Як спроєктувати систему так, щоб вона не падала через одну відмову? Автор статті розбирає Node-architecture: підхід із автономними вузлами, локальною деградацією та мінімумом залежностей між компонентами 25
Анатолій Шара у своєму блозі розповідає, як створення рекомендаційної системи книжок відкрило йому Data Engineering. Він пояснює, чому замало просто натренувати модель і наскільки важливі надійні пайплайни, Airflow, Kafka, Docker та CI/CD. 6
Олександр ділиться досвідом створення пайплайна для AR-відео та розбирає архітектуру системи з усіма її неочевидними проблемами. Зі статті ви дізнаєтеся, як саме обробляються файли між ізольованими компонентами, яку роль відіграє черга задач і як рятувати ситуацію, коли залізо раптом перестає відповідати на запити. 1
Так само як знання DOM робить вас кращим React-розробником, так і розуміння бази AI-агентів допоможе ефективніше застосовувати їх у роботі. Юрій Гуц розбирає архітектуру агентів від теорії до коду та показує, як їх створювати власноруч без фреймворків і хмари. Якщо ви користуєтесь Claude Code чи Cursor, після цієї статті ви подивитеся на них зовсім по-новому. 3
Розв’язувати задачі оптимізації можна по-різному. Андрій Севастьянов ділиться досвідом створення алгоритму жеребкування для шведських шахів, де замість написання складних переборів використовується міць OR-Tools, а рутинний код частково делегується агенту Gemini.
TypeScript зміцнив лідерство. Python залишається на другому місці, JavaScript потроху падає. Близько третини розробників вивчають нові мови за допомогою ШI, а дві третини C++ розробників хочуть вивчити Rust. І ця мова зробила найбільший стрибок у рейтингу (з
Від Excel і макросів до AI та стратегічних сесій із CEO — за 10 років роль аналітика змінилася кардинально. Оксана, Head of Analytics у Jooble, розповідає про чотири хвилі трансформації цієї ролі: Python і R, розквіт BI, прихід AI та перехід на стратегічний рівень. 6
Автор статті ділиться досвідом постійних міграцій між
Навесні 2018 року фаундер декількох проєктів з технічним бекграундом Ігор щоранку возив сина в садочок через залізничний переїзд у Ірпені. Інколи переїзд закривався настільки надовго, що автору урвався терпець: він вирішив створити проєкт, який попереджатиме про час закриття переїзду. Що з цього вийшло — читайте у статті. 62
Іван Андрєєв вирішив мотивувати свого друга DevOps написати статтю на DOU. А щоб допомогти йому обрати тему, спарсив дані технічного форуму за 12 років. До яких тем аудиторія DOU «голодна» найбільше, що швидко вистрілює, а що залишається бестселером на роки — читайте у матеріалі. 4
Павло Ляпін вирішив створити англо-український словник для Kindle. У статті він розповідає, як проєкт «на вечір» перетворився на технічний челендж, та як все ж вдалося інтегрувати локалізацію в закриту екосистему Amazon й автоматизувати переклад складних термінів для комфортного читання. 13
Ігор Козлов, Data & ML Engineer у Levi9, вирішив перевірити, наскільки далеко можна зайти в data science без Python — і спробував KNIME. У цій статті він розповідає, що з цього вийшло та не вийшло. 5
Позитивна динаміка зарплат — у Middle розробників та фахівців рівня Principal. Негативна динаміка — у інтернів і джунів, а також у сеньйорів та лідів. Зарплати сеньйорів знизилися в усіх типах компаній, крім стартапів. В українських розробників за кордоном зарплати знижуються в усіх тайтлах. 18
Світлана Сумець підготувала останню частину серії статей про памʼять в Python. Цього разу вона розповідає про мистецтво памʼтати лише потрібне — кешування. Коли код працює правильно, але все ще не так швидко, як хотілося б — настав час замислитись не над тим, що ми рахуємо, а як часто. 11
Коли можливості класичного Python вже вичерпані, а задача все ще занадто повільна або памʼяті недостатньо — варто озирнутися на те, що лежить поза межами звичайного інтерпретатора. Світ оптимізації в Python — це не лише «пишу швидкий код», а й зміна способу мислення. Детальніше про це — у статті. 26
Світлана Сумець вирішила написати серію статей, досліджуючи, як працює памʼять у Python «під капотом» з погляду стратегій оптимізації. У матеріалі вона пояснює, як і куди подекуди витрачається, а точніше — марнується памʼять, чому вона не звільняється, коли мала б, і, головне, як це можна виправити. 13
Микола Панасюк, QA Team Lead у MOJAM, ділиться шляхом трансформації у команді — від хаотичного «тестуємо все» до системного «тестуємо за вимогою». А також розповідає про стан речей у точці відліку та отримані результати. 17
Андрій Воронов — Python-розробник з 10+ роками досвіду, який нещодавно видав свою першу технічну книгу. З якими викликами йому довелось зіштовхнутись, а також як повторити цей шлях і як зробити це без ФОП та допомоги видавництв — читайте у його детальному блозі! 38
Після прочитання ви зможете зрозуміти базову логіку машинного навчання без складної теорії, навчити модель на реальному датасеті, оцінити точність класифікації. А головне — побачити, що навіть з базовими знаннями Python можна побудувати реальний AI-інструмент, який виконає ваші практичні завдання. 11
Олександр Шинкаренко — самоучка, який зацікавився машинним зором і вирішив використати цю технологію для допомоги військовим. У статті він показує, як без команди та бюджету створив дві робочі моделі штучного інтелекту, здатні розпізнавати цілі на відео з FPV-дронів. 18
Коментарі