Rivalry2

HTML Diff

0 added 0 removed

Original 2026-01-01

Modified 2026-03-10

1 <ul><li><a>31 октября // 20:00</a></li>

2 <li><a>31 октября // 20:00</a></li>

3 <li><a>1 ноября // 20:00</a></li>

4 <li><a>1 ноября // 20:00</a></li>

5 <li><a>2 ноября // 20:00</a></li>

6 <li><a>2 ноября // 20:00</a></li>

7 <li><a>2 ноября // 20:00</a></li>

8 <li><a>3 ноября // 20:00</a></li>

9 <li><a>3 ноября // 20:00</a></li>

10 <li><a>3 ноября // 20:00</a></li>

11 <li><a>3 ноября // 20:00</a></li>

12 </ul>Не забудьте добавить мероприятие в свой календарь

13 <h2>31 октября // 20:00</h2>

14 <a>ОТКРЫТЫЙ УРОК "ЧТО ПОЛЕЗНОГО В НОВЫХ ВЕРСИЯХ C#?"</a>

15 На открытом занятии мы разберем ключевые нововведения релиза .NET 6.0 с C# 10. Познакомимся с полезными и часто используемыми новшествами последних версий языка C#.

16 <h2>31 октября // 20:00</h2>

17 <a>ОТКРЫТЫЙ УРОК "БАЙЕСОВСКИЙ ВЗГЛЯД НА МАШИННОЕ ОБУЧЕНИЕ"</a>

18 На занятии с Максимом Бекетовым, преподавателем в Отус, вы познакомитесь с образовательным треком ML-Advanced, а также погрузитесь в тему байесовского подхода к машинному обучению - науку о том, как встроить априорные "экспертные" знания в модели машинного обучения - узнаете, когда и зачем нам все это нужно, и, надеюсь, проникнетесь байесианской философией!

19 <h2>1 ноября // 20:00</h2>

20 <a>ОТКРЫТЫЙ УРОК "ОСОБЕННОСТИ ТЕСТИРОВАНИЯ ИГР"</a>

21 Тестирование игр окружает множество мифов. На вебинаре поговорим о том, чем же отличается тестирование игр от тестирования в других сферах и почему не всегда легко войти в геймдев через тестирование.

22 <h2>1 ноября // 20:00</h2>

23 <a>ОТКРЫТЫЙ УРОК "БЕЗОПАСНОСТЬ КОНТЕЙНЕРОВ, ИНТЕГРАЦИЯ ПРОВЕРОК БЕЗОПАСНОСТИ И ПАЙПЛАЙНЫ"</a>

24 На этом открытом уроке мы рассмотрим основные виды анализа, применяемые в проверках цифровых продуктов, и то, как они интегрируются в пайплайны CI/CD

25 <h2>2 ноября // 20:00</h2>

26 <a>ОТКРЫТЫЙ УРОК "ФУНКЦИОНАЛЬНЫЕ КОНСТРУКЦИИ ЯЗЫКА SCALA"</a>

27 Рассмотрим неизменяемые структуры данных, а также рекурсивные методы для итерирования с состоянием. Узнаем, как использовать функции и функции высших порядков. Результатом занятия станут несколько простых алгоритмов с использованием рекурсивных методов и функций.

28 <h2>2 ноября // 20:00</h2>

29 <a>ОТКРЫТЫЙ УРОК "ASP.NET ВЗАИМОДЕЙСТВИЕ С ИСТОЧНИКАМИ ДАННЫХ"</a>

30 Познакомимся с видами баз данных. Разберем как работать с реляционными и нереляционными базами данных - напрямую и через ORM.

31 <h2>2 ноября // 20:00</h2>

32 <a>ОТКРЫТЫЙ УРОК "SCOPE БИНОВ В SPRING"</a>

33 Расскажем, какие бывают Scope и для чего они могут понадобится. На примере проследим как работает Scope "Request", и, если успеем, разберем создание своего собственного Scope.

34 <h2>3 ноября // 20:00</h2>

35 <a>ОТКРЫТЫЙ УРОК "ИНДЕКСЫ БАЗ ДАННЫХ: КОГДА ИСПОЛЬЗОВАТЬ, А КОГДА ЛУЧШЕ ОСТАНОВИТЬ ПРОДЖЕКТА"</a>

36 Индексы повышают скорость чтения данных. Однако бывают случаи, когда индексы не нужны. Например, менеджеры генерируют лишнюю нагрузку на сервер из-за неправильного использования базы данных. Кто виноват? Проджект менеджер! Вместо того, чтобы простроить бизнес-логику, он предлагает добавить больше индексов. А это усложнит работу сервера ещё сильнее. Остудить проджекта? Легко! Но сначала приходите на лекцию и получите полное представление об индексах, преимуществах и недостатках их использования.

37 <h2>3 ноября // 20:00</h2>

38 <a>ОТКРЫТЫЙ УРОК "ZONE-BASED POLICY FIREWALL(ZBPF) VS ACL"</a>

39 - Определим основные отличия ZBPF от ACL;

40 - Рассмотрим примеры политик в ZBPF;

41 - Реализуем внедрение ZBPF в сетевую инфраструктуру.

42 <h2>3 ноября // 20:00</h2>

43 <a>ОТКРЫТЫЙ УРОК "Пример реализации технологии Flux на SwiftUI"</a>

44 Рассмотрим некоторые проблемы и сложности реализации MVVM на SwiftUI. И попробуем применить Flux архитектуру для реализации небольшого приложения.

45 <h2>3 ноября // 20:00</h2>

46 <a>ОТКРЫТЫЙ УРОК "DATAFRAME API: ОТ PANDAS К DASK"</a>

47 В задачах машинного обучения мы начинаем с небольших объемов табличных данных. С ними отлично справляется библиотека pandas, предоставляя API, к которому привыкли все, кто занимается ML. Но наступает момент, когда данных становится больше. Они всё еще влезают в память ноутбука (например, в 32 Гб), но время их обработки в pandas уже не устраивает. Тогда на помощь приходит параллельная обработка через multiprocessing напрямую или pandarallel. И мы всё еще работаем с pandas API. Время идет, и набор данных для нашей задачи уже не влезает в память ноутбука, однако еще помещается на жестком диске. И здесь на помощь приходит dask, который предоставляет pandas-like API и возможности по обработке данных с диска.