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

  1. Урок 1. 00:30:02
    001 AI-ассистенты в управлении данными
  2. Урок 2. 00:48:34
    002 Apache Spark SQL Расширяй и управляй
  3. Урок 3. 00:43:02
    003 Data Catalog искажение метаданных или продуктовый подход
  4. Урок 4. 00:41:58
    004 DataOps под микроскопом CRD и Kubernetes-операторы для ETL
  5. Урок 5. 00:43:59
    005 Data Quality as a Service инструмент самообслуживания в большой компании
  6. Урок 6. 00:45:47
    006 DataRentgen как запилить yet another lineage не привлекая внимания
  7. Урок 7. 00:46:22
    007 Debezium и PostgreSQL после happy-path какие проблемы ждут
  8. Урок 8. 00:43:36
    008 DWH на StarRocks год в production
  9. Урок 9. 00:44:58
    009 GP2S3 по-взрослому
  10. Урок 10. 00:42:32
    010 Hadoop Is Not Dead Just Secure
  11. Урок 11. 00:45:14
    011 Semantic RAG аналитический подход к моделированию знаний для LLM
  12. Урок 12. 00:44:01
    012 Spark Connect новый подход для работы с Apache Spark
  13. Урок 13. 00:45:02
    013 Spark ВСЕ
  14. Урок 14. 00:46:04
    014 StarRocks реальность современной платформы данных
  15. Урок 15. 00:22:42
    015 State of Data 2025 от Программного комитета SmartData
  16. Урок 16. 00:45:10
    016 Автоматизация конфигурирования ETL-процессов на основе Apache Spark
  17. Урок 17. 00:44:28
    017 Алгоритмы векторного поиска в YDB
  18. Урок 18. 00:46:25
    018 Алгоритмы векторного поиска в современных БД
  19. Урок 19. 00:43:05
    019 Дата-контракты ожидания от данных без иллюзии
  20. Урок 20. 00:45:39
    020 Запускаем YugabyteDB в production
  21. Урок 21. 00:45:58
    021 ИИ под замком как мы развернули безопасный LLM-сервис для 3000 разработчиков
  22. Урок 22. 01:00:51
    022 Искусство и кибернетика
  23. Урок 23. 00:46:06
    023 Использование кодеков в ClickHouse преимущества и недостатки
  24. Урок 24. 00:48:07
    024 Как X5 Tech дает аналитику по данным без привлечения аналитиков
  25. Урок 25. 00:45:16
    025 Как в Авито обеспечивают self-service разработки и деплоя витрин
  26. Урок 26. 00:39:10
    026 Как в хранилище Яндекс Маркета начали писать документацию
  27. Урок 27. 00:44:58
    027 Как мы искали инструменты для DQ и к чему в итоге пришли
  28. Урок 28. 00:43:46
    028 Как мы строили lakehouse на Ozone
  29. Урок 29. 00:45:28
    029 Как мы улучшили процессы по работе с данными в Airflow]
  30. Урок 30. 00:46:34
    030 Как непростые времена вынудили нас построить лучший BI
  31. Урок 31. 00:38:56
    031 Как организовать масштабируемый ресерч-кластер для более чем 600 DS
  32. Урок 32. 00:45:15
    032 Критерии хорошей платформы данных от Яндекс Доставки
  33. Урок 33. 00:46:34
    033 Мониторинг DWH от метаданных до DataOps
  34. Урок 34. 00:48:43
    034 От бакета в S3 к Data Lakehouse эволюция платформы данных
  35. Урок 35. 00:43:57
    035 Перспективы развития Apache Iceberg
  36. Урок 36. 00:50:22
    036 Сторонние движки исполнения для Apache Spark опыт использования
  37. Урок 37. 00:45:12
    037 Хорошие данные не случаются случайно
  38. Урок 38. 00:45:20
    038 Что такое metastore и с чем его едят
  39. Урок 39. 00:05:11
    039 Закрытие конференции SmartData 2025