Это пробный урок. Оформите подписку, чтобы получить доступ ко всем материалам курса. Премиум

  1. Урок 1. 00:15:18
    1.1 Открытие конференции SmartData 2023
  2. Урок 2. 00:40:21
    1.2 Как перевести отчетность в чат-бота Microsoft Teams, используя Airflow
  3. Урок 3. 00:46:28
    1.3 DataFrame — настоящее и будущее
  4. Урок 4. 00:49:51
    1.4 От потоков данных до высококачественных ML-моделей
  5. Урок 5. 00:41:27
    1.5 Что не так с NoSQL
  6. Урок 6. 00:48:12
    1.6 Эволюция схемы данных. Носим данные из реляционной СУБД в Hadoop
  7. Урок 7. 00:51:33
    1.7 Как мы переезжали с PostgreSQL на Data Lake в AWS
  8. Урок 8. 00:46:31
    1.8 Телескопы 21 века - от железа и софта к данным и результатам
  9. Урок 9. 00:45:00
    1.9 Data Maturity - 18+
  10. Урок 10. 00:46:54
    1.10 Apache Flink под капотом - distributed, stateful, realtime
  11. Урок 11. 00:47:04
    1.11 Как навести порядок в логировании продуктовых событий
  12. Урок 12. 00:45:39
    1.12 Планирование миллиардов задач каждый день
  13. Урок 13. 00:56:10
    1.13 Ну как там с рынком труда_ Взгляд изнутри
  14. Урок 14. 00:51:00
    1.14 ACID-транзакции в Apache Cassandra 5.0
  15. Урок 15. 00:55:00
    1.15 CDC. От баззворда к реализации в Data Transfer
  16. Урок 16. 00:51:03
    1.16 Примеры реальных аналитических решений и дата-команд в западных компаниях
  17. Урок 17. 00:10:42
    2.1 Открытие второго дня SmartData 2023
  18. Урок 18. 00:47:49
    2.2 Платформа как продукт - разработать и внедрить сложное технологическое решение
  19. Урок 19. 00:50:43
    2.3 Глубокое погружение в производительность запросов
  20. Урок 20. 00:44:24
    2.4 dbt — ядро современной платформы данных
  21. Урок 21. 00:41:36
    2.5 Тренды Data Engineering от DEorDIE
  22. Урок 22. 00:48:24
    2.6 Обеспечение качественных ETL на Vertica
  23. Урок 23. 00:48:10
    2.7 ML System Design Interview
  24. Урок 24. 00:35:46
    2.8 Своя пирамида
  25. Урок 25. 00:34:24
    2.9 От сырого кликстрима к чистым датасетам, или История развития Feature Storage в Lamoda
  26. Урок 26. 00:45:55
    2.10 Что делать, если DWH растет слишком быстро
  27. Урок 27. 00:31:03
    2.11 Викторина и подведение итогов online-части конференции SmartData 2023
  28. Урок 28. 00:45:24
    2.12 Моделирование потоков событий в эволюционирующем окружении
  29. Урок 29. 00:14:48
    3.1 Открытие офлайн-части конференции SmartData 2023
  30. Урок 30. 00:47:07
    3.2 Я изменю ваш взгляд на хранилище данных за 30 минут
  31. Урок 31. 00:47:12
    3.3 Возможна ли жизнь с open source BI в большой компании
  32. Урок 32. 00:47:55
    3.4 Common Data Index. Поисковая система по открытым данным
  33. Урок 33. 00:46:03
    3.5 Как мы адаптировали динамические таблицы YTsaurus для хранения блобов
  34. Урок 34. 00:48:58
    3.6 Методы обезличивания данных
  35. Урок 35. 00:48:24
    3.7 Как сделать так, чтобы вашему Apache NiFi было плохо
  36. Урок 36. 00:47:31
    3.8 Построение катастрофоустойчивых хранилищ данных
  37. Урок 37. 00:47:42
    3.9 Hadoop в Облаке — это ОК
  38. Урок 38. 00:46:19
    3.10 Архитектура распределенного SQL-движка для аналитических запросов
  39. Урок 39. 00:46:34
    3.11 Пара слов о том, как мы Data Observability готовим
  40. Урок 40. 00:45:46
    3.12 Разгоним запросы_ как быстро готовить ClickHouse
  41. Урок 41. 00:48:04
    3.13 Apache Flink на примере задачи дедупликации
  42. Урок 42. 00:35:03
    3.14 Mage_ волшебный инструмент оркестрации
  43. Урок 43. 00:49:15
    3.15 Внеатмосферная астрономия и новый космический телескоп Джеймс Уэбб
  44. Урок 44. 00:46:45
    4.1 Быстрая обработка данных в Data Lake с помощью Trino
  45. Урок 45. 00:35:27
    4.2 Как обрабатывать данные с помощью Spark в облаке
  46. Урок 46. 00:45:09
    4.3 Streaming Data Integration — ETL-инструмент для создания near realtime-процессов
  47. Урок 47. 00:42:48
    4.4 Слабоумие и отвага, или Как мы за два месяца объединили данные Delivery Club и Яндекс Еды
  48. Урок 48. 00:48:04
    4.5 Движение к универсальности_ гибридная OLTP-база с поддержкой OLAP-запросов
  49. Урок 49. 00:46:52
    4.6 Путь Model Serving_ от Flask к своей платформе
  50. Урок 50. 00:44:04
    4.7 Сжатие, шифрование и не только_ меняем поведение и гарантии распределенной базы данных
  51. Урок 51. 00:51:07
    4.8 Развитие инструмента BI-аналитики, DataOps.BI, на основе open source-решения Apache Superset
  52. Урок 52. 00:44:15
    4.9 Kafka Connect_ что за зверь этот ваш Single Message Transform
  53. Урок 53. 00:43:16
    4.10 Визуализация для ELT-процессов в DWH
  54. Урок 54. 00:45:31
    4.11 Платформа управления данными вокруг YTsaurus
  55. Урок 55. 00:38:43
    4.12 Чего стоит достижение линеаризуемости в распределенной системе
  56. Урок 56. 00:46:39
    4.13 Spark Streaming_ брать или не брать
  57. Урок 57. 00:45:07
    4.14 Предиктивный анализ паразитной нагрузки на кластерах GreenPlum
  58. Урок 58. 00:46:58
    4.15 Применение TLA+ для эффективного тестирования распределенных систем
  59. Урок 59. 00:44:19
    4.16 Создание группы сервисов по анализу космических снимков с помощью машинного обучения
  60. Урок 60. 00:05:12
    4.17 Закрытие конференции SmartData 2023