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

  1. Урок 1. 00:21:31
    Открытие конференции SmartData 2026
  2. Урок 2. 00:46:09
    Как научить LLM работать с данными, а не просто писать правдоподобный SQL
  3. Урок 3. 00:46:30
    Что происходит между SELECT и ДАННЫМИ
  4. Урок 4. 00:45:12
    Как платформизация и AI меняют цикл аналитической разработки
  5. Урок 5. 00:47:10
    LLM под нагрузкой - как измерять производительность self-hosted моделей
  6. Урок 6. 00:38:16
    Новости Kafka - KRaft, Queus, tiered storage (и немного про YDB)
  7. Урок 7. 00:47:28
    CubeFS Deep Dive - возможности единого хранилища для ML, аналитики и контейнеров
  8. Урок 8. 00:46:21
    State of Iceberg REST Catalogs -чего нам не хватает и как собрать Control Plane своими руками
  9. Урок 9. 00:45:19
    Есть ли жизнь после dbt
  10. Урок 10. 00:45:27
    Диагностика производительности PostgreSQL
  11. Урок 11. 00:44:50
    LLM Ops - оптимизация инференса и ML-serving
  12. Урок 12. 00:45:36
    Векторный поиск в PostgreSQL - pgvector изнутри
  13. Урок 13. 00:44:45
    Эволюция бэкенда собственного S3-хранилища
  14. Урок 14. 00:44:33
    Граф знаний как инфраструктура для AI-агентов - от датасетов к единому графу
  15. Урок 15. 00:44:56
    Витрины данных на Data Lakehouse - маленькая история про большой переезд с Greenplum
  16. Урок 16. 00:45:26
    Datapipe — трансформация данных при помощи K8s и S3
  17. Урок 17. 00:45:32
    Докупать нельзя доиспользовать - как AI‑ассистент дорос до production
  18. Урок 18. 00:41:50
    Миграция инструментов управления данными на OMD в масштабах Магнита
  19. Урок 19. 00:35:39
    Постмортем сравнения Agentic и классического AutoML
  20. Урок 20. 00:36:43
    Production ML для RTSP-камер - как построить реалтайм-платформу видеоаналитики
  21. Урок 21. 00:42:56
    MDM который ничего не хранит - как сопоставлять данные не забирая их к себе
  22. Урок 22. 00:44:17
    Читать быстрее чем отдает Ceph - как мы построили S3-шардирование
  23. Урок 23. 00:45:12
    От Text-to-SQL к Trusted Analytics - строим on-prem семантический слой для AI-агентов
  24. Урок 24. 00:45:57
    YTsaurus в дикой природе - плюсы минусы подводные камни
  25. Урок 25. 00:36:20
    TL2 - дизайн формата сериализации — решения заимствования и ошибки
  26. Урок 26. 00:46:25
    Почему будущее ИИ «безвекторно» и как мы проверили это на кейсе помощника оператора
  27. Урок 27. 00:35:50
    Тачка на прокачку - адаптируем вашу старую ретриву к новым вызовам
  28. Урок 28. 00:33:26
    Как месяц искать утечку памяти в СХД и выяснить что ее на самом деле нет
  29. Урок 29. 00:41:07
    Ревью и деплой потоков NiFi через Git
  30. Урок 30. 00:46:53
    ML против хакеров. Процессинг сотен тысяч событий в секунду
  31. Урок 31. 00:43:35
    Контракты данных - когда схема становится договором
  32. Урок 32. 00:45:45
    Metric Store as a Boost for AI
  33. Урок 33. 00:44:10
    Исследование безопасности устройств - как и зачем
  34. Урок 34. 00:06:06
    Закрытие конференции SmartData 2026