ProDATA ProDATA

Что такое DataOps? Этому направлению еще нет и 10 лет, а оно уже стало востребованным среди заказчиков. Ведь если DevOps занимается предоставлением бизнесу работающего ПО, то DataOps концентрируется на оперативной доставке актуальных рабочих данных каждому участнику корпоративных процессов. В новом выпуске подкаста ведущие Евгений Никифоров и Данила Голощапов вместе с гостем выпуска Александром Кучиным, руководителем Data DevOps-направления в EPAM, разбираются в тонкостях этой специальности.

Бонусом – рассказы о собственных нестыдных фейлах и факапах с проектов по BigData. Слушайте и не повторяйте. 😉

Таймкоды:

0:43 – О госте

1:25 – В чем разница между системным инженером и DevOps

2:27 – Особенности работы в Data DevOps

5:32 – Граница между системным аднимистратором и DevOps

7:25 – Какие инструменты есть сейчас

9:15 – Что встречается чаще: программирование или декларативный силь описания?

10:39 – «Хардкор» в работе

11:45 – Как складываются отношения с DevOps-девелоперами

16:30 – Как разговаривать с заказчиком о сложных инфраструктурных кейсах

21:38 – Как уберечься от ошибок?

25:20 – Что если в облаке что-то взорвется?

26:31 – Про стоимость простоя

27:40 – «Уверенность произрастает из опыта»

29:09 – Истории факапов

33:19 – Про «костыли и палки» на проектах – истории от всех

41:56 – Про особенности автоматизации

44:03 – Есть ли что-то такое, что вообще не автоматизируется?

46:02 – Советы молодым специалистам. Как прийти в эту сферу?

Как разобраться с гигантским объемом данных, построить на их основе работающую рекомендательную систему и помочь бизнесу заказчика? Слушайте новый выпуск подкаста о Data Science. Узнайте, почему это направление всегда будет актуально в нашем цифровом мире, как с его помощью меняются целые области научных знаний, и что нужно уметь, чтобы устроиться на работу по этой специальности. В гостях – Татьяна Бородина, старший аналитик данных в компании EPAM. Ведущие – Евгений Никифоров и Данила Голощапов.

Таймкоды:

0:35 – Как Татьяна пришла в Data Science

2:05 – Кто такой дата-сайентист?

4:46 – В чем специфичные отличия Data Science

11:08 – Почему Data Science стала популярной именно в момент наибольшего интереса к Data-технологиям

16:33 – Про сложности в общении пользователей и роботов, созданных благодаря Data Science моделям

24:19 – Является ли проблемой неприятие пользователями созданных Data Science моделей

25:35 – Как устранять ошибки в выводах, которые делает модель

27:48 – Когда не хватает данных, на чём обучать модель?

31:16 – Приходится ли сталкиваться с проблемами личной этики при работе с большими данными в Data Science?

35:22 – Насколько реально использовать созданные модели не по назначению

39:20 – Области, где Data Science вносит существенные изменения уже сейчас, и области, где перемены только предстоят

43:35 – Есть ли области, где Data Science вообще не нужен?

46:54 – Полезные рекомендации тем, кто хочет попасть в Data Science

Поговорим про качество данных? Гостем нового выпуска подкаста PRODATA стал руководитель направления Data Quality EPAM Роман Юшин. Из выпуска узнаете: чем отличается Data QA от классического тестирования, каким образом тестировать Cloud, а также как можно стать Data QA инженером. Ведущие подкаста - Евгений Никифоров и Данила Голощапов.

Таймкоды:

0:55 – Старт направления Data Quality

3:00 – Специфика обучения Data-направлению

4:34 – Чем Data QA отличается от классического тестирования

7:40 – Где обязанности Data Quality инженеров расходятся с QA

13:10 – Какие есть методы проверок

15:40 – Бывают ли в Data Quality ручные проверки

18:00 – Что тестировать сложнее всего

18:42 – Несколько инсайтов Data Quality

21:05 – Как выстраивать параллельные процессы с другими командами

22:30 – Как Data Quality проявляет себя на начальных стадиях проекта

26:03 – Как собрать Data-set, чтобы наиболее точно отразить данные заказчика

30:05 – Про инфрастуктуру

31:30 – Про Cloud. Как тестировать

39:39 – Истории проектов

42:55 – Советы начинающим Data QA инженерам

Второй выпуск PRODATA посвящен архитектуре IT-решений. Ведущие Евгений Никифоров и Данила Голощапов вместе с solution-архитектором EPAM Василием Хомутовым разбирают особенности работы архитекторов в Data-практике, обсуждают нюансы во взаимодействии с командой инженеров и делятся подробностями реальных рабочих кейсов из арсенала архитектора.



1:07 – Как попасть в архитектуру. История гостя

3:15 – Архитектор – кто это?

5:07 – Классификация архитекторов

7:00 – Нужно ли архитектору ходить на дейли?

13:43 – Сколько нужно встреч с командой, чтобы успешно работать

15:48 – Точка зрения разработчика: чего не хватает в общении с архитектором

17:51 – Когда архитектор не нужен на проекте

22:12 – Как предсказать развитие проекта, чтобы понять нужно ли оставлять архитектора

24:20 – Специфика solution-архитектуры в Data-практике

28:31 – Что нужно знать, чтобы быть архитектором в Data

31:02 – Путь в архитектуру – это путь от девелопера или аналитика?

32:37 – Архитектор пишет код?

35:39 – Про проекты архиктекторов

36:31 – Про отношения между менеджерами и архитекторами

40:15 – Про проекты в Data + рабочий кейс

В первом выпуске поговорим о том, как можно прийти в Data-практику, что для этого понадобится и какие перспективы у этого направления в ближайшие годы.

Ведущие: Евгений Никифоров, Данила Голощапов

Гость: Станислав Федяков, Senior Delivery Manager

Таймкоды:

01:04 – Почему Станислав выбрал Data-практику

04:01 – Что такое большие данные и почему для работы с ними нужно отдельное направление

05:00 – Что нужно знать помимо фреймворков?

08:11 – «Excel Data Management – то, с чего мы чаще всего начинаем»

08:52 – Специалисты каких направлений работают в Data

10:34 – Чем может заниматься специалист DevOpsв Data-практике

11:38 – Необходимые для входа в Data-практику компетенции

12:34 – «Чтобы прийти в Data-практику, вы уже должны быть хорошим программистом. Остальному научим»

13:28 – Какие могут быть перспективы у синьора, если он решил идти в Data

15:21 – Кроме задач хранения и преобразования, какие еще есть направления внутри Data

17:00 – Где проходит граница между Data-инженером и Enterprise-разработчиком

18:09 – О росте интереса со стороны заказчиков

19:39 – Об интересных проектах и цифрах

24:44 – Что будет дальше, после пандемии

25:57 – Рекомендации тем, что хочет попасть в Data-практику