Что внутри дайджеста: 39 практических уроков для IT-специалистов
OTUS собрал 39 бесплатных онлайн-уроков по ключевым направлениям современной разработки: параллелизм в Python и Go, работа с Kafka и PostgreSQL, системный дизайн, отказоустойчивые архитектуры и практическое применение ИИ. Все занятия ведут практикующие эксперты, доступ открывается после регистрации.
Подборка ориентирована на разработчиков, ML-инженеров и архитекторов, которым нужно закрыть конкретные пробелы в знаниях без долгого поиска информации. Уроки дают сжатый практический разбор темы: от event loop в asyncio до создания ИИ-агентов и моделей прогнозирования временных рядов. Это способ оценить формат обучения OTUS перед записью на полные курсы.
Темы распределены по четырём блокам. В каждом блоке есть уроки разного уровня: базовые для входа в тему и продвинутые для углубления существующих навыков. Количество мест на отдельные вебинары ограничено, поэтому регистрация заранее имеет практический смысл.
Программирование и параллелизм: Python asyncio и Go
Параллелизм и конкурентность стали базовыми требованиями для высоконагруженных сервисов. Уроки этого блока разбирают два основных подхода: асинхронный код в Python и конкурентную модель Go.
Asyncio в Python: пишем эффективный асинхронный код
Asyncio решает задачи с большим количеством I/O-bound операций: сетевые запросы, обращение к базам данных, веб-скрейпинг, обработка веб-сокетов. Урок разбирает устройство event loop, корутины, задачи и их отмену, а также типичные ошибки при переходе с синхронного кода на асинхронный.
Практическая часть включает примеры из реальных проектов: как правильно организовать конкурентные запросы к внешним API, ограничить их количество и обработать таймауты. Отдельное внимание уделяется совместимости asyncio с синхронными библиотеками и выбору между asyncio, threading и multiprocessing для разных типов задач.
Параллелизм в Go: горутины и каналы
Go решает задачу конкурентности через легковесные горутины и каналы для коммуникации между ними. Урок показывает, как запускать тысячи горутин без существенных накладных расходов и как строить пайплайны обработки данных через каналы.
Разбираются паттерны fan-in, fan-out, worker pool, а также обработка ошибок и отмена конкурентных операций через контекст. Материал подойдёт разработчикам, которые проектируют микросервисы или высоконагруженные сетевые приложения.
Работа с данными: Kafka и PostgreSQL
Обработка потоков данных и работа с реляционными базами остаются ядром большинства промышленных систем. Два урока этого блока дают практические инструменты для ежедневной работы.
Apache Kafka: основы потоковой обработки
Kafka работает как распределённый брокер сообщений с хранением данных на диске. Урок разбирает темы, партиции, consumer groups и механизм доставки сообщений. Практическая часть показывает, как настроить продюсер и консюмер, выбрать стратегию партиционирования и обеспечить гарантии доставки.
Материал полезен архитекторам и разработчикам, которые строят event-driven системы или интегрируют микросервисы. Отдельно рассматриваются типичные проблемы: ребалансировка consumer group, дубликаты сообщений и порядок обработки.
PostgreSQL: продвинутые техники и оптимизация
PostgreSQL остаётся основной реляционной СУБД для многих проектов. Урок охватывает индексы разных типов, чтение планов выполнения запросов, настройку параметров производительности и работу с расширениями.
Практическая часть включает разбор медленных запросов: как найти узкое место, выбрать правильный индекс и проверить результат. Показаны приёмы работы с JSONB, полнотекстовым поиском и партиционированием таблиц. Урок подойдёт разработчикам, которые хотят перейти от базового SQL к осознанной оптимизации.
Архитектура и надежность: системный дизайн и отказоустойчивость
Проектирование сложных систем требует структурированного подхода. Уроки этого блока дают методики и паттерны, которые применяются в продакшене.
Системный дизайн: от требований к архитектуре
Урок разбирает процесс проектирования от сбора требований до выбора компонентов. Показано, как оценивать нагрузку, рассчитывать пропускную способность и выбирать между монолитом, микросервисами и гибридными решениями.
Практическая часть включает разбор кейсов: проектирование сервиса сокращения ссылок, ленты новостей и системы уведомлений. Для каждого кейса показываются компромиссы и обоснование выбора.
Отказоустойчивые архитектуры: паттерны и практики
Отказоустойчивость проектируется, а не добавляется после инцидентов. Урок разбирает паттерны circuit breaker, retry с экспоненциальной задержкой, timeout и bulkhead. Показано, как тестировать устойчивость через chaos engineering и как настраивать мониторинг для раннего обнаружения деградации.
Материал включает примеры из практики: как обрабатывать каскадные сбои, когда один сервис тянет за собой остальные, и как изолировать критический путь. Урок полезен senior-разработчикам и архитекторам, отвечающим за доступность сервисов.
Искусственный интеллект: от агентов до прогнозирования
Блок ИИ охватывает три направления: агентные системы, компьютерное зрение и прогнозирование временных рядов. Уроки ориентированы на практику и дают понимание современных подходов.
Создание ИИ-агентов и ассистентов
ИИ-агенты отличаются от чат-ботов способностью выполнять многошаговые задачи: планировать действия, вызывать инструменты, проверять результаты. Урок разбирает архитектуру агентных систем: LLM как ядро принятия решений, инструменты для взаимодействия с внешним миром, память для хранения контекста.
Практическая часть показывает, как собрать агента для конкретной задачи: обработка входящих запросов, поиск информации, генерация отчёта. Рассматриваются ограничения агентного подхода и способы контроля над действиями модели. Материал пересекается с разбором побочного продукта ИИ-агента, где агент для разработки неожиданно стал основным инструментом аналитиков.
Эволюция детекторов объектов: от R-CNN до YOLO
Детекция объектов прошла путь от медленных двухэтапных моделей R-CNN до одноэтапных YOLO, работающих в реальном времени. Урок разбирает ключевые архитектурные изменения и их влияние на скорость и точность.
Практическая часть включает сравнение моделей на реальных задачах: автономные автомобили, видеонаблюдение, контроль качества на производстве. Показано, как выбрать модель под конкретные требования по скорости и точности, и как дообучить её на своих данных.
Модели прогнозирования временных рядов
Прогнозирование временных рядов решает задачи в финансах, ритейле, мониторинге инфраструктуры и промышленности. Урок охватывает классические подходы ARIMA и экспоненциальное сглаживание, а также современные методы: Prophet и нейросетевые архитектуры.
Практическая часть показывает, как подготовить данные, выбрать модель и оценить точность прогноза. Разбираются типичные ошибки: переобучение, игнорирование сезонности, неправильная кросс-валидация для временных рядов. Материал полезен аналитикам и data scientist'ам, которые работают с метриками и планированием.
Как получить доступ и почему это стоит сделать
Все 39 уроков бесплатны после регистрации на сайте OTUS. Регистрация открывает доступ к записям и материалам вебинаров. Количество мест на живые занятия ограничено, поэтому регистрация заранее увеличивает шанс попасть на нужный урок.
Для разработчиков, которые рассматривают полные курсы OTUS, эти уроки дают представление о стиле преподавания и глубине материала. Можно проверить, насколько формат подходит под ваши задачи, без финансовых затрат.
Если вы работаете с ИИ-инструментами в разработке, обратите внимание на разбор влияния ИИ-ассистентов на скорость и экспертизу команды. А для понимания ограничений LLM в рабочих процессах полезен анализ инцидента с Hank Green.