education Posts | Discover

SQL для A/B тестирования: расчёт метрик и выборок

Разбор SQL для A/B тестирования: сбор выборок, расчёт метрик (CR, ARPU, retention) и типичные ошибки в запросах.

IT Загрузка..·29 июн. 2026 г.

Crossplane: управление облаком через K8s CRD

Краткий обзор Crossplane — как через Kubernetes CRD управлять ресурсами в AWS/GCP/Azure, GitOps-особенности и отличие от Terraform.

Storytelling with Data: как рассказать историю данными

Storytelling with data для аналитиков, продакт‑менеджеров и маркетологов: контекст, доказательства, вывод и конкретная рекомендация.

SQLite: лёгкая база для аналитических проектов

Почему SQLite удобна для аналитики: быстрый старт, портативность, интеграция с Python и практичность для прототипов и локальных ETL.

DVC: версионирование данных и моделей — гайд

Краткий гайд по DVC: зачем он нужен в ML‑проектах, как версионировать данные и модели, базовый workflow с dvc init/add/push/pull.

MLOps vs DevOps: сходства и ключевые отличия

Краткое сравнение DevOps и MLOps: общие практики и ключевые различия в управлении кодом, данными, тестировании, мониторинге и деплое.

IT Загрузка..·28 июн. 2026 г.

Git Hooks: защита от плохого кода в репозитории

Кратко о Git Hooks (pre-commit, pre-push, server-side): как они защищают репозиторий от неформатированного кода, секретов и не прошедших тесты изменений.

BentoML: деплой моделей в продакшен — разбор

Краткий разбор BentoML: упаковка моделей, API для инференса, версионирование, контейнеризация и готовность к Kubernetes для продакшена.

IT Загрузка..·2 июл. 2026 г.

Merge, Join, Concat в Pandas: объединение таблиц

Краткое руководство по merge(), join() и concat() в Pandas: когда использовать, ключевые параметры и частые ошибки.

Feature Engineering в продакшене: Feast, Hopsworks

Краткий обзор Feature Store-подхода для продакшена: сравнение Feast и Hopsworks, их отличия, плюсы и критерии выбора для ML и data engineering.

RFM-анализ: сегментация клиентов — туториал

Краткий пошаговый туториал по RFM-анализу для CRM, e‑commerce и SaaS: сбор данных, расчёт R/F/M, формирование кода и действия по сегментам.

IT Загрузка..·28 июн. 2026 г.

Cursor IDE: полный гайд по работе с AI-редактором

Обзор Cursor IDE — AI-редактор на базе VS Code: возможности, сценарии, ограничения и советы по работе с контекстом проекта.

IT Загрузка..·29 июн. 2026 г.

Pulumi: IaC на языках программирования — туториал

Краткий туториал по Pulumi: идеи IaC, пример на TypeScript, быстрый старт, особенности state и сценарии для AWS и Kubernetes.

IT Загрузка..·29 июн. 2026 г.

CI/CD: что это и зачем — объяснение для новичков

Краткое объяснение CI/CD для новичков: что такое CI, два варианта CD, практический сценарий и список инструментов (GitHub Actions, Jenkins, GitLab CI/CD).

IT Загрузка..·30 июн. 2026 г.

Будущее DevOps: от инженера к Platform Architect

Аналитический обзор эволюции DevOps в 2025 году: роль Platform Architect, ключевые навыки и внутренняя инженерная платформа.

Сколько RAM нужно в 2026 году: 16, 32 или 64 ГБ?

Краткий обзор 16/32/64 ГБ RAM в 2026 году и рекомендации: почему 32 ГБ становится золотым стандартом для большинства задач.

NPU в смартфонах: зачем нужен нейропроцессор

Кратко о том, зачем в смартфонах нужен NPU: ускорение AI-задач, улучшение фото, локальный перевод, экономия энергии и приватность.

Новизна-эффект в A/B тестах: как избежать ошибок

Разбор новизна-эффекта в A/B тестах: почему краткосрочный рост CTR обманывает и какие метрики помогут принять верное решение.

IT Загрузка..·2 июл. 2026 г.

NumPy для ML: матричные операции, линейная алгебра

Краткий обзор значимости NumPy в ML: массивы ndarray, shape, матричные операции, broadcasting и функции np.linalg с примерами кода.

Streaming vs Batch Processing: когда что выбирать

Разбор отличий streaming и batch processing: критерии выбора по задержке, стоимости и архитектуре, примеры кейсов (antifraud, BI, IoT).