SmartData — конференция по инженерии данных

PostgreSQL, Iceberg и современные хранилища Продолжаем разбирать программу SmartData 2026. В прошлый раз мы рассказывали про пайплайны и управление данными. Теперь — про то, где данные живут. Хранилища давно перестали быть просто базами данных. Сегодня PostgreSQL работает с векторным поиском, Data Lake должен поддерживать сразу несколько интерфейсов, а вместе с распространением Iceberg появляются новые задачи по управлению данными и инфраструктурой. В карточках — подборка докладов нашей конференции про PostgreSQL, YTsaurus, Data Lakehouse, CubeFS, Iceberg и современные системы хранения. Это только часть программы. Полное расписание уже доступно на сайте — изучайте доклады и выбирайте полезные для себя. Ждем на SmartData 2026! Купить билет

#видеозаписи Открываем новую видеозапись выступления: Михаил Иванов — Что такое metastore и с чем его едят Metastore — это ключевой компонент любой современной платформы данных, который отвечает за управление метаданными. Без него работа с большими данными становится неэффективной и сложной, так как метаданные играют роль «карты» для навигации. Спикер рассказал, почему это не просто «скучный» инструмент — как он определяет удобство работы в проекте и интегрируется с такими компонентами, как Compute-движки, объектные хранилища и системы управления доступом. 😉 YouTube | 📺 VK Видео Скачать презентацию с сайта SmartData

Классика SmartData: пайплайны, Kafka и качество данных Пока все обсуждают LLM и агентов, кто-то должен собирать пайплайны, чинить брокеры и отвечать за то, чтобы данным можно было верить. SmartData обновилась: в программе стало больше ML, LLMOps и ИИ. Но классический Data Engineering — то, за что многие ценят конференцию, — остается ее основой. В карточках собрали для вас новые доклады про dbt, Kafka, структуры данных, Data Governance и Data Quality. Все подробности и раписание — на сайте конференции. [Купить билет]

Первые доклады SmartData 2026 уже на сайте 😀 Начинаем сразу с новых тем — показываем, как ML-системы проходят весь путь от данных до продакшн. Подготовить данные и обучить модель — только начало. Когда ML-система выходит в продакшн, появляются настоящие инженерные вопросы: как повысить качество, выдержать нагрузку, оптимизировать стоимость и масштабировать то, что уже работает. 📅 23–24 сентября, Москва + online В первых докладах — опыт инженеров из крупных ритейлов, финтеха и технологических компаний: — как измерять и оптимизировать LLM; — как улучшать retrieval-системы; — как выводить AI-ассистентов в production; — как строить масштабируемую ML-инфраструктуру. Подробности о каждом докладе — в карточках и на сайте. P.S. Классический Data Engineering остается в программе — будем и дальше разбирать хранилища, платформы и другие инженерные задачи вокруг данных. Оставайтесь на связи!

Как вашу заявку на доклад видят организаторы конференции? Инсайты от JUG Ru Group Почему хороший доклад иногда не проходит отбор? Даже опытные спикеры с сильной экспертизой иногда получают отказы. И это нормально: Программный комитет смотрит не только на уровень знаний и тему, но и на то, насколько доклад подходит конкретной конференции, аудитории и программе. Но что происходит с заявкой после отправки? Какие вопросы возникают у ПК? Почему одна идея проходит, а другая — нет? 25 июня в 12:00 (мск) разберем, как выглядит этот процесс изнутри. Андрей Дмитриев (JUG Ru Group) и Алексей Долгушев (Деврел-бюро) поговорят о том: — как устроена обработка заявок на стороне организаторов; — что помогает докладу пройти отбор; — как подготовиться к разговору с Программным комитетом, если созвон ведет не тот эксперт, который рассматривал заявку; — как выстроить путь спикера: от первой заявки до выступлений, которые все ждут. Это будет закрытый прямой эфир: попасть на него смогут только зарегистрированные участники. Если хотите задать вопросы Андрею и Алексею вживую — регистрируйтесь заранее!