ с точки зрения скорости разработки и вычислительной эффективности.

После этого рассмотрим две главных задачи в трассировке: построение графа по имеющимся данным и поиск путей на графах. Также расскажу проведённую оптимизацию производительности с использованием JIT-компиляции через numba и покажу графики с бенчмарками.

Технический долг, как суслик: вы его не видите, а он есть. Если вы его заметили, это означает, что долг уже накопился до значительного уровня.

Накопление технического долга — актуальная проблема для всех команд, особенно остро она проявляется в интенсивно развивающихся проектах, в которых происходит быстрый рост команды.

В своем докладе я хочу рассказать о том, что помогает сохранять кодовую базу актуальной: от очевидной автоматизации до философских размышлений о построении API.

Ждем ваш отзыв

Расскажу о рынке мобильных браузерных игр. Сложности, история, взгляд в будущее
Ждем ваш отзыв

В .NET JIT-компилятор делает огромное количество работы, чтобы ускорить ваш код: от инлайна и векторизации до escape-анализов и динамического профилирования. Но знаете ли вы, что невинная строчка is T или не sealed-класс могут запретить JIT делать свою магию?

На докладе мы подробно разберём, как работает JIT в .NET, какие оптимизации реально происходят, как мы, разработчики, можем им мешать — или наоборот помогать, и почему это важно для бизнеса и пользователей.

Сессия будет полезна как инженерам, стремящимся понимать внутренности .NET и писать эффективный код, так и тимлидам и архитекторам, выстраивающим инженерную культуру: ведь понимание того, что реально делает JIT, позволяет оптимизировать не вручную, а системно.

Ключевые темы:

- Tiered Compilation: Tier 0 против Tier 1

- PGO (Profile-Guided Optimization), OSR (On-Stack Replacement)

- Инлайнинг, деинлайнинг, развёртка циклов, SIMD

- Devirtualization, sealed, boxing

- Что нового в .NET 6, 7, 8, 9 для JIT

- Roslyn-анализаторы, помогающие писать JIT-friendly код

Целевая аудитория:

Разработчики уровня Middle и выше, технические лиды, архитекторы, преподаватели и инженеры, которым интересно, что происходит под капотом C# и почему код иногда «не летит»

Ждем ваш отзыв

В докладе обсудим, какие риски информационной (и не только) безопасности может принести использование машинного обучения в бизнесе, а также какие бывают атаки на ML и как от них обезопаситься.

Кому будет особенно интересно послушать: разработчикам ML-решений, так как будут раскрыты технические особенности мер защиты и методы атак, а также топ-менеджерам, так как в выступлении подсвечу последствия, которые возникают, если пренебрегать требованиями безопасности в ML.

Ждём ваш отзыв

Искусственный интеллект становится ключевым элементом во многих отраслях, включая и обеспечение безопасности данных. Современные системы на основе больших языковых моделей (LLM) позволяют выявлять потенциальные угрозы путем анализа и категоризации данных в реальном времени. LLM непрерывно отслеживают изменения и перемещения данных, мгновенно уведомляют пользователей о возможных рисках и предлагает способы их устранения. Сегодня ИИ может обеспечить высокую точность мониторинга и защиты данных, что делает его незаменимым инструментом в арсенале любой современной компании.

Примером такого использования LLM является система мониторинга конфиденциальной информации в текстовых данных различных источников, таких как почтовые клиенты, мессенджеры и чаты, работающую в режиме реального времени.

В рамках доклада рассмотрим, как система автоматически выявляет участки текста, содержащие уязвимые данные, и какие механизмы используются для формирования вариантов изменений с сохранением исходного смысла. Это позволяет предотвратить утечку конфиденциальной информации и обеспечить её надежную защиту.

Также мы затронем вопросы выбора моделей для классификатора и задач перефразирования текста, разберем ключевые метрики оценки качества классификации и генерации текста, обсудим методы квантизации и оптимизации для повышения производительности, а также рассмотрим подходы к мониторингу и анализу работы системы в реальном времени.

Ждём ваш отзыв

В этом докладе разберёмся, как устроен LLVM, чем статическая компиляция отличается от динамической, и когда каждая из них полезна.

Вы узнаете, как работает Clang для обычной компиляции, а также как JIT-компиляция (ORC-JIT) позволяет динамически генерировать код прямо во время выполнения программ. Обсудим преимущества и недостатки обоих подходов и посмотрим, как LLVM объединяет их в единую экосистему.

Доклад будет интересен всем, кто хочет понять, как их код превращается в исполняемые программы.

Ждем ваш отзыв

- Обход централизации Big Tech: Сегодня AI-модели разрабатываются и управляются крупными корпорациями, что создает риски цензуры, зависимости и контроля. Децентрализация позволяет уйти от этих ограничений.

- Web3, блокчейн и AI: Технологии децентрализованных вычислений и хранения данных открывают новые возможности для распределенных AI-агентов, работающих без единого центра.

- Будущее AI и экономики: Децентрализованные AI-агенты могут создать новый слой цифровой экономики, где автономные системы взаимодействуют, зарабатывают и принимают решения без вмешательства человека.

Ждём ваш отзыв

В своём докладе я рассмотрю полный цикл создания AI-агента: от формулировки бизнес-задачи до его внедрения в продакшн и последующей поддержки. Мы начнем с формирования технического задания (ТЗ), подробно разберём, как правильно определять цель и критерии успеха. Особое внимание будет уделено анализу различных больших языковых моделей (LLM): сравним их с точки зрения ключевых метрик и эффективности по результатам смарт-тестов. Я расскажу об этапах разработки AI-агента, включая выбор архитектуры, обучение модели и тестирование. Также мы обсудим актуальную проблему — недостаток компетенций в проектировании микросервисной архитектуры для AI-агентов. Я предложу рекомендации по тому, из каких микросервисов должен состоять AI-агент, чтобы его можно было эффективно эксплуатировать и масштабировать. Завершим доклад вопросами продакшн-развертывания: подключением систем логирования для мониторинга работы модели и организации процесса доставки новых фичей. В результате вы получите чёткое понимание того, как построить и развивать AI-агента, способного решать конкретные бизнес-задачи.

Ждём ваш отзыв

1. Какую систему Observability мы строим.

2. Бизнесовый процесс команды девопсов. Девопс команда как 3 и 4 линия поддержки. Как выстроили процесс работы с 1 линией поддержки.

3. Шаблоны: что мы делаем, чтобы ускорить процесс.

4. Какой алгоритм нужно выстроить, чтобы ускорить время решения инцидента.

5. Рекомендации по построению команды девопс против работы 1 специалиста на 1 продуктовую команду

Ждем ваш отзыв

В докладе поговорим о реальных кейсах применения искусственного интеллекта в процессах и продуктовых решениях. На практике покажу и расскажу как развивался продукт с ИИ на протяжении трех лет, еще до бума openai.

Ждем ваш отзыв