W prezentacji skupimy się na najważniejszych obszarach, które musimy zaadresować podczas tworzenia mikroserwisów, narzędziach dostępnych w Pythonie (i nie tylko), które mogą pomóc nam w tworzeniu działających rozwiązań. Zaadresujemy temat modelowania danych, spójności komunikacji pomiędzy serwisami i sposobami osiągnięcia testowalności tego obszaru, modelowania komunikacji w sposób synchroniczny i asynchroniczny oraz warstwą persystencji danych. Wszystko na bazie doświadczenia w budowie i utrzymaniu systemów mikroserwisowych w kilku firmach na przestrzeni ponad 5 lat.

Podczas wystąpienia poruszę temat „deploymentu” rozproszonego systemu napisanego w języku Python na środowisku chmurowym. Omówię zalety takiego rozwiązaniam, jak na przykład uniezależnienie aplikacji od konkretnego dostawcy chmury, oraz pokażę o co należy zadbać podczas skalowania horyzontalnego. Wszystko to na przykładach z rzeczywistego rozwiązania, które zaprojektowałem dla jednego z klientów, gdzie zadaniem systemu było przetwarzanie dużej ilości danych w bardzo krótkim czasie.

Zawsze zaczynamy od postanowienia „”Teraz napiszemy to lepiej””, a kończymy tak jak zawsze. Czy kod legacy to nasze jedyne przeznaczenie? Czy przepisywanie całej aplikacji od zera to jedyny lek? Czy tylko praca w nowych projektach może być ciekawa? Nie, nie, nie i jeszcze raz NIE! Jest pewien magiczny sposób, który jest podstawą najlepszych praktyk programistycznych, a niestety o nim zapominamy. Czy już wiesz co to jest? Tak, to refaktoryzacja. Podczas prelekcji zobaczysz przemianę rodem z TV – „”Pimp my Code””. Zaczniemy od strasznego kodu legacy, którego nie da się testować, a na zakończymy na czystej architekturze odpornej na czas i zmiany. Wszystko robione małymi kroczkami, a co najważniejsze, tak, żeby nasz kod zawsze dało się uruchomić i wrzucić na produkcję. Niemożliwe? Kilka lat temu też tak sądziłem, teraz pora żebyś i Ty zmienił(a) zdanie. Kod będzie w Pythonie, jednak jego znajomość nie jest wymagana, żeby uczestniczyć w prezentacji. Najlepsze praktyki programistyczne są uniwersalne!

Zacznijmy od tego czym są regexy i dlaczego są tak uniwersalne i niezastąpione. Następnie zmieńmy podejście – spójrzmy na nie jak na sudoku czy inną krzyżówkę. Na koniec zamierzam wszystkich przekonać, że nie ma się czego bać i można polubić zabawę z regexami tak, jak lubimy czytanie powieści detektywistycznych czy rozwiązywanie kolejnych zagadek logicznych.

W karierze programisty, prędzej czy później spotkasz się z zadaniem dotyczącym zbierania danych ze stron internetowych. W prostych przypadkach jest to łatwe zadanie. Jednakże, jeśli potrzebujesz pobrać dużą ilość danych w krótkim czasie, mając ograniczony budżet, temat staje się bardziej skomplikowany. Podczas tej prezentacji opowiem historię osiągnięcia pożądanego rezultatu szybko i tanio.

A lot of businesses are going digital. COVID-19 situation has only sped up this process. To make educated decisions, we need to base it on the proper information and data. An important aspect is to organize a proper process of data handling in our ecosystem so we can fully benefit from it. In my presentation, I will cover how to setup the process to organize the data flow, to maximize the results, while keeping the costs at bay.

Na prezentacji przyjrzymy się, jak Python w połączeniu z mocnymi modelami NLP może poradzić sobie z tekstami, które zostały nadgryzione zębem czasu!.

W ramach prezentacji pokazanych zostanie kilka metod tworzenia inteligentnych streszczeń. Każda z nich zostanie opisana od strony teoretycznej, plusów oraz minusów jej zastosowania. Przejdziemy również krok po kroku przez przygotowanie takiego modelu.

Przedstawię wam jeden z najbardziej popularnych algorytmów heurstycznych – algorytm genetyczny. Wyjaśnię wam analogie między jego kolejnymi krokami, a procesem ewolucji w świecie przyrody. Następnie omówimy jego implementację w jęzku Python i przetestujemy go na wygenerowanym przez nas problemie plecakowym.

Pakiet TensorFlow umożliwia implementowanie stosunkowo wydajnych struktur opartych na grafowej strukturze, przede wszystkim sztucznych sieci neuronowych. Implementacja modeli w tym frameworku znacząco ułatwia ich wdrożenie na produkcji, wraz z całym środowiskiem TensorFlow Extended (TFX). Niestety nasze modele to nie tylko sztuczne sieci neuronowe… i czy naprawdę łatwo przepisać je z pakietu Numpy do TensorFlow? W trakcie prezentacji przedstawione zostaną główne problemy związane z takimi implementacjami jak i możliwe rozwiązania na przykładzie prostego algorytmu k-najbliższych sąsiadów.

Case study rozwoju aplikacji do oceny ryzyka kredytowego w Revolut, która przetwarza dane dziesiątek milionów klientów. Zero ściemy, sporo detali technicznych. Będzie o tworzeniu, testowaniu, współpracy z innymi zespołami, monitorowaniu aplikacji i rozwiązywaniu problemów.

Jak skutecznie rozwijać się jako programista Pythona? Jakie metody nauki zastosować aby osiągnąć swoje cele – stanie się lepszym programistą, awans albo zdobycie lepszej pracy? W prezentacji opowiem o własnych doświadczeniach z nauką Pythona, zarówno w pracy jak i poza nią. Przejrzymy wspólnie różne metody nauki praktyki i teorii oraz sprawdzimy, jak wybrać projekt, który poszerzy programistyczne horyzonty i sprawi że gdzieś na świecie uśmiechnie się panda.

Zarządzanie wersjami Python’a i paczkami czasem może być uciążliwe. Programiści JavaScript mają swój folder „node_module” (a wraz z nim 1001 dowcipów na temat wielkości tego folderu, ale my, Pythonowcy, nie mamy czegoś takiego jak „python_module” (jeszcze nie!). Zamiast tego mamy tajemnicze środowiska wirtualne, którymi musimy zarządzać. A jeśli dodatkowo potrzebujemy używać różnych wersji Python’a, może się z tego zrobić bałagan.

During the workshop, the engineers from Unit8 will explain the concept of time series forecasting, and how to easily approach time series forecasting problems, using the open-source library – Darts. After the theoretical part, the participants will work with a prepared Jupyter notebook to get a hands-on experience with Darts. Prerequisites: google account, experience with Python.

W ramach naszych codziennych obowiązków tworzymy i uruchamiamy skrypty w Azure DevOps do zapytań i konfiguracji API. W prezentacji chciałbym pokazać, że tworzenie desktopowej aplikacji w pythonie może być szybkim i efektywnym sposobem na zebranie wszystkich funkcjonalności w formie czytelnego GUI.

Prognozowanie sprzedaży jest jednym z kluczowych elementów dla biznesu i znacznym wskaźnikiem uwzględnianym na etapie planowania. W trakcie sesji omówiony zostanie problem prognozowania szeregów czasowych oraz przedstawione zostaną główne wykorzystywane komercyjnie metody. Wskazane zostaną także wyzwania pojawiające się w projektach związanych z prognozowaniem. Praktyczne przykłady przedstawione zostaną w środowisku Databricks w ramach platformy Azure oferującym wygodę programowania w znanych Jupyter notebookach z wykorzystaniem skalowalnych klastrów obliczeniowych.

Wraz ze wzrostem wykorzystania uczenia maszynowego w naszej firmie mogą pojawić się sytuacje w których kilka zespołów może wykorzystywać wspólne cechy, które są tworzone oddzielnie. W każdej takiej sytuacji tracimy czas w fazie developmentu i w trakcie każdego przygotowywania danych. Dodatkowo, każdy zespół może definiować cechy w inny sposób, przez co tracimy na spójności definicji pomiędzy zespołami. W prezentacji pokażemy, jak ujednolicić podejście do tworzenia oraz zarządzania cechami z wykorzystaniem koncepcji feature store’a. Przedstawione zostaną narzędzia wykorzystywane jako tego typu rozwiązanie. W przykładach wykorzystane zostanie rozwiązanie opensource’e – feast.

Scrapy cały czas jest jednym z najpopularniejszych narzędzi do web scrapingu. Dlaczego warto go używać? W jakich projektach sprawdzi się najlepiej? Kiedy Scrapy nie będzie wystarczający?

Przegląd kluczowych zagadnień z programowania w stylu funkcyjnym w Pythonie. Poza przejściem przez podstawowe zagadnienia od strony teoretycznej, powiemy też o zaletach, i wyzwaniach, wynikających z pisania w tym stylu. W drugiej części poruszone zagadnienia zaprezentowane zostaną w formie live demo.