Руководители, разработчики и эксперты расскажут о:

Как объяснять поведение алгоритмов машинного обучения
Понимать, почему алгоритм выдает то или иное предсказание, полезно по многим причинам. Например:
 – это помогает при отладке ⇒ помогает улучшить качество;
 – повышает (или понижает) доверие к результатам — как у разработчика, так и у клиента.
Я расскажу о популярных методах «объяснения» предсказаний моделей машинного обучения и на примерах покажу, чем такие «объяснения» помогают. 

Ришат Ибрагимов, Разработчик – Яндекс

Квантовое программирование на Python: учимся на примерах

Многие слышали о квантовых компьютерах и о фантастических возможностях, которые они открывают. Но не многие знают, что технологии дошли до такого уровня, что уже сегодня любой желающий может написать простую программу на Python и запустить ее на реальном квантовом вычислителе. Разберем на примерах с кодом основы квантовых вычислений, научимся запускать программы на локальном симуляторе и удаленном квантовом компьютере.

Валерия Баранова, Руководитель группы разработки – ПрессИндекс

ПДД для TDD
Разработка через тестирование — многие о ней слышали, некоторые пробовали и совсем немногие действительно используют. Разберёмся на примерах, как писать интеграционные и юнит-тесты до кода, используя PyTest. Рассмотрим основные принципы и обсудим, как избежать распространённых ошибок.

Владислав Блинов, Старший разработчик – Тинькофф

Property-based testing
Это подход к юнит-тестированию, при котором не проверяется поведение кода на конкретных входных данных, а описываются проверки свойств кода, которые должны выполняться на любых данных из какого-то множества. Например, для функции сложения можно написать тест в таком стиле, который будет проверять коммутативность. Фреймворк для Питона, который позволяет так тестировать, называется Hypothesis.

Валентин Синицын, Руководитель группы разработки – Яндекс.Облако

Scapy: манипулируем сетевыми пакетами из Python

Принято считать, что Python — это бэкенд или веб-разработка, но стереотипы хороши тем, что их можно разрушать. Удачная идея, немного магических методов — и простая интерактивная оболочка Python превращается в инструмент для анализа и генерации сетевого трафика. Со Scapy можно не только учиться, но и успешно решать задачи devops — ведь, в отличие от tcpdump или tshark, вы будете чувствовать себя здесь как дома.

Иван Меньших, Разработчик – RaRe Technologies

GIL: почему это боль и как с этим жить

В Питоне всё прекрасно, кроме одного «фатального недостатка», и имя ему — GIL. Эти три буквы превращают любое многопоточное приложение в кошмар. Поговорим о том, что это, почему он всё ещё живёт в интерпретаторе, как его можно выключить и ускорить код. Разберём несколько реальных примеров, в которых оптимизированный код на тредах на Питоне работает так же быстро, как версия на C, или даже быстрее.