ProDATA
By ProDATA
Как подойти, влюбиться и остаться навсегда. Наши эксперты – люди из профессии, которые объясняют сложные вещи простыми словами. Помогаем сориентироваться в большом мире хаотичных данных и узнать больше о внутренней кухне DATA-практики.
PROработу
PROтулы
PROэкспертизу
PRODATA
ProDATADec 08, 2020
Что такое DataOps?
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?
Data Science
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
Data Quality
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
Solution-архитектура в DATA
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
Как попасть в DATA-практику?
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