Форматы докладов PyCon Russia

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

Приём заявок завершён
  • 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 2025
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 Python 3.13 и какие планы у core команды на дальнейшую разработку
  • Управление зависимостями: poetry, uv или что-то другое?
  • Использование генеративных нейросетей для помощи программистам
  • Большие изменения в Python: сабинтерпретаторы и выпиливание GIL
  • Настоящее и будущее веб разработки: FastAPI, Litestar и другие
  • Типизирование кода: как сохранить баланс и не превратиться в TypeScript?
  • Python и WebAssembly
  • Деплой Python проектов, от веба до ML
  • Современная «безопасность» от PyPA
  • Тренды Rust в Python (astral.sh, pydantic, robyn, etc..)
  • Некроромантика в 2025 году (Twisted, cherrypy, peewee, attrs, kombu, etc…). Зачем и для чего?
  • Python: enterprise edition (кастомные компиляторы, линковщики, сборки С-extensions)
  • C API: Рациональное использование и edge cases
  • Экосистема: Как не повторять packages.lock в больших проектах?
  • Mojo год спустя: обещания и реальность

А ещё, как и всегда, мы ждём 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
  • LLM как источник информации для рекомендательной системы или классических алгоритмов. Обогащение данных.
  • Мониторинг LLM-based систем (RAG, агенты и тп). Скорость генерации, задержки, число использованных токенов, метрики качества.
  • Диагностика проблем в сложных системах (несколько моделей или сложная обработка данных). On call байки.
  • Есть ли что-то новое в стримминговой обработке данных?
  • ML инженеры все? Мы теперь все промпт инженеры?
  • Почему агенты до сих пор буксуют? Или нет?
  • ModernBERT. Почему bert еще жив?
  • SLM: кейсы использования LLM < 5B
  • Какие новости в ML на графах?
  • Новые трюки в ранжировании (рекомендации, персонализация, information retrieval).
  • Истории внедрения гибридного поиска в продукт.
  • Обзор архитектур-альтернатив трансформерам, их достоинств и недостатков: mamba, falcon, diffusion модели, BitNet и тд
  • Как мы делали свой бенчмарк для LLM потому, что все остальные протекли в трейн.
  • Оптимальная квантизация. Сильно квантизированная большая модель или слабо квантизированная маленькая модель?
  • Деплой и использование MoE, насколько это экономически целесообразно.
  • Обзор альтернативного железа, реального и ресерча: Cerebras, Groq, Extropic, Lightmatter etc.
  • Как поживает tinygrad? Он все еще имеет шанс заменить Pytorch? Скоро ли мы будем запускать модели на любом железе?
  • Что угодно про MCP: параллели с LSP в IDE, потенциальные подходы к безопасности, подходы к эксплуатации уязвимостей, неочевидные применения, hands on с имплементацией
  • Подходы к анонимизации данных, разделение данных на чувствительные и нечувствительные, автоматические фильтрации.
  • Data Mesh и децентрализация данных
  • FinOps в DE
  • Управление метаданными и семантическими слоями
  • Реализация Data Contracts
  • Интеграция генеративного ИИ в пайплайны данных
  • Обработка данных в условиях ограничений памяти
  • Управление качеством данных и мониторинг
  • Переход к архитектурам без кода для ETL/ELT (No-Code/Low-Code)
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
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.