Форматы докладов PyCon Russia

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

Приём заявок на доклады завершён
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 2023
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.