Python meetup
Подписывайтесь на наш канал в телеграмм https://t.me/meetups_evrone, чтобы быть в курсе будущих митапов и не пропускать полезные доклады!
Как всегда вас жду доклады записанные в студии, а так же новый формат проведения прямого эфира из студии в Москве. Ведущий, спикеры и приглашенные эксперты с нетерпением ждут вашего участия в обсуждении. А вы, наши дорогие онлайн телезрители, сможете задать свои вопросы и высказать свое мнение!
Программа митапа формируется, подать заявку на участие можно на сайте заполнив форму спикера.
Эксперты и модераторы
Программа
С одной стороны ринга Django - монструозный фреймворк, с которым знакомы, пожалуй, все. Он большой, как динозавр, с кучей батареек в комплекте и ещё большим количеством сторонних плагинов. В другом углу Litestar - многообещающий новичок, который не такой минимальный, как FastAPI, но и не такой монструозный, как Django. Кто круче? Сравним фреймворки пофичечно, поэкспериментируем, заглянем в исходники и постараемся найти для себя ответ на этот холиварный вопрос.
Токены отмены - это способ в компактной и красивой форме описать ограничения на работу кода, а также при необходимости отменить его извне (например, из другой корутины или потока). Паттерн является одной из форм DI (Dependency Injection), то есть он не только про компактность, читаемость и красоту кода, но и про повышение тестируемости / зацепленности модулей программы.
Динамично развивающийся Django-проект с множеством экспериментальных алгоритмов и бизнес правил. Требуется инструмент, позволяющий создавать в одном месте параметры этих алгоритмов и настраивать их в реальном времени. Расскажем о решении django-liveconfigs (https://github.com/factory5group/django-liveconfigs), позволяющем в пару строк аккуратного кода создавать такие настройки. Посмотрим на классические подходы решения подобных задач, такие как файлы констант, переменные окружения, хранение значений в БД и сравним с такими решениями, как django-constance и django-dynamic-preferences. Продемонстрируем пользу предложенного решения как со стороны разработчика, так и со стороны бизнеса.
Данные основа современного мира, на них обучаются нейросети и другой МЛ, через их призму видят пользователя в продукте, принимают решения по внедрению и поддержке фич, выбирают направления развития. Роль валидации данных сложно переоценить, впрочем как и гарантированную возможность принимать их большой поток без потерь. В докладе расскажу: В докладе расскажу как мы обеспечиваем высокую скорость приема данных Как мы выбирали между Python и Go, что в итоге выбрали, чем пожертвовали Как обеспечиваем качество данных Сравню скорость работы Pydantic и Pydantic 2. Как можно обеспечить валидацию данных не сильно жертвуя CPU Про наши фейлы и что мы сделали что бы такого не допускать
Организаторы
