Форматы докладов PyCon Russia

Мы ищем интересные сообществу темы и людей, которым есть что сказать

Принимаем заявки на доклады до 15 мая
Кейноут
Большой доклад на 60 минут о будущем и настоящем языка.
Доклад
Традиционный доклад на 30−40 минут.
Lightning Talks
Пятиминутные доклады от всех желающих.
Мастер-класс
1,5−2 часа работы над какой-то задачей или темой, чтобы научиться чему-либо. Состоит из теоретической и практической частей. Формат с максимально полным охватом темы.
Спринт
Формат многочасового обучения и работы над проектом с открытым исходным кодом совместно с автором проекта и другими участниками.
Мы ищем доклады во всех аспектах Python для среднего и продвинутого уровней

Кроме этого, мы ищем авторов мастер-классов и наставников для спринтов
Темы докладов PyCon 2024
Список не исчерпывающий, мы открыты новому и рассматриваем все заявки
Python трек
  • Как и прежде Python must prevail:
    Изменения в PythonVM за последние годы и то, как они влияют на разработчиков, что нам обещают в Python3.12 и какие планы у core команды на дальнейшую разработку
  • Жизнь после PEP518. Как "на практике" изменились практики работы с packaging библиотек и сервисов.
    В каком состоянии сейчас PyPI и выделяется ли он на фоне своих конкурентов — cargo / npm / NuGet / Maven
  • ASGI vs (u)WSGI. Существует ли принципиальная доминация одного над вторым и какие грабли сейчас собирают оба лагеря
  • Вторая волна Web-разработки — сравнения и бэнчмарки современных ASGI-compliant application серверов: Quart, Sanic, FastAPI, Litestar
  • Вторая волна Web-разработки — сравнения и бэнчмарки современных асинхронных ORM: Pony, SQLModel, Tortoise, SQLAlchemy
  • Django в 2023 году. Имеет ли место начинать проект на старом стэке и какие вещи должен знать программист, который хочет использовать Django прямо сейчас
  • SQLAlchemy 2.0. Изменились ли подходы к алхимии после появления async интерфейса. Fail кейсы переходов на 2.0 только приветствуются
  • Dependency Injection в production кодовой базе. Инструкции по применению, сравнительный анализ и антипаттерны
  • Экосистема вокруг Python.
    Какие средства сейчас доступны для расширения возможностей ванильного Python и насколько они удобны для разработчиков:
    Rust + PyO3, WASM, CoreCLR компиляторы, cffi
  • Использование и оптимизация Python в IoT
  • Семейство *io: отличительные особенности, подводные камни, альтернативы от core-команды и последние новости из мира асинхронности

    А еще, как и всегда, мы ждем доклады по темам вне времени и пространства:
  • Стабильность и эксплуатация — все, что обеспечивает надежную работу сервиса:
    Средства отладки и профилирования, нагрузочные и стресс тесты, DevOps, схемы deploymentа, мониторинг и телеметрия.
  • Новые технологии, библиотеки, сервисы и подходы в Python разработке
  • Работа с кодовой базой из миллионов строк кода: процессы, CI/CD, линтеры, командные практики и все, что вас выручает каждый день
  • Архитектурные и практические антипаттерны, Fail кейсы и странные дизайн-решения
    Data трек
    • Мониторинг качества и изменений данных. Как выглядит внедрение и поддержка, какие существуют общепринятые практики
    • Сравнение применения *NN семейств алгоритмов в коде vs специализированные векторные БД, например: Milvus, qdrant. Существуют ли какие-то малоизвестные велосипеды для фильтрации данных
    • Практики и fail кейсы распределенного обучения моделей на нескольких GPU
    • Проблемы и сложности внедрения / эксплуатации инструментов для воспроизводимости и трекинга экспериментов: MLflow, W&B, Aim, ClearML, DVC. Есть ли реальная польза или просто маркетинг
    • Как справляться с production без выделенных backend и DevOps. Формирование процессов и команды ML инженеров для решения задач "под ключ" — от идеи до production
    • Жизнь за пределами AirFlow — альтернативные варианты MLOps
    • Fail кейсы оптимизаций моделей и алгоритмов под "слабое" железо
    • Spark: сравнение API под разные языки программирования: Python, Scala, Kotlin, R
    • Разбор OLTP/OLAP БД в плоскости механизмов и алгоритмов. Практическое применение полученных знаний в Python
    • Как миром начал править LLM.
      Fine-tuning, prompting, специализированные корпусы под различные сферы применения (e.g. Minerva / BloombergGPT).
      Трудности применения и стоимость обучения.
    • Интересные кейсы внедрения и эксплуатации, включая неудачные, связанные с предиктивными и рекомендательными моделями.
    • Современное состояние и эволюция алгоритмов ранжирования и персонализации контента.
    План доклада
    Как правило, заявок гораздо больше, чем мы можем взять в программу, поэтому опишите ваш будущий доклад как можно подробнее:
    • Какая перед вами стояла задача? В чем ее сложность?
    • Почему вы выбрали этот инструмент, технологию, библиотеку для решения задачи?
    • С какими проблемами вы столкнулись, как их решали?
    • Как в итоге была решена задача?
    • Плюсы, минусы, подводные камни этого решения?
    • На кого рассчитан доклад? Над какими задачами могут работать люди, которым интересно будет его послушать? С какими проблемами они сталкиваются в работе?
    • Что слушатели узнают после вашего доклада?
    Нам важно услышать ваш уникальный опыт и ваши истории!

    Программный комитет уже принимает заявки
    Программный комитет
    Именно эти ребята приглашают докладчиков, просматривают заявки, выбирают из них самые полезные и интересные, помогают спикерам подготовиться, устраивают репетиции выступлений и делают все возможное, чтобы получилась отличная программа.
      Заявка на выступление
      Ваши заслуги, ссылки на блог или профайл, ссылки на прошлые выступления, если они есть.
      Сформулируйте как минимум одну. Например, «Смогут понять, подходит ли это решение для их задач и стоит ли идти и читать подробную документацию». Или «Слушатели смогут понять, в каких случаях стоит использовать это решение так, чтобы не выстрелить в ногу проекта в будущем».