Программирование Data Internals X 2025 - Профессиональная конференция по инженерии данных, базам данных и системам хранения и обработки данных - Онтико (2025)

[Gatsby]

Data Internals X 2025 - Профессиональная конференция по инженерии данных, базам данных и системам хранения и обработки данных​

Платформа: Онтико




Data Internals X 2025 — это профессиональная конференция Онтико для инженеров данных, разработчиков СУБД, архитекторов, технических лидеров и специалистов, которые работают с базами данных, системами хранения, обработкой данных, инфраструктурой, производительностью и качеством корпоративных data-систем.

Конференция посвящена тому, что обычно скрыто внутри сложных платформ: внутренним механизмам СУБД, архитектурным решениям, оптимизации больших данных, управлению качеством, масштабированию, отказоустойчивости, миграциям, автоматизации и практическим инженерным подходам, которые помогают бизнесу получать быстрый и измеримый эффект от работы с данными.

О чём эта конференция:

• об инженерии данных;
• о внутренних механизмах баз данных;
• о системах хранения и обработки данных;
• о PostgreSQL, Oracle, MS SQL, MySQL и NoSQL;
• об оптимизации больших данных;
• о качестве данных и аналитических витринах;
• об архитектуре data-платформ;
• о ML, AI и автоматизации процессов работы с данными.

Data Internals X 2025 будет полезна тем, кто хочет выйти за рамки базовой эксплуатации инструментов и глубже понять, как устроены данные внутри: как работают СУБД, где возникают скрытые узкие места, какие архитектурные решения дают прирост производительности и как выстраивать устойчивую инфраструктуру данных.

Главная идея конференции:

• дать глубокую техническую экспертизу по data-инфраструктуре;
• показать внутренние процессы СУБД и систем обработки данных;
• разобрать практические решения из крупных проектов;
• помочь находить и устранять скрытые проблемы производительности;
• показать связь инженерных решений с бизнес-эффектом;
• усилить техническую и стратегическую экспертизу участников.

Конференция фокусируется не только на отдельных инструментах, но и на системном понимании экосистемы данных. Это помогает принимать более точные архитектурные решения, повышать надёжность инфраструктуры и обосновывать развитие data-платформ с точки зрения бизнеса.

Кому подойдёт конференция:

• инженерам данных;
• разработчикам СУБД;
• database engineers;
• data architects;
• backend-разработчикам, работающим с хранилищами данных;
• DevOps- и SRE-специалистам;
• техническим лидам;
• архитекторам корпоративных систем;
• руководителям data-команд.

Материалы будут особенно полезны специалистам, которые отвечают за производительность, устойчивость, качество и развитие систем данных: от низкоуровневых механизмов баз данных до архитектуры корпоративной data-экосистемы.

Основные преимущества участия:

• доступ к глубокой инженерной экспертизе;
• разбор внутренних механизмов СУБД;
• практические кейсы из крупных проектов;
• методики оптимизации обработки данных;
• подходы к повышению качества данных;
• понимание архитектур будущего;
• связь технических решений с экономическим эффектом.

Доклады и материалы конференции направлены на повышение эффективности работы с данными на разных уровнях: от анализа внутриядерных процессов СУБД до стратегического управления платформами данных и внедрения data-driven подходов в компании.

Прокачка технической экспертизы:

• архитектурные инсайты СУБД;
• углублённый разбор популярных реляционных баз данных;
• анализ NoSQL-систем;
• поиск «невидимых» проблем;
• устранение узких мест;
• понимание внутренних процессов хранения и обработки.

Техническая часть конференции помогает разобраться, почему системы данных работают медленно, где возникают скрытые ограничения и какие внутренние механизмы влияют на производительность, надёжность и масштабируемость.

СУБД и системы обработки данных:

• разработка современных баз данных;
• эволюция СУБД;
• внутренние механизмы реляционных систем;
• внутренние механизмы NoSQL-систем;
• инструменты профилирования;
• диагностика производительности;
• оптимизация запросов и инфраструктуры.

СУБД остаются фундаментом большинства data-систем. Понимание их внутреннего устройства помогает лучше проектировать схемы, выбирать подходящие индексы, настраивать конфигурации, анализировать нагрузку и снижать риск критических ошибок.

PostgreSQL, Oracle, MS SQL, MySQL и NoSQL:

• углублённый разбор популярных систем;
• сравнение подходов к хранению и обработке данных;
• понимание сильных и слабых сторон разных решений;
• анализ практических проблем эксплуатации;
• поиск возможностей для ускорения и стабилизации работы;
• применение неочевидных настроек и функций.

Конференция помогает посмотреть на базы данных не только как на инструменты для хранения информации, но и как на сложные инженерные системы, где важны планировщики запросов, индексы, транзакции, кеширование, блокировки, репликация, отказоустойчивость и внутренняя архитектура.

Оптимизация больших данных:

• методики ускорения обработки;
• сокращение времени выполнения задач;
• повышение эффективности инфраструктуры;
• выявление узких мест;
• профилирование систем;
• оптимизация хранения, вычислений и потоков данных.

Работа с большими объёмами данных требует точных инженерных решений. Даже небольшие изменения в архитектуре, настройках, индексах, пайплайнах или подходах к обработке могут заметно влиять на скорость, стоимость и стабильность системы.

Неочевидные функции и настройки:

• возможности, которые редко упоминаются в документации;
• практические настройки для повышения быстродействия;
• инструменты диагностики скрытых проблем;
• решения для оптимизации нагрузки;
• подходы к более тонкому управлению СУБД;
• инженерные приёмы из реальной практики.

Часто важный прирост производительности дают не только крупные архитектурные изменения, но и грамотное использование возможностей, которые остаются за пределами стандартных инструкций. Конференция помогает увидеть такие точки роста.

Качество данных:

• валидация данных;
• контроль корректности;
• повышение надёжности аналитических витрин;
• поиск ошибок и несоответствий;
• управление качеством в data pipeline;
• подходы лидеров рынка к контролю данных.

Качество данных напрямую влияет на аналитику, ML-модели, отчётность и управленческие решения. Если данные неполные, неконсистентные или ошибочные, даже сильная инфраструктура не сможет дать корректный результат.

Архитектура и управление данными:

• модели построения устойчивой data-инфраструктуры;
• интеграционные паттерны;
• системы хранения;
• масштабирование;
• повышение отказоустойчивости;
• управление развитием data-экосистемы;
• выбор платформ и технологий.

Архитектурный блок помогает понять, как строить системы данных, которые выдерживают рост нагрузки, поддерживают новые продукты, остаются наблюдаемыми и управляемыми, а также не превращаются в хаотичный набор плохо связанных инструментов.

Архитектуры будущего:

• актуальные архитектурные паттерны;
• новые платформы работы с данными;
• подходы к миграции на современные технологии;
• эволюция корпоративных data-экосистем;
• планирование развития инфраструктуры;
• выбор решений с учётом долгосрочных целей.

Для технических лидеров важно не только поддерживать текущие системы, но и понимать, куда развивается рынок, какие подходы устаревают, какие технологии становятся перспективными и как подготовить инфраструктуру к будущим требованиям.

Экономический эффект инженерных решений:

• обоснование инвестиций в архитектуру данных;
• связь технических изменений с бизнес-результатом;
• сокращение затрат на поддержку;
• ускорение обработки данных;
• снижение рисков простоев и ошибок;
• демонстрация измеримой отдачи от data-проектов.

Инженерные решения в области данных должны быть понятны не только технической команде, но и бизнесу. Конференция показывает, как объяснять пользу архитектурных изменений, оптимизации и развития платформ через измеримые результаты.

Data-driven культура:

• создание процессов принятия решений на основе данных;
• превращение данных в рабочий инструмент бизнеса;
• повышение доверия к аналитике;
• согласование технических и бизнес-процессов;
• развитие культуры качества данных;
• формирование устойчивой data-экосистемы.

Data-driven подход невозможен без надёжной инфраструктуры, качественных данных и понятных процессов. Конференция помогает увидеть, как техническая база влияет на способность компании принимать решения на основе данных, а не интуиции или неполной информации.

ML, AI и автоматизация:

• применение ML и AI в оптимизации потоков данных;
• автоматизация процессов качества;
• автоматизация контроля данных;
• интеллектуальный анализ;
• инструменты обработки данных;
• поддержка инженерных процессов с помощью AI.

ML и AI могут применяться не только в пользовательских продуктах, но и внутри data-инфраструктуры: для мониторинга, контроля качества, поиска аномалий, автоматизации рутинных процессов и оптимизации потоков данных.

Практические кейсы:

• внедрение современных решений в крупных организациях;
• оптимизация существующей инфраструктуры;
• работа с реальными нагрузками;
• разбор ошибок проектирования;
• анализ инцидентов;
• предотвращение повторения критических проблем.

Кейсы позволяют увидеть, как технические идеи работают в реальности. В крупных системах любые ошибки проектирования могут дорого стоить, поэтому опыт реальных проектов помогает лучше понимать риски и выбирать более устойчивые решения.

Почему это важно:

• помогает сокращать затраты на поддержку систем данных;
• ускоряет принятие решений;
• помогает быстрее выводить новые продукты на рынок;
• повышает надёжность инфраструктуры;
• улучшает масштабируемость и производительность;
• помогает обходить технологические ограничения;
• снижает риск критических ошибок проектирования.

Data Internals X 2025 — это не просто техническая конференция, а возможность усилить долгосрочную устойчивость продукта, инфраструктуры и бизнеса через глубокое понимание данных, архитектуры и внутренних механизмов систем.

Ключевые тематические направления:

• СУБД и системы обработки данных;
• архитектура и управление данными;
• ML, AI и автоматизация;
• практические кейсы внедрения;
• оптимизация инфраструктуры;
• качество данных;
• профилирование, диагностика и масштабирование.

Программа охватывает темы, которые нужны современным инженерам данных и руководителям технологических команд: от низкоуровневой работы баз данных до стратегического развития корпоративной data-платформы.

Курс будет полезен, если вы хотите:

• глубже понимать устройство баз данных;
• разбираться во внутренних механизмах СУБД;
• оптимизировать большие объёмы данных;
• повышать качество и надёжность аналитических систем;
• проектировать устойчивую data-инфраструктуру;
• понимать связь архитектуры и бизнес-эффекта;
• изучить реальные кейсы крупных data-проектов.

Что вы получите после изучения материалов:

• более глубокую техническую экспертизу;
• понимание архитектурных особенностей СУБД;
• идеи для оптимизации инфраструктуры;
• подходы к управлению качеством данных;
• понимание современных data-архитектур;
• представление о применении ML и AI в data-процессах;
• практические выводы из реальных кейсов.

Результат участия:

• вы увидите, как устроены данные внутри сложных систем;
• поймёте, какие решения помогают ускорять обработку;
• научитесь лучше замечать скрытые проблемы инфраструктуры;
• получите идеи для повышения надёжности и масштабируемости;
• сможете связать технические изменения с бизнес-результатом;
• усилите техническую и стратегическую экспертизу в работе с данными.

Data Internals X 2025 — это конференция для специалистов, которые хотят понимать data-инфраструктуру на глубоком инженерном уровне. Материалы помогают выйти за рамки стандартной документации, увидеть внутренние процессы баз данных и систем обработки, изучить реальные подходы к оптимизации и использовать эти знания для создания более быстрых, надёжных и эффективных решений.

Подробнее:

Скачать:

Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.