Data Internals X 2025. Профессиональная конференция по инженерии данных [Онтико]
Data Internals X 2025 — это инвестиция в ваше техническое развитие и решение завтрашних проблем уже сегодня.
Data Internals X 2025 — это не просто "техническая тусовка", а стратегическая инвестиция в устойчивость и конкурентоспособность бизнеса. Пока конкуренты тратят миллионы на неэффективные решения и борются с техническими проблемами, участники Data Internals получают работающие инструменты для опережения рынка.
Один день конференции = месяцы экономии на консалтинге + годы конкурентного преимущества.
Что вы получите на конференции:
Тариф Онлайн-участие
Все потоки с докладами (но не потоки с митапами) будут транслироваться нами онлайн.
Текущая стоимость билета — 18500 р
Data Internals X 2025 — это инвестиция в ваше техническое развитие и решение завтрашних проблем уже сегодня.
Data Internals X 2025 — это не просто "техническая тусовка", а стратегическая инвестиция в устойчивость и конкурентоспособность бизнеса. Пока конкуренты тратят миллионы на неэффективные решения и борются с техническими проблемами, участники Data Internals получают работающие инструменты для опережения рынка.
Один день конференции = месяцы экономии на консалтинге + годы конкурентного преимущества.
Что вы получите на конференции:
- Эффективные подходы к валидации данных и обеспечению качества данных. Кейсы компаний, сокративших время на устранение ошибок данных
- Глубокое погружение в архитектуру СУБД: Разберем внутренние механизмы PostgreSQL, Oracle, MS SQL, MySQL и NoSQL-решений на уровне, недоступном в документации и обычных курсах. Выявим невидимые проблемы в работе СУБД -инструменты для гибкой настройки решений
- Три методики для оптимизации работы с большими объемами данных
- Передовые методы проектирования архитектуры данных и практики миграции на новые технологические платформы
- Узнаете о неочевидных оптимизациях, малоизвестных возможностях и скрытых ограничениях современных СУБД
- Блок для руководителей о том, как доносить ценность данных до бизнеса и руководства
- Data Engineers — решения сложных технических задач
- Архитекторы данных — паттерны для больших систем
- Разработчики СУБД и инструментов работы с данными — обмен опытом с коллегами
- Разработчики баз данных
- Администраторы баз данных (DBA)
- ech Lead'ы — понимание возможностей и ограничений технологий
- Разработка СУБД
- Разработка инструментов работы с данными
- Машинное обучение и искусственный интеллект
- Архитектура данных
- Системы хранения
- Управление данными
- Практические примеры внедрений
Открытие конференции
Выжимаем максимум из Clickhouse для BI-отчетности с ограниченным бюджетом
Михаил Кацуба (Lenta Tech)
Векторный поиск в YDB: опыт выбора и реализации
Александр Зевайкин (YDB)
Citus изнутри: как устроен шардинг
Александр Календарев ( Независимый докладчик)
Как мы решардим петабайтные кликхаузы в MyTracker: удаляй и властвуй
Алексей Захожий (VK)
Технология многоуровневого инкрементального резервирования и ее интеграция с ядром СУБД
Дмитрий Еманов (Firebird Project)
DuckDB для работы с графами: форматы хранения графа в S3, расширение GraphAr и опыт разработки
Максим Маевский (Т-Банк)
Вы строите Lakehouse, а сторадж строит вам проблемы
Дмитрий Листвин (Авито)
Круглый стол – открытый микрофон «Как вырастить специалиста по базам данных?»
Константин Ратвин (МФТИ), Руслан Савченко (Яндекс), Николай Ижиков (СберТех), Станислав Моисеев (Т-Банк), Сергей Петренко (VK Tech, Tarantool)
Managed Sharded PostgreSQL Service в Яндекс Облаке
Андрей Бородин (Yandex Cloud)
Балансировка по нагрузке в динтаблицах YTsaurus
Александра Латышева (Яндекс)
Круглый стол «Платформа данных: баланс практичности и развития»
Петр Гуринов (Лемана Тех), Олег Бондарь (Яндекс ), Сергей Михалев (Т-Банк)
Ревью без боли: DataOps-подход к управлению изменениями в DWH
Артемий Наумов (Лемана Тех)
Streaming и batch в единой платформе. Взболтать, но не смешивать!
Владимир Верстов (Яндекс Go)
Все еще ходите за метриками в BI? Как мы экспериментировали с LLM и не пRAGадали
Сергей Волков (Сбер)
Рецепты приготовления AI-ready-контента в BI
Евгений Семенюк (Сбер)
Data Governance в финтехе: конкурентное преимущество в эпоху AI
Александр Бояркин (Альфа-Банк)
Python вместо ручек. Как мы автоматизировали проставление атрибутов сущностей в дата-каталоге
Марина Суслова (hh.ru)
Работа над качеством данных — вершина айcберга или дно впадины?
Ирина Шахтарина (Сбер)
От Pydantic v1 к v3: глубокий разбор Pydantic Core на Rust и алгоритмов валидаторов
Арсений Савин (Effective)
WeSQL: облачная СУБД на базе MySQL
Алексей Копытов (MyDB)
Гибкая настройка параметров запуска Spark-приложений
Евгений Милин (Сбер)
Простой Python, автоматический Spark: минус Kubernetes, плюс продуктивность
Юрий Орлов (VK, VK Cloud)
Data Quality как distributed-система: паттерны отказоустойчивости для данных
Александр Бергер (Wildberries & Russ)
Доставка данных для ML в Kubernetes: от S3 до распределенных проектных хранилищ
Константин Дорошенко (Т-Банк, Отдел технологий искусственного интеллекта)
Многопоточное и/или консистентное чтение из реляционных источников данных в федеративных системах
Виталий Исаев (Яндекс)
От события до дашборда в облаках: практика по созданию потоковой платформы на Kubernetes
Сергей Емельянов (VK Tech)
Дата-контракты — как создать продукт с нуля, изменив мышление всей компании
Анна Мавлютова (Т-Банк)
Как подготовить платформу данных к миграции уже сейчас?
Владислав Заболоцкий (Райффайзен Банк)
Оптимальное вычисление выражений в аналитических запросах с использованием SIMD и JIT
Алексей Лукьянчиков (Яндекс)
CSI-драйверы: подводные камни и архитектурные решения
Константин Неумоин (Флант)
Airflow еще доступнее: опыт self-service-оркестрации в Lemana Tech
Михаил Зотов (Лемана Тех)
DataRentgen: чем плох lineage в OSS DataCatalog, и как сделать лучше
Максим Мартынов (МТС Web Services (MWS))
Балансировка данных на кластерах OpenSearch: покоординатный спуск
Дмитрий Потапов (Yandex Cloud)
Выжимаем максимум из Clickhouse для BI-отчетности с ограниченным бюджетом
Михаил Кацуба (Lenta Tech)
Векторный поиск в YDB: опыт выбора и реализации
Александр Зевайкин (YDB)
Citus изнутри: как устроен шардинг
Александр Календарев ( Независимый докладчик)
Как мы решардим петабайтные кликхаузы в MyTracker: удаляй и властвуй
Алексей Захожий (VK)
Технология многоуровневого инкрементального резервирования и ее интеграция с ядром СУБД
Дмитрий Еманов (Firebird Project)
DuckDB для работы с графами: форматы хранения графа в S3, расширение GraphAr и опыт разработки
Максим Маевский (Т-Банк)
Вы строите Lakehouse, а сторадж строит вам проблемы
Дмитрий Листвин (Авито)
Круглый стол – открытый микрофон «Как вырастить специалиста по базам данных?»
Константин Ратвин (МФТИ), Руслан Савченко (Яндекс), Николай Ижиков (СберТех), Станислав Моисеев (Т-Банк), Сергей Петренко (VK Tech, Tarantool)
Managed Sharded PostgreSQL Service в Яндекс Облаке
Андрей Бородин (Yandex Cloud)
Балансировка по нагрузке в динтаблицах YTsaurus
Александра Латышева (Яндекс)
Круглый стол «Платформа данных: баланс практичности и развития»
Петр Гуринов (Лемана Тех), Олег Бондарь (Яндекс ), Сергей Михалев (Т-Банк)
Ревью без боли: DataOps-подход к управлению изменениями в DWH
Артемий Наумов (Лемана Тех)
Streaming и batch в единой платформе. Взболтать, но не смешивать!
Владимир Верстов (Яндекс Go)
Все еще ходите за метриками в BI? Как мы экспериментировали с LLM и не пRAGадали
Сергей Волков (Сбер)
Рецепты приготовления AI-ready-контента в BI
Евгений Семенюк (Сбер)
Data Governance в финтехе: конкурентное преимущество в эпоху AI
Александр Бояркин (Альфа-Банк)
Python вместо ручек. Как мы автоматизировали проставление атрибутов сущностей в дата-каталоге
Марина Суслова (hh.ru)
Работа над качеством данных — вершина айcберга или дно впадины?
Ирина Шахтарина (Сбер)
От Pydantic v1 к v3: глубокий разбор Pydantic Core на Rust и алгоритмов валидаторов
Арсений Савин (Effective)
WeSQL: облачная СУБД на базе MySQL
Алексей Копытов (MyDB)
Гибкая настройка параметров запуска Spark-приложений
Евгений Милин (Сбер)
Простой Python, автоматический Spark: минус Kubernetes, плюс продуктивность
Юрий Орлов (VK, VK Cloud)
Data Quality как distributed-система: паттерны отказоустойчивости для данных
Александр Бергер (Wildberries & Russ)
Доставка данных для ML в Kubernetes: от S3 до распределенных проектных хранилищ
Константин Дорошенко (Т-Банк, Отдел технологий искусственного интеллекта)
Многопоточное и/или консистентное чтение из реляционных источников данных в федеративных системах
Виталий Исаев (Яндекс)
От события до дашборда в облаках: практика по созданию потоковой платформы на Kubernetes
Сергей Емельянов (VK Tech)
Дата-контракты — как создать продукт с нуля, изменив мышление всей компании
Анна Мавлютова (Т-Банк)
Как подготовить платформу данных к миграции уже сейчас?
Владислав Заболоцкий (Райффайзен Банк)
Оптимальное вычисление выражений в аналитических запросах с использованием SIMD и JIT
Алексей Лукьянчиков (Яндекс)
CSI-драйверы: подводные камни и архитектурные решения
Константин Неумоин (Флант)
Airflow еще доступнее: опыт self-service-оркестрации в Lemana Tech
Михаил Зотов (Лемана Тех)
DataRentgen: чем плох lineage в OSS DataCatalog, и как сделать лучше
Максим Мартынов (МТС Web Services (MWS))
Балансировка данных на кластерах OpenSearch: покоординатный спуск
Дмитрий Потапов (Yandex Cloud)
Все потоки с докладами (но не потоки с митапами) будут транслироваться нами онлайн.
Текущая стоимость билета — 18500 р
https://datainternals.ru/2025