Нам интересны следующие темы

• Analytical Engineering & BI

  • Архитектурные паттерны для хранилищ данных и их грабли.
  • Примеры построения корпоративных хранилищ данных и извлеченные уроки.
  • dbt и современные инструменты трансформации данных.
  • Superset, DataLens и другие актуальные BI инструменты: практики внедрения, применения и кастомизации.
  • Нативные встраиваемые движки и кейсы применения для задач аналитики и BI: DuckDB, Polars, chDB и другие.
  • Оптимизация SQL-запросов и построение эффективных аналитических моделей.
• Data Engineering & DB Internals

  • Архитектура аналитических платформ: от DWH к Data Lake и Data Lakehouse.
  • Особенности, кейсы применения и другие подводные камни Open Data Formats (Iceberg, Hudi, Delta Lake и других).
  • MPP-базы данных: архитектура, особенности работы, успешные и не очень кейсы применения.
  • Интеграция данных: low-code решения, CDC и другие подходы.
  • Оркестрация: от банального Airflow до экзотичных и интересных Kestra и Flyte.
  • Мониторинг и обеспечение качества данных: фреймворки, платформы и практика внедрения.
  • Дата-стек на Kubernetes и S3: опыт, грабли, рекомендации.
  • Большие и очень большие дата-платформы на базе старых добрых Hadoop и YT.
  • Database Internals: как устроены современные распределенные базы данных.
• ML Engineering & MLOps

  • Разработка собственных ML-платформ или внедрение open source (Kubeflow, etc.).
  • Experiment Tracking (Mlflow, neptune.ai, Weights & Biases, etc.).
  • Построение собственных Feature Stores или внедрение и кастомизация open source.
  • Мониторинг и эксплуатация моделей в продакшене.
  • Векторные БД и современные RAG-пайплайны.
  • CI/CD для ML-проектов: автоматизация обучения и деплоя моделей.
  • Платформы распределенного обучения больших ML-моделей: проектирование, эксплуатация и «начинка».