#PYCONBY

PyCon Belarus'17

PyCon Belarus is an annual international Python conference. The third PyCon Belarus will take place in Minsk, Belarus on February 4, 2017. This year we have decided to focus on next topics:
Python 3.6 What’s NEW?; Inside Python; Big Data; Machine learning; Computer Vision; Database.

Join us!

SPEAKERS

PROGRAM

  • 9.00 – 9.50

    Registration

  • 9.50 – 10.00

    Greetings by Python community leaders, Opening

  • 10.00 – 10.40

    Engineering an Open Source Company

    David Cramer

    As software engineers we're fundamentally builders. Whether its for business or just as a hobby, we set out to solve problems through code. Sentry is another story of that simple idea, but one that has continued over the better part of a decade. We'll talk about how Sentry was started as an unambitious side project and grew into the open source, venture-backed business it is today. Additionally we'll cover what it's taken to build a company as an extremely technical software engineer, including lessons learned along the way.

  • 10.40 – 11.20

    Why Python 3.6 is faster than Python 3.5?

    Igor Davydenko

    Detailed review of changes & optimizations in Python 3.6, which increased performance compared to Python 3.5 code. With examples and explanations.

  • 11.20 – 11.40

    Coffee

  • 11.40 – 12.20

    Crash test of Django ORM

    Andrii Soldatenko

    The world is swimming in articles and books about Django and Django ORM itself. All this sources cover only basic use cases of Django ORM comparing to real world examples.
    This talk is dedicated to the proposition to crash test Django ORM 80% of functionalities in 20% of the time. Also I’m going to show the important features and capabilities of Django ORM compare to most of SQL features. Traditionally, ORM is presented in a “bottom-up” fashion, but I would like to propose approach, on the other hand, is “top-down”. We begin by identifying a rather short list of standard questions, or precisely types of questions, that are often asked of relations databases. We then show how these standard questions are posted in Django ORM, introducing and motivating the use of its capabilities and features as they become relevant.

  • 12.20 – 13.00

    Binary Python: Introducing Native Code

    Armin Ronacher

    When Python becomes a performance bottleneck or you need to work with C/C++/Rust libraries various new problems appear that need solving. This is the experience I made at Sentry and my open source projects of how to deal with these issues.

  • 13.00 – 14.30

    Lunch

  • 14.30 – 15.10

    Big open source project development with Python (RU)

    Ivan Kolodyazhny

    «I'll describe how to develop big open source applications with Python. I'm OpenStack Cinder Core Reviewer and will talk about community collaboration, guidelines, code reviews. I'm going to discuss how can we use and support open source enterprise-grade applications in Python»

  • 15.10 – 15.50

    Elastic Python - the what and why of the python clients for elasticsearch

    Honza Král

    Elasticsearch is an open source datastore, in this talk we will explore the official python clients - their design philosophy as well as history and future plans.

  • 15.50 – 16.30

    Создание Open Source библиотек

    Andrew Svetlov

    Все используют _чужой_ открытый код для решения ежедневных задач.
    В ходе доклада я поделюсь опытом по созданию более или менее популярных _своих_ библиотек:
    - Описание разницы между коммерческим закрытым кодом и открытым
    - Советы по организации кода, тестов, документации
    - Рекомендации по работе с community
    - Некоторые трюки, упрощающие жизнь

  • 16.30 – 16.50

    Coffee

  • 16.50 – 17.30

    Python + Raspberry Pi GPIO

    Kirill Borisov

    Несколько лет тому назад Интернет лихорадила тяга к Raspberry Pi, одноплатному компьютеру от одноименного фонда. Многие покупали себе "малинку" или её многочисленные клоны, вертели в руках и в лучшем случае делали из неё домашний сервер. Но мало кто догадывался, что загадочный разъем на этой плате хранит в себе потенциал для чего-то большего: от моргания светодиодами до управления сервомоторами, подключения внешних дисплеев и многого другого. Имя ему - GPIO, и в своем докладе я расскажу про существующие библиотеки на Python, покажу примеры работы и постараюсь ответить на ваши вопросы.

  • 17.30 – 18.10

    Going global with Python

    Konstantinos Koukopoulos

    Most people in the world don’t speak English, and are more comfortable using software in their native language. Yet around the world software is usually produced with English text by default. This weird situation might seem normal if you think of Software Localization in terms of string freezes, content handoffs and the emailing of spreadsheets with content strings. Can it be different? Can translation work follow the pace of today’s software delivery pipelines, and join in on the continuous delivery party? In this talk, we will discuss software localization and some ways that teams can improve their localization processes, from the personal perspective of a Python dev team based in Greece. What challenges did we face and what did we learn while building our own web-based localization automation platform using Django and Python?

  • 18.10 – 18.50

    Правильные пчёлы

    Artem Malyshev

    Доклад о многообещающем проекте BeeWare, который находится в стадии интенсивной разработки. Если у вашей программы есть пользователи, то они скорее всего хотят графический интерфейс. Причём хотят они его в родном для платформы исполнении, будь то десктоп, браузер, телефон или умные часы. Целью проекта BeeWare и является эта самая возможность написания изоморфных приложений на Python, используя предоставленные системой возможности. О том как и почему устроен проект и пойдёт речь.

  • 18.50 –

    AFTERPARTY & Networking

  • 9.00 – 9.50

    Registration

  • 9.50 – 10.00

    Greetings by Python community leaders, Opening

  • 10.40 – 11.20

    Эволюция Python-экосистемы для Data Science

    Denis Pirshtuk

    В момент моего первого знакомства с машинным обучением около 5 лет назад большинство исследователей предпочитали узкоспециализированный R, но но экосистема Python уже вела активную борьбу за место под солнцем. И буквально через год на моих глазах был стремительно достигнут паритет мнений, особенно за счет data scientist-ов, непосредственно вовлеченных в промышленную разработку. С тех пор в экосистеме Python произошли гигантские изменения. Мы рассмотрим куда движется машинное обучение как наука и как инновационная прикладная область в целом, какие новые технические потребности возникли в связи с этим у исследователей-разработчиков за последнее время и как это отразилось на развитии различных Python-библиотек.

  • 11.20 – 11.40

    Coffee

  • 11.40 – 12.20

    Организация воспроизводимого процесса обучения Machine Learning моделей

    Denis Dus

    Одной из технических особенностей промышленной Data Science-разработки является высокая необходимость организации стабильного пайплайна для обучения и тестирования моделей, который будет включать в себя все необходимые шаги на пути от "Raw Data" до "Model Deploy". Важно обеспечить неизменность входных данных в процессе экспериментов, уметь разрешать зависимости промежуточных подзадач друг от друга, иметь средства мониторинга за выполением, гарантировать сигнализацию о произошедших ошибках и их обработку, иметь (в идеале) возможность перезапускать pipeline с любой промежуточной точки в случае какого-либо отказа, а также многое другое. Но главное - это то, что всё это нужно уметь делать прозрачным, понятным и удобным для machine learning инженера способом. В рамках доклада будет рассмотрен опыт построения такого рода end-to-end системы для обучения и тестирования моделей на базе Python-фрэймворка для batch-обработки данных Luigi.

  • 12.20 – 13.00

    Fully asynchronous queue solution with Kafka

    Ondřej Veselý

    Showcase: Let's say we want to have an API endpoint which saves data stream with very variable flow to Postgresql. We'll use Kafka queue and various async modules like asyncio, aiokafka and aiopg with Python 3.6 syntax sugar. Based on real-case scenario

  • 13.00 – 14.30

    Lunch

  • 14.30 – 15.10

    Dynamic concept space analysis

    Oles Petriv

    Векторые репрезентации слов – мощный инструмент для изучения закономерностей языка, который привел к множеству прорывов в сфере natural language processing. Возможность измерять семантическую близость слов позволяет не только конструировать лучшие модели языка, но и отслеживать изменения смысла слов во времени. Я покажу результаты некоторых экспериментов с динамическими векторными моделями английского и русского языков, трехмерные визуализации макроструктуры якыка, траектории движения слов и кластеров слов за последние 70 лет, опишу процес создания временных датасетов для языков, конструкции векторных репрезентаций с помощю нейронных сетей, инструментарий для анализа движения векторов слов и уменьшения размерности модели языка до трех измерений, а также создания интерактивных визуализаций языка и семантических облаков Википедии.

  • 15:10 - 15:50

    Когда приедет ваш водитель?

    Arseny Kravchenko

    Обзор проблемы предсказания времени прибытия автомобиля из точки А в точку B.

  • 15:10 - 15:50
  • 18.50 –

    Lightning Talks & Networking

Organizers

  • Space
  • PyCon

PARTNERS

  • Python Software Foundation

AFTERPARTY PARTNER

PARTNERS AND PARTICIPANTS

  • iTechArt Group
  • Sentry

MEDIA PARTNERS

  • dev.by
  • Minsk Python Meetup
  •  rabota tut.by
  • la.by
  • DOU
  • Apptractor
  • ladiescode
  • PythonWorld
  • dev.by
  • PiterPy