Купить билет
Запросить счёт

Форматы докладов PyCon Russia

Мы ищем интересные сообществу темы и людей, которым есть что сказать

Принимаем заявки на доклады
  • Доклад
    Традиционный доклад на 30−40 минут.
  • Lightning Talks
    Пятиминутные доклады от всех желающих.
  • Мастер-класс
    1,5−2 часа работы над какой-то задачей или темой, чтобы научиться чему-либо. Состоит из теоретической и практической частей. Формат с максимально полным охватом темы.
  • Спринт
    Формат многочасового обучения и работы над проектом с открытым исходным кодом совместно с автором проекта и другими участниками.
Мы ищем доклады во всех аспектах Python для среднего и продвинутого уровней

Кроме этого, мы ищем авторов мастер-классов и наставников для спринтов
Темы докладов PyCon 2025
Список не исчерпывающий, мы открыты новому и рассматриваем все заявки
Python трек
Как и прежде Python must prevail:
  • Изменения в PythonVM за последние годы и то, как они влияют на разработчиков, что нам обещают в Python 3.13 и какие планы у core команды на дальнейшую разработку
  • Управление зависимостями: poetry, uv или что-то другое?
  • Использование генеративных нейросетей для помощи программистам
  • Большие изменения в Python: сабинтерпретаторы и выпиливание GIL
  • Настоящее и будущее веб разработки: FastAPI, Litestar и другие
  • Типизирование кода: как сохранить баланс и не превратиться в TypeScript?
  • Python и WebAssembly
  • Деплой Python проектов, от веба до ML
  • Современная «безопасность» от PyPA
  • Тренды Rust в Python (astral.sh, pydantic, robyn, etc..)
  • Некроромантика в 2025 году (Twisted, cherrypy, peewee, attrs, kombu, etc…). Зачем и для чего?
  • Python: enterprise edition (кастомные компиляторы, линковщики, сборки С-extensions)
  • C API: Рациональное использование и edge cases
  • Экосистема: Как не повторять packages.lock в больших проектах?
  • Mojo год спустя: обещания и реальность

А ещё, как и всегда, мы ждём доклады по темам вне времени и пространства:
  • Стабильность и эксплуатация — все, что обеспечивает надежную работу сервиса:
  • Средства отладки и профилирования, нагрузочные и стресс тесты, DevOps, схемы deploymentа, мониторинг и телеметрия.
  • Новые технологии, библиотеки, сервисы и подходы в Python разработке
  • Работа с кодовой базой из миллионов строк кода: процессы, CI/CD, линтеры, командные практики и все, что вас выручает каждый день
  • Архитектурные и практические антипаттерны, Fail кейсы и странные дизайн-решения
Data трек
  • LLM как источник информации для рекомендательной системы или классических алгоритмов. Обогащение данных.
  • Мониторинг LLM-based систем (RAG, агенты и тп). Скорость генерации, задержки, число использованных токенов, метрики качества.
  • Диагностика проблем в сложных системах (несколько моделей или сложная обработка данных). On call байки.
  • Есть ли что-то новое в стримминговой обработке данных?
  • ML инженеры все? Мы теперь все промпт инженеры?
  • Почему агенты до сих пор буксуют? Или нет?
  • ModernBERT. Почему bert еще жив?
  • SLM: кейсы использования LLM < 5B
  • Какие новости в ML на графах?
  • Новые трюки в ранжировании (рекомендации, персонализация, information retrieval).
  • Истории внедрения гибридного поиска в продукт.
  • Обзор архитектур-альтернатив трансформерам, их достоинств и недостатков: mamba, falcon, diffusion модели, BitNet и тд
  • Как мы делали свой бенчмарк для LLM потому, что все остальные протекли в трейн.
  • Оптимальная квантизация. Сильно квантизированная большая модель или слабо квантизированная маленькая модель?
  • Деплой и использование MoE, насколько это экономически целесообразно.
  • Обзор альтернативного железа, реального и ресерча: Cerebras, Groq, Extropic, Lightmatter etc.
  • Как поживает tinygrad? Он все еще имеет шанс заменить Pytorch? Скоро ли мы будем запускать модели на любом железе?
  • Что угодно про MCP: параллели с LSP в IDE, потенциальные подходы к безопасности, подходы к эксплуатации уязвимостей, неочевидные применения, hands on с имплементацией
  • Подходы к анонимизации данных, разделение данных на чувствительные и нечувствительные, автоматические фильтрации.
  • Data Mesh и децентрализация данных
  • FinOps в DE
  • Управление метаданными и семантическими слоями
  • Реализация Data Contracts
  • Интеграция генеративного ИИ в пайплайны данных
  • Обработка данных в условиях ограничений памяти
  • Управление качеством данных и мониторинг
  • Переход к архитектурам без кода для ETL/ELT (No-Code/Low-Code)
Подать доклад
План доклада
Как правило, заявок гораздо больше, чем мы можем взять в программу, поэтому опишите ваш будущий доклад как можно подробнее:
  • Какая перед вами стояла задача? В чем ее сложность?
  • Почему вы выбрали этот инструмент, технологию, библиотеку для решения задачи?
  • С какими проблемами вы столкнулись, как их решали?
  • Как в итоге была решена задача?
  • Плюсы, минусы, подводные камни этого решения?
  • На кого рассчитан доклад? Над какими задачами могут работать люди, которым интересно будет его послушать? С какими проблемами они сталкиваются в работе?
  • Что слушатели узнают после вашего доклада?
Нам важно услышать ваш уникальный опыт и ваши истории!

Программный комитет уже принимает заявки
Программный комитет
Именно эти ребята приглашают докладчиков, просматривают заявки, выбирают из них самые полезные и интересные, помогают спикерам подготовиться, устраивают репетиции выступлений и делают все возможное, чтобы получилась отличная программа.
    Заявка на выступление
    Ваши заслуги, ссылки на блог или профайл, ссылки на прошлые выступления, если они есть.
    Сформулируйте как минимум одну. Например, «Смогут понять, подходит ли это решение для их задач и стоит ли идти и читать подробную документацию». Или «Слушатели смогут понять, в каких случаях стоит использовать это решение так, чтобы не выстрелить в ногу проекта в будущем».