Новые складчины | страница 30

​

Курс рекомендуется: Начинающим и опытным Программистам 1С, которые не работали с протоколом HTTP.

Цель курса:
Познакомиться с Протоколом HTPP. Научиться отправлять HTTPЗапрос, обрабатывать HTTPОтвет.Научиться создавать HTTP-сервисы на платформе 1С:Предприятие 8.
Рассмотрим примеры взаимодействия 1С и социальной сети vkontakte, 1С и мессенджера Telegram.

Чему вы научитесь в результате:
прохождения курса?
Взаимодействовать с протоколом HTTP.
Отправлять HTTP запросы на сервер и обрабатывать ответ от сервера.
Научитесь работать с POST и GET запросами.
Научитесь создавать и работать с HTTP-сервисами.
Научитесь использовать HTTP запросы на практике.
Научитесь интегрировать 1С с другими информационными системами через HTTP-сервис.

Подробное содержание материалов
1. Протокол HTTP введение.
2. Объект HTTPСоединение, пример.
3. Определение оператора и региона по номеру телефона через HTTPСоединение.
4. Объект HTTPОтвет, код состояния.
5. HTTP Запрос Get. Скачать файл с сайта.
6. Пример Post HTTP запроса.
7. HTTP-сервисы введение. Установка Web сервера Apache.
8. Пример отладка HTTP сервиса.
9. Отладка шаблонов HTTP сервиса, разбор HTTP Запроса и HTTP Ответа.
10. Обзор и отладка запросов к API Vkontakte
11. Создание обработки 1C, отправим HTTP запрос для загрузки новых сообщений Telegram bot.
12. Создание http-сервиса TelegramBot и публикация его на web-сервере.

Автор курса: Сайфутдинов Вадим Альбертович
- Более 20 лет опыта работы программистом 1С
- Сертифицированный специалист 1С

Базовый тариф

​

Четырёхнедельный онлайн-курс о том, как строить распределённые сервисы. Мы простым языком расскажем о DDD и об архитектуре больших систем. По итогам курса вы спроектируете распределённую систему, которую добавите в портфолио.

О чем курс:
Компании, которые уходят от монолитной архитектуры к сервисной и микросервисной, часто терпят поражение — получают такой же монолит, только разбитый по нескольким репозиториям.

Мы расскажем, как избежать этих проблем — правильно разнести функциональность по сервисам и выбрать подходящий формат асинхронной коммуникации. Вы познакомитесь с Kafka, Event Streaming и понятием Schema Registry. Кроме того, мы упомянем о CQRS и SAGA.


Программа курса:

Проектирование
Изучим 6 шагов для проектирования системы — начиная от анализа бизнес-требований и заканчивая связями между компонентами
в системе. Разберёмся, как получить данные, необходимые для работы бизнес-логики, из другого сервиса или части.

На выходе получим полностью спроектированную систему, которая отвечает на все вопросы имплементации: разберёмся, какие данные нужны бизнесу, какие команды он хочет выполнять с ES like — подхода, а также составим модель данных, поймём, почему UML/ERD может быть избыточен.

Урок 2
Переводим язык бизнеса в процессы и модель данных
Урок 3
Переводим процессы и модель данных в сервисы и коммуникации

Имплементация
Выберем и сделаем механизм аутентификации. Отправим первое асинхронное сообщение, разберёмся в разнице между Distributed message Queue и Distributed log. А так как мы будем использовать kafka — разберёмся, как она работает на базовом уровне.

На выходе получим первые два сервиса из проекта системы:
SSO и первый сервис для бизнеса. А также свяжем их асинхронной коммуникацией для корректной работы всей системы.

Урок 4
Первый сервис — authn в распределённых системах, CUD и Business events на практике

Урок 5
Основной сервис инвентаризации, выбор message broker

Дорабатываем систему
Спроектируем логику для задачи, к которой система не приспособлена, — разберёмся с эволюцией событий и поймём, в каких случаях надо соблюдать прямую, а в каких — обратную совместимость.

Сделаем, чтобы с нашей системой можно было спокойно спать ночью: разберёмся в тестировании, чтобы новые фичи ничего не ломали, и придумаем, как обеспечить устойчивость системы и обрабатывать невалидные или failure-события.

На выходе разработаем план, что делать, когда изменение данных в событии потенциально может развалить всю систему. Также определим, как лучше тестировать асинхронную систему в каждом из случаев и что делать с событиями, которые сломались на уровне бизнес-логики или которые надо заретраить.

Урок 7
После запуска: тестирование, ретраи и обработка ошибочных событий
Урок 6
Добавляем незапланированный сервис: эволюция событий в системе

Личный опыт и выводы
Подведём итоги курса: поговорим о проблемах, которые Антон наблюдал в системах, мигрирующих на асинхронную коммуникацию. Это нейминг, проектирование, техническая реализация. Затронем data management patterns, чтобы показать, что это отдельные концепции, которые могут использоваться в асинхронной архитектуре, но не обязательно должны быть в ней. Обсудим, как практиковаться после курса и где искать идеи и места для новых проектов.

На выходе: составим список подводных камней и советов, которые помогут избежать проблем. Получим цельную картину и шаги/темы для дальнейшего изучения.
Урок 9
Итоги и что делать дальше
Урок 8
Опыт Антона: 4 асинхронные системы из реальной жизни

Тарифы:
Теория
— 9 видеоуроков
— Факультатив по биллингу и модели данных в записи
— Конспект самого главного
— Список дополнительных материалов

Практика
— Домашка из 6 частей, без обратной связи

Бонусы
— Доступ к материалам после окончания курса — 4 месяца
​

​

Разработка на Java и Spring с помощью Chat GPT: от составления ТЗ до модульного тестирования

Появление интеллектуальных инструментов генерации кода произвело революцию в индустрии разработки. Благодаря Chat GPT стало возможно многократно ускорить разработку стандартных проектов. На тренинге мы рассмотрим, как с помощью Chat GPT можно разработать приложение Spring промышленного уровня, включающее анализ предметной области, построение UML-диаграмм, генерацию и модификацию доменной модели, подключение к базе данных при помощи JPA и Spring Data, реализацию бизнес-логики, генерацию REST-контроллеров, разработку тестов. Даже если активное применение Chat GPT пока что не входит в ваши планы, курс за очень короткое время покажет, как сгенерировать полноценное бизнес-приложение с использованием всех современных подходов. Без Chat GPT подобная задача заняла бы в десятки раз больше времени. Данный курс – это уникальная возможность очень быстро получить работающий прототип приложения. Более половина курса посвящена практике: слушатели разработают собственный проект из выбранной ими предметной области, сгенерировав более 90% кода с помощью Chat GPT. Chat GPT - это революционный инструмент для разработки. Разработчики, которые не смогут начать применять его как можно быстрее, останутся в хвосте прогресса, и спрос на таких разработчиков будет быстро падать. Но те, кто этот инструмент освоят, смогут выполнять работу целого отдела, быстро воплощая идеи в реальность.

Основная цель курса - показать, как ChatGPT может значительно ускорить разработку стандартных проектов, позволяя создавать работающие прототипы приложений в кратчайшие сроки. Участники изучат различные этапы разработки приложения Spring промышленного уровня с использованием инструментов ChatGPT.

Участники узнают, как использовать ChatGPT для анализа требований и понимания предметной области проекта. Будут рассмотрены методы и техники, позволяющие извлечь ключевую информацию и структурировать ее для дальнейшей разработки.

Также участники курса могут использовать ChatGPT для автоматического создания UML-диаграмм, таких как диаграммы классов, диаграммы взаимодействия и диаграммы состояний. Будут рассмотрены методы и инструменты, которые помогут визуализировать архитектуру приложения и взаимодействие его компонентов.

Слушатели познакомятся с приемами использования ChatGPT для создания и изменения доменной модели приложения. Будут рассмотрены способы генерации классов, свойств и методов, а также внесения изменений в существующую модель. Также ChatGPT будет использоваться для генерации кода, связанного с подключением к базе данных с использованием Java Persistence API (JPA) и Spring Data.

Участники научатся использовать ChatGPT для генерации кода, отвечающего за реализацию бизнес-логики приложения. Будут рассмотрены принципы проектирования сервисов, валидации данных, обработки ошибок и других аспектов, связанных с бизнес-логикой. Слушатели научатся использовать ChatGPT для создания кода REST-контроллеров, обеспечивающих взаимодействие приложения с внешними системами через RESTful API. ChatGPT для генерации кода тестов, позволяющих проверить работоспособность приложения. Будут рассмотрены методы создания модульных тестов, интеграционных тестов и тестовых сценариев.

После обучения слушатели смогут:

• Анализировать предметную область средствами Chat GPT;
• Генерировать UML-диаграммы при помощи Chat GPT;
• Генерировать доменную модель;
• Модифицировать доменную модель под запросы заказчика;
• Генерировать код для работы с базой данных на основе JPA/Spring Data;
• Генерировать Spring контроллеры для реализации REST сервисов;
• Генерировать документацию.

Целевая аудитория:
Архитекторы, разработчики, руководители разработки.

Предварительная подготовка:
Опыт участия в Java-разработке от 1 года.

Разбираемые темы:

• Модуль 1. Изучение предметной области
• Модуль 2. Согласование требований с заказчиком с применением UML
• Модуль 3. Разработка доменной модели
• Модуль 4. Объектно-ориентированный дизайн и генерация UML-диаграмм
• Модуль 5. Генерация кода для доменной модели
• Модуль 6. Применение Lombok
• Модуль 7. Разработка прототипа пользовательского интерфейса
• Модуль 8. Интеграция с базой данных с применением JPA
• Модуль 9. Генерация репозиториев Spring Data
• Модуль 10. Генерация кода для бизнес-логики
• Модуль 11. Применение паттернов проектирования
• Модуль 12. Разработка юнит-тестов
• Модуль 13. Генерация контроллеров
• Модуль 14. Генерация кода для REST сервисов
• Модуль 15. Разработка документации REST сервисов
• Модуль 16. Изменение требований и модификация кода
• Модуль 17. Рефакторинг кода

​

О курсе
Данный курс в списке номинантов ежегодной премии Stepik Awards 2022 в категориях "Лучший платный курс".
ВНИМАНИЕ!!! В данном курсе абсолютно НЕТ ВОДЫ и ненужной информации. Если Вы любите бесполезные, скучные и нудные видео от которых хочется спать - то Вам не подойдет данный курс.
В результате прохождения этого курса, вами будет написан проект по автоматизации тестирования UI с помощью Selenium. Который вы можете спокойно брать и применять на своих рабочих проектах, а так же изучив который сможете указать в своем резюме и иметь козырь при поиске новой работы!
В данном курсе главный упор сделан на то, чтобы с минимальным углублением в теорию рассмотреть основы на практических примерах, чтобы получить возможность максимально быстро начать работать с данными инструментами, и в дальнейшем развивать свои навыки, используя документацию и собственный опыт проб и ошибок.

Если вы стремитесь развиваться и не стоять на месте, вам интересно расширять границы, получать новые знания, вы хотите развиваться в области тестирования и готовы вкладывать свои ресурсы ради собственного роста - вы на верном пути.
Видео лекции сочетает в себе как объяснение базовых понятий и элементов, необходимых для программирования и автоматизацию, так и наглядную демонстрацию их применения.

Обязательно попрактикуйтесь и напечатайте весь код, который указан в видео, а так же потренируйтесь в создании собственных классов, методов и модулей. Так как практика - это неотъемлемая часть в обучении

Для кого этот курс
Данный курс предназначен для тех кто хочет освоить такую популярную, востребованную и оплачиваемую профессию как - Тестировщик-Автоматизатор на Python (AQA Engineer) и БЫСТРО выйти на рынок и начать поиск свей первой работы! Так же он подойдет для тех кто уже работает тестировщиком или в сфере IT и планирует сменить направление. Для желающих изучить тестирование UI с помощью Selenium. Для начинающих тестировщиков и разработчиков, а так же специалистов с опытом. Специалисты, которые ищут новые инструменты для автоматизации.

В курс входят

• 103 урока
• 17 часов 32 минуты видео
• 114 тестов
• 13 интерактивных задач

Автор: Алекс Смит
Опытный тестировщик с навыками ручного тестирования, работы с базами данных, работы с тестированием API и построением собственных проектов по автоматизации UI и API. Опыт работы в IT отделах крупных финансовых компаний.

​

О курсе
Данный в списке номинантов ежегодной премии Stepik Awards 2022 в категориях "Лучший платный курс".
ВНИМАНИЕ!!! В данном курсе абсолютно НЕТ ВОДЫ и ненужной информации. Если Вы любите бесполезные, скучные и нудные видео и лекции от которых хочется спать — то Вам не подойдет данный курс. По окончанию курса Вы получите СЕРТИФИКАТ, который сможете приложить к своему резюме!

Особенности курса:

1. видео-лекции с дублированием теории в виде конспекта, Вам не нужно будет ничего печатать, все уже готово и находится в одном месте. Никаких скучных лекций в формате текста;
2. Вы не ограничены во времени прохождения курса, учитесь в удобное для Вас время и месте;
3. курс содержит базовую теорию, а так же практические задания по самым популярным и востребованным инструментам для тестировщика, которые не просто добавлены для "галочки", а действительно закрепляют пройденный материал, формируют базу и мышление;
4. практические и домашние задания которые проверяет лично автор;
5. письменные задания которые дадут опыт в формулировании ответов на собеседовании;
6. практические задания по самым популярным инструментам тестировщика;
7. множество разнообразных тестовых заданий;
8. пошаговая инструкция и написание тестового проекта + написание своего собственного проекта, с рецензией от автора, который можно приложить к резюме и на его основе строить проект на своей работе;
9. курс на котором автор за Вас искренне переживает, а не просто оставляет одних на произвол судьбы

Для кого этот курс
Данный курс предназначен для тех кто хочет освоить такую популярную, востребованную и оплачиваемую профессию как - Тестировщик ПО (QA Engineer) и БЫСТРО выйти на рынок и начать поиск свей первой работы! Так же он подойдет для тех кто уже работает тестировщиком или в сфере IT и планирует сменить направление.

Он подойдет как тем, кто только делает первые шаги в мир тестирования, хочет лучше понять эту деятельность и готовится к первым собеседованиям, так и тем, кто имеет некий опыт, но чувствует, что полезно получить знания по тестированию в структурированном понятном виде.

В курс входят

• 105 уроков
• 20часов видео
• 208 тестов
• 9 интерактивных задач

​

• Изучите типовые конфигурации, архитектуру и идеологию 1С
• Освоите инструменты для анализа бизнес‑процессов
• Будете учиться в команде при поддержке опытных 1С‑аналитиков
• Сможете заниматься в удобное для вас время
• Получите диплом о профессиональной переподготовке
• Поможем с поиском работы

Чем занимается 1С‑аналитик

Автоматизирует бизнес‑процессы с помощью 1С
Сначала он изучает текущие процессы и собирает требования к программному обеспечению. Ставит задачи программистам и проверяет, чтобы всё работало как надо.
Потом презентует обновлённый бизнес-процесс заказчикам, готовит документацию и обучает сотрудников.

Чему вы научитесь за 8 месяцев

• Собирать требования к ПО
• Опрашивать заказчиков, анализировать существующие бизнес‑процессы и находить в них проблемы
• Работать с 1С‑программистами
• Писать подробные технические задания, ставить задачи и контролировать процесс разработки
• Показывать результаты работы
• Проводить презентации, объяснять заказчикам, как устроены новые процессы
• Моделировать бизнес‑процессы
• Описывать их с помощью нотаций, разрабатывать план по автоматизации управления и учёта
• Тестировать систему автоматизации
• Проверять, соответствуют ли она требованиям заказчиков и корректно ли работает
• Поддерживать работу системы
• Писать документацию, обучать и консультировать сотрудников компании

Какие инструменты и технологии освоите
Типовые решения 1С
ER-диаграммы
Консоль запросов и СКД
Use case
Конфигуратор
BPMN

Сайт

​

После прохождения сможешь:

• проектировать архитектуру и микросервисы;
• разбираться в типах интеграции;
• формировать требования для REST API и SOAP;
• описывать JSON и XML;
• тестировать API в Postman;
• отличать брокера сообщений Kafka и RabbitMQ;
• описывать OpenAPI в Swagger.

Твоя суперсила после курса:

• Знает, какие требования необходимы к разрабатываемому продукту;
• Понимает, как можно разбивать продукт на микросервисы ;
• Разбирается в паттернах интеграции;
• Умеет граммотно описать REST API;
• Использует инструменты описания и тестирования API на практике.

Спойлер: Программа

Модуль 1. Архитектура
1. Сбор требований к системе
Цель:

• Правильно писать функциональные и нефункциональные требования
• Разбираться, какие есть нефункциональные требования и в чем отличия между ними (например, чем отличается безопасность и защищенность)
• Разбираться, какие нефункциональные требования нужны для вашего приложения

Темы:

• Функциональные и нефункциональные требования
• CAP-теорема
• Примеры требований к системам

2. Монолитная и микросервисная архитектура
Цель:

• Понимать, как выглядит монолит, а как микросервисы
• Когда и почему лучше выбирать монолит или микросервисы

Темы:

• Определение монолита и микросервисов
• Плюсы и минусы
• Выбор архитектуры

3. Паттерны декомпозиции на микросервисы
Цель: научиться разбивать на микросервисы
Темы:

• Декомпозиция по бизнес-возможностям
• Декомпозиция по Domain-driven design
• Декомпозиция по UX/UI

4. Примеры архитектур
Цель: получить навык насмотренности построения архитектур на примерах известных приложении
Темы:

• Алгоритм построения архитектуры
• Пример 1 - Регистрация ИП
• Пример 2 - Тинькофф-журнал
• Пример 3 - Такси

5. Паттерны интеграции
Цель: понимать, как можно интегрировать 2 системы и как выбирать интеграцию на основе минусов и плюсов
Темы:

• Файловый обмен
• Общая БД
• Вызов процедуры
• Обмен сообщениями

6. Очереди сообщений
Цель: разбираться в очередях и когда их использовать
Темы:

• Очередь и брокера сообщений
• Особенности и сравнение Kafka и RabittMQ
• Примеры архитектур с очередями

7. Диаграмма последовательности
Цель: научиться отображать компоненты системы на диаграмме и понимать, как они предают данные между собой
Темы:

• Основные элементы
• Как диаграмма связана с архитектурой
• Инструменты для построения диаграммы

Модуль 2. REST API и SOAP
8. REST API
Цель: научиться понимать, в чем же суть REST и как описать JSON
Темы:

• Что такое API?
• Что такое REST API?
• Как называть REST API?
• Как передавать параметры в REST API?
• JSON
• Описание параметров в документации

9. HTTP-методы и коды ответов
Цель: научиться понимать, в чем же суть REST и как описать JSON
Темы:

• HTTP-методы
• Идемпотентные и неидемпотентные методы
• Безопасные методы
• Коды ответов

10. Постановка на REST API
Цель: научиться написать документацию на REST API
Темы:

• Шаблон постановки на REST API
• Разбор примеров описания REST API

11. SOAP
Цель: разбираться в структуре XML и знать, в чем суть SOAP
Темы:

• Понятие SOAP
• Разбор структуры XML-документа
• Разбор XSD-схема
• Отличие SOAP и REST

Модуль 3. Инструменты Swagger и Postman
12. Тестирование API в Postman
Цель: научиться работать в Postman и вызывать методы
Темы:

• Знакомство с Postman
• Вызов методов в Postman

13. Swagger и Open API: часть 1
Цель: разобраться из чего состоит OpenApi в Swagger
Темы:

• Понятие OpenAPI и Swagger
• Основные объекты OpenAPI
• Разбор примера описания OpenAPI в Swagger

14. Разбор описания OpenAPI
Цель: показать на примере, как описывать OpenAPI
Тема: написание OpenAPI на примере Aviasales (в Swagger)

15. Swagger и Open API: часть 2
Цель: знать все объекты в Swagger и уметь их описывать
Темы:

• Объекты servers, security, externalDocs, tags
• Плюсы и минусы OpenAPI
• Используют ли OpenAPI на практике

Формат обучения:
Все темы разбиты на небольшие видеолекции, чтобы постепенно изучать каждую новую тему и закреплять полученные знания на практике в виде небольшой домашней работы или теста.
Видеолекция может быть от 10 мин до 60 мин. В каждой видеолекции все самое важное и без воды. Курс реально пройти за 1 месяц)
После прохождения курса у вас получится итоговая документация на интеграцию, в которой будет описаны требования, построена архитектура, прописаны REST API и SOAP.

Автор: Ольга Пономарева. Старший системный аналитик

Тариф: Только послушать
Все уроки курса

Цена: 29900 ₽

​

Все, что нужно знать для успешной работы с большими данными: методы аналитики и машинного обучения, принципы работы и функциональные возможности компонентов экосистемы Hadoop, безопасность озера данных, цифровизация бизнеса.

О продукте:
Сегодня информация — это основа любого бизнеса, инструмент эффективного управления и оптимизации рабочих процессов. Аналитика больших данных (Big Data) вашего бизнеса поможет своевременно выявить и даже предупредить множество проблем, от оттока клиентов до утечки персональных данных. Чтобы понимать возможности современных технологий и выбирать среди них наилучшее соотношение «стоимость/результат», менеджеру необходимо разбираться в базовых понятиях и прикладных решениях.

Теоретический курс «Аналитика больших данных для руководителей» ориентирован на руководство государственных предприятий и частных компаний, менеджеров и специалистов, которые хотят получить расширенные знания по инструментам и методам анализа больших данных для участия в проектах Big Data и цифровизации бизнеса, в том числе, в условиях импортозамещения.

Аудитория:
Руководство государственных предприятий и частных компаний, менеджеры и специалисты.

Уровень подготовки:
Предварительный опыт не требуется.

Программа курса «Аналитика больших данных для руководителей»
1. Введение в Big Data (Большие данные)

• • Большие данные и цифровизация бизнеса.
  • Базовые принципы и отличия от классических подходов к работе с данными.
  • Обзор методологии CRISP DM — модели жизненного цикла аналитики данных: получение данных, подготовка данных, планирование модели, построение модели, проверка результатов, внедрение.
  • Отраслевая специфика аналитики больших данных. Общий разбор отраслевых сценариев (cases).
  • Тенденции в подходах Big Data и что актуально на сегодняшний день.
  • Технологии Big Data в условиях импортозамещения.

2. Понимание Бизнеса (Business Understanding)

• • Определение бизнес целей для проекта Big Data.
  • Отраслевая специфика аналитики больших данных. Общий разбор отраслевых сценариев (cases).
  • Инициация проекта — критические факторы успеха. Основные проблемы.
  • Оценка ситуации: риски, ROI, доступные ресурсы, оценка зрелости компании.
  • Приоритизация задач: Что делаем, а что нет.
  • Высокоуровневый план проекта.
  • Начинаем формировать команду проекта: специалисты и их компетенции, роли.

3. Понимание данных (Data Understanding)

• • Определение источников данных.
  • Специфика работы с потоковыми данными и batch в Big Data.
  • Принципы формирования Data Lake: выбор платформы.
  • Первичный сбор и анализ данных: инструментарий и доступные методы.
  • Описание данных и сбор метаданных.
  • Data management и Data Governance.
  • Оценка качества данных Data Quality.
  • Основные трудности и проблемы, критические факторы успеха, роли и навыки.
  • Разбор сценариев (cases) для фазы Data Understanding.

4. Подготовка данных (Data Preparation)

• • Подготовка данных – подходы Data Science: нормализация, очистка, выборки, enrichment, форматирование данных.
  • Подготовка данных – как процесс формирования Data Pipeline:
    • Процессы ETL и ELT,
    • Зонирование Data Lake и сегментирование данных,
    • Назначение и сравнительная характеристика компонент экосистемы Apache Hadoop, NoSQL, DWH, платформ потоковой обработки для хранения и обработки Big Data на примерах (отраслевые сценарии),
    • Инструменты оркестрирования и автоматизации (Data Flow).
  • И снова о Метаданных: Data Lineage, Data Provenance, Data Governance, …
  • Безопасность больших данных.
  • Основные трудности и проблемы, критические факторы успеха.
  • Специалисты и их компетенции на данной стадии.

5. Выбор и построение моделей (Modeling)

• • Классы аналитических задач и подходы к их решению.
  • Обзор техник моделирования.
  • Построение моделей и оценка моделей.
  • Что нужно для успешного моделирования.
  • Инструментарий для решения аналитических задач этапа моделирования.
  • Оценка моделей и среда тестирования моделей: технические метрики оценки качества проведенного моделирования.
  • А также песочницы, Machine & Deep learning, AI, Нейронные сети и многое другое.
  • Команда Data Science и их компетенции.
  • Основные трудности и проблемы фазы моделирования, критические факторы успеха.
  • Облачные платформы для быстрой разработки.
  • Место DevOps, MLOps для организации процессов разработки.
  • Рассмотрение фазы моделирования на сквозных сценариях (cases): место, участники, взаимодействие с другими фазами и процессами.

6. Оценка результатов (Evaluation)

• • Про бизнес-метрики оценки качества моделирования.
  • Что делать если все плохо? – возвращаемся на предыдущие фазы.
  • Рассматриваем данную стадию в рамках наших сценариев (cases).
  • Отличия среды разработки и эксплуатации.
  • Особенности этапа оценки.

7. Развертывание (Deployment)

• • Планирование развертывания модели.
  • Мониторинг и обслуживание модели.
  • Методологии автоматизации и вывода продуктов в промышленную эксплуатацию – DevOps и MLOps.
  • Задачи финального обеспечения фаз жизненного цикла Data Science: цикличность reviews, обновления и вывод из эксплуатации.

8.Финальная переоценка проекта

• • Постанализ рисков и BIA, ROI и генерация ценности.
  • Допущенные просчеты и методы их решения.
  • Оценка процессов и оценка зрелости компании.
  • Типичные ошибки применения CRISP DM.
  • Альтернативные подходы и расширения CRISP DM (Domino, TDSP, SEMMA).

Чему Вы научитесь:

• • Разбираться в основных понятиях Больших Данных, Машинного обучения (Machine Learning), Искусственного интеллекта (Artificial Intelligence)
  • понимать назначение компонентов экосистемы Hadoop, Spark, Kafka или терминов Data Lake, Delta Lake,
  • знать, в чем отличие Apache Hadoop, Arenadata, NoSQL, MPP или Greenplum,
  • выявить нюансы облачных решений, контейнеризации и применимости к вашей отрасли бизнеса,
  • знать, что такое политики Data Governance,
  • знать особенности применения методологий для реализации процессов аналитики больших данных на примере CRISP-DM.

Что Вы получите:
Окончив курс «Аналитика больших данных для руководителей» в нашем лицензированном учебном центре «Школа Больших Данных», вы получите сертификат установленного образца, который может засчитываться в качестве свидетельства о повышении квалификации.

​

Подходы к разработке ML-решений + средства их реализации и внедрения в production. Вы пройдете все шаги создания ML-продукта от сбора данных до интеграции ML-модели в эксплуатацию. Познакомитесь с популярными инструментами командной разработки: Git, MLFlow, DVC. Узнаете главные архитектуры ML-решений и основы менеджмента DS-проектов*.

Что такое MLOps
Благодаря стремительному развитию машинного обучения, MLOps-инженеры сегодня — одни из самых востребованных и высокооплачиваемых специалистов в области Data Science.

MLOps – это культура и набор практик комплексного и автоматизированного управления жизненным циклом систем машинного обучения, объединяющие их разработку (Development) и операции эксплуатационного сопровождения (Operations), в т.ч. интеграцию, тестирование, выпуск, развертывание и управление инфраструктурой.

MLOps расширяет методологию CRISP-DM с помощью Agile-подхода и технических инструментов автоматизированного выполнения операций с данными, ML-моделями, кодом и окружением. К таким средствам относятся рассматриваемые в нашем курсе Git, MlFlow, DVC. MLOps позволит избежать распространенных ошибок и проблем, с которыми сталкиваются Data Scientist’ы, работающие по классическим фазам CRISP-DM. Организационные приемы MLOps должны быть независимыми от языка, фреймворка, платформы и инфраструктуры.

MLOps поможет улучшить следующие аспекты ML-проектов:

• унифицировать цикл выпуска моделей машинного обучения и созданных на их основе программных продуктов;
• автоматизировать тестирование артефактов Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть... , таких как проверка данных, тестирование самой ML-модели и ее интеграции в production-решение;
• внедрить гибкие принципы в проекты машинного обучения; поддерживать модели машинного обучения и наборы данных для их в системах CI/CD/CT;
• сократить технический долг по ML-моделям.

Программа курса "MLOps: Разработка и внедрение ML-решений"
Часть 1. Задачи и инструменты машинного обучения
Цель:

• • дать представление о постановках задач машинного обучения, а также современных методах и инструментах их решения;
  • продемонстрировать отличия от задач, для решения которых достаточно классических методов и алгоритмов (без ML)

Теоретическая часть: погружаемся в классические постановки задач машинного обучения, методы их решения, метрики качества для оценки точности результатов, знакомимся с инструментами
Практическая часть: осваиваем инструментарий и настраиваем среды разработки, решаем небольшой набор ознакомительных задач
Домашняя работа: решение задачи классификации/регрессии.

Часть 2. Основные этапы разработки ML-решений: от прототипа до подготовки к production
Цель:

• • продемонстрировать подходы к прототипированию и основные требования, которым должен удовлетворять прототип;
  • показать этапы доработки прототипа при подготовке MVP;
  • дать представление о возможных подходах к интеграции решения в продуктивной среде;

Теоретическая часть: демонстрация процесса разработки ML-решения, от сбора данных до сериализации ML-модели.
Практическая часть: пример построения сквозного ML-решения.
Домашняя работа: построение индивидуального сквозного ML-решения.

Часть 3. MLOps. Экосистема разработки ML-продуктов
Цель:

• • продемонстрировать необходимость инструментов командной разработки ML-решений;
  • показать этапы доработки прототипа при подготовке MVP;
  • дать представление о возможных подходах к интеграции решения в production;

Теоретическая часть: демонстрация примеров необходимости внедрения MLOps- инструментов.
Практическая часть: используем Git, MLFlow и dvc в сквозном примере.
Домашняя работа: используем Git, MLFlow и dvc в индивидуальном сквозном ML-решении

Часть 4. Подходы к работе с данными на каждом этапе разработки ML-решений
Цель:

• • показать основные типы данных и методы работы с ними;
  • продемонстрировать подходы к поиску, хранению и обработке данных на этапах разработки ML-решений;
  • основные вопросы разметки данных и их подготовки для обучения и использования в production

Теоретическая часть: знакомимся с данными в виде таблиц, текста, картинок, аудио. Отвечаем на вопросы как и чем обрабатывать и производить разметку в каждом отдельном случае. Погружаемся в мир Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть... , PostgreSQL, Apache Spark, Hive для обработки и хранения данных. Смотрим на AirFlow как на инструмент для планирования и выполнения задач по обработке данных.
Практическая часть: продолжаем развитие сквозного ML-решения, увеличиваем объем данных, переезжаем в БД, размечаем данные, настраиваем AirFlow на процесс получения и подготовки данных для обучения.
Домашняя работа: развиваем индивидуальное сквозное ML-решение.

Часть 5. Обзор архитектурных решений для интеграции в production. Использование облачных сервисов
Цель:

• • показать основные подходы по интеграции решений в production: монолит или микросервисы, высоконагруженные системы, локальный сервер или облачная платформа;
  • продемонстрировать плюсы и минусы использования облачных сервисов на каждом этапе разработки ML-решений;
  • погрузиться в особенности микросервисных архитектур c использованием контейнеризации;
  • проработать вопрос использования коробочных решений на примере TF serving;
  • интегрировать решение на облачную платформу Yandex Cloud.

Теоретическая часть: знакомимся с интеграцией в production. Рассмотрим различные варианты архитектур ML-решений. Рассматриваем микросервисную архитектуры с использованием контейнеризации (Docker и K8s). Интеграция с Yandex Cloud.
Практическая часть: упаковываем сквозное ML-решение в контейнер и отправляем в AWS, обновляем текущее решение с добавлением TF serving.
Домашняя работа: развиваем индивидуальное сквозное ML-решение.

Часть 6. Обзор этапов и структуры ML-проекта* (входит в расширенную версию курса — 40 ак.часов)
Цель:

• • показать весь ML-проект целиком: основные этапы и ресурсы, необходимые для реализации проекта;
  • продемонстрировать цикличность в жизненном цикле ML-решения;
  • отметить важность мониторинга и дэшбордов для поддержки и развития ML-решений.

Теоретическая часть: подвести итоги и взглянуть на ML-проект в целом: основные составляющие успешного проекта, количество и состав команды на каждом этапе разработки ML-решения, технологии и инструменты для разработки ML-решения и управления ML-проектом. Менеджмент DS-команды.
Практическая часть: настраиваем DVC и MLFlow, создаем репозиторий в Git, разворачиваем CI/CD для сквозного ML-решения.
Домашняя работа: завершаем индивидуальный проект.

​

Инструментрий ARIS применяется уже много лет крупнейшими компаниями для описания бизнес-процессов и ИТ-архитектуры.

Цель учебного курса

• Формирование у слушателей комплекса теоретических знаний, методологических основ и практических навыков в области моделирования архитектуры предприятия с использованием инструментальной системы ARIS

Программа курса:

Тема 1. Обзор инструментария ARIS

• Инструментарий ARIS
• Модули ARIS
• Обзор интерфейса ARIS
• Практикум «Изучение интерфейса ARIS»
• Объекты и связи в ARIS
• Принципы моделирования в ARIS
• Скрипты отчетности
• Администрирование ARIS

Тема 2. Моделирование организационной структуры, документов и информационных систем

• Соглашение о моделировании
• Практикум «Построение модели моделей»
• Описание организационной структуры.
• Практикум «Построение модели организационной структуры»
• Описание документов
• Практикум «Построение модели документов»
• Описание информационных систем
• Практикум «Описание информационных систем»

Тема 3. Моделирование бизнес-процессов

• Модель цепочки добавленной стоимости – VAD
• Практикум «Описание бизнес-процессов верхнего уровня»
• Описание сценариев процесса – PSD
• Практикум «Построение матрицы выбора процесса»
• Описание процедур в нотации BPMN
• Практикум «Построение модели BPMN»
• Описание окружения функции
• Практикум «Построение модели FAD»

Тема 4. Дополнительные возможности ARIS

• Дерево целей и показателей
• Описание рисков и внутренних контролей
• Описание рисков и контрольных процедур в бизнес-процессах
• Архитектура приложений
• Элементы архитектуры приложений

​

Концентрированный, дополняемый, удобный курс по продвинутому Backend (Python)
В этом курсе мы пройдемся по темам в углубленном формате. Так же приятным бонусом будет дополняемость курса, то есть купив один раз вы будете получать со временем новый материал.

Меня зовут Кирилл и я Senior FullStack разработчик. Большой опыт за плечами на разных позициях в том числе и руководящих. Провел порядка 100 собеседовний на различные позиции.

Преимущества - (такого нет у конкурентов)
Бесплатная консультация в подарок

Первые 20 купивших получат бесплатную консультацию либо собеседование со мной. На консультации можно задать обсолютно любые вопросы или задачи которые надо решить. Длительность консультации или собеседования равна 1 часу

Купил один раз и получаешь обновления
Большинство курсов устаревают из-за того что материал не меняется. Язык развивается динамично поэтому материал нужно добовлять или обновлять как можно чаще. В этом курсе купив один раз доступ к материалу, вы получите возможность получать обновления.

Удобство прохождения
После покупки курса вам будет выдан доступ в бот навигатор в телеграме, а так же вы будете добавлены в закрытый канал с материалом. С помощью бота навигатора можно будет решить любой вопрос или проблему, помимо этого помощь и ответ на сообщения будет происходить в ускоренном режиме

Спойлер: Далее:

Для кого этот курс ?
Для Трейни, Junior, Middle разработчиков которые хотят повысить свой уровень или углубиться в ряд тем. Тут вы рассмотрите продвинутые темы и полный спектр возможностей

Как проходит курс ?
После покупки курса вы будете добавлены в бота навигатора и закрытый telegram канал со всем материалом. Через бот навигатор вы можете удобно и структурировано получать информацию, проходить тесты, запрашивать собеседования, а так же получить свой уникальный сертификат о прохождении курса

Что будет в курсе ?

Введение

Модуль 1 - ООП - 40мин
Модуль 2 - Асинхронность - 1ч
Модуль 3 - Многопоточность и Многопроцессорности - 35мин
Модуль 4 - Работа в сети - 45 мин
Модуль 5 - SQL - 50 мин
Модуль 6 - Архитектура - 40мин
Модуль 7 - Flask - 25мин
Модуль 8/9 - Django + Docker + DRF - 1.5ч
Модуль 10 - FastAPI - 32мин
Тесты - 2 часа
Консультация/Собеседование - 1 час

​

По окончании курса вы:

• Научитесь проектировать и реализовывать сложные проекты, говоря на языке бизнеса с помощью Domain-driven design
• Станете более ценным сотрудником, погрузившись в мир распределенных Event driven систем
• Приобретете уникальное преимущество на рынке, глубоко изучив подход Event sourcing и паттерн CQRS, создадите свое первое распределенное event-sourcing приложение

• Узнаете, как работает алгоритм 2PC и сами реализуете распределенную транзакцию с паттерном Saga
• Будете чувствовать себя гораздо увереннее при прохождении system design интервью
• Получите именной сертификат об окончании курса

​

Для кого этот курс
Для Трейни, Junior, Middle разработчиков которые хотят повысить свой уровень владения ванильным JavaScript. Тут вы рассмотрите продвинутые темы и полный спектр возможностей языка на продвинутом уровне

Как проходит курс
После покупки курса вы будете добавлены в бота навигатора и закрытый telegram канал со всем материалом. Через бот навигатор вы можете удобно и структурировано получать информацию, проходить тесты, запрашивать собеседования, а так же получить свой уникальный сертификат о прохождении курса

​

Воркшоп по проектированию архитектуры информационных систем для системных аналитиков, которые хотят познакомиться с популярными паттернами проектирования микросервисной архитектуры
и научиться их визуализировать в диаграммах нотации С4

Задания практического воркшопа

• Выбрать кейс
• Выбрать подходящую архитектуру для своей системы
• Выбрать подходящие БД
• В случае микросервисной системы выбрать стиль взаимодействия микросервисов и подходящие паттерны проектирования
• Описать архитектуру своей ИС в виде набора диаграмм модели С4 (3 первых уровня)
• Аргументированно представить свое решение

Кейсы воркшопа:

• Банк
• Служба доставки
• Туроператор
• Служба такси

Ведущий инструктор: Полина Комкова, Systems.Education
Специалист по проектированию информационных систем, Главный системный аналитик. Более 7 лет в разработке ИС и ПО, прошла путь программиста математических моделей спутниковых систем, бизнес-аналитика в аэрокосмической и оборонной промышленности, системного аналитика в e-commerce и финтехе

Состоится: 21 апреля 10:00–14:00

Сайт

​

• Научишься решать сложные алгоритмические задачи, как на собесах в BigTech
• Узнаешь, как оптимизировать свою производительность на алгоритмическом собеседовании для гораздо более уверенного прохождения
• Поймешь, как работать с алгоритмами и применять их в подходящих ситуациях
• Сможешь оценивать алгоритмическую сложность для подтверждения эффективности работы твоего алгоритма

Зачем тебе знать алгоритмы?
Большие компании, такие как Google и Amazon, Yandex и Ozon предлагают великолепные рабочие условия и зарплаты. Обычный инженер в Google получает более $200.000 в год.

Там программисты разрабатывают приложения, которыми пользуются миллионы людей. Для эффективного обращения с таким количеством данных разработчикам необходимо знание алгоритмов, чтобы писать гораздо более мощные и надежные системы.

Поэтому, чтобы отобрать лучших, такие компании проверяют, умеют ли разработчики работать с алгоритмами. Ведь это показатель тренированного ума в решении сложных задач — именно за это и платят очень много денег! Об алгоритмах всегда спрашивают в ходе собеседований на позицию разработчика любого уровня, в том числе Junior.

Программа курса:
Теория:
Оценка сложности (О-нотация)

• Структуры данных: список, связный список, хэш-таблица, сет
• Структуры данных: стек, очередь, куча (heap)Advanced структуры данных: бинарное дерево, бинарное дерево поиска, граф
• Основные техники решения задач: two pointers, sliding window, prefix sum
• Сортировки и их использование: типы сортировок, binary search — Основные техники решения advanced-задач: DFS, BFS, • Hare-Tortoise
• Главные графовые алгоритмы: Дейкстра, Флойд, Беллман-Форд, топологическая сортировка, окрашивание графа

Практика:

• Родмапа самых главных задач на LeetCode, которые чаще других попадаются на собеседованиях
• Разборы ключевых задач, дающих максимальный буст в твой навык работы с алгоритмами
• Сессии парного программирования для интенсивной работы над сложными задачами и тренировки формулирования решения
• Взаимодействие с сообществом в чате для анализа ошибок и оптимизации работы