Издательство Питер. Колонка редактора, март 26 г

Фулстек JavaScript: Секреты, которые должен знать каждый мидл
Автор(ы): Милесия МакГрегор

Как практикующий разработчик ПО вы уже умеете качественно выполнять задачи — на фронтенде или бэкенде. Пора перейти на следующую ступеньку карьерной лестницы и развить навыки, которыми обладают эксперты и senior-разработчики.

Милесия МакГрегор поможет разобраться, как работает вся система и как senior-разработчики принимают технические решения. Вы изучите все необходимое для создания фулстек веб-приложения, развернутого на облачной платформе, поймете, как выявлять источники бизнес-логики для любого приложения, научитесь выбирать между различными архитектурами, сторонними сервисами и инструментами лучшие для создания маштабируемого проекта, освоите тонкие, но критически важные навыки senior-разработчика, включая стратегии взаимодействия с командами и анализ продуктовых решений. Эта книга задумана как справочник, который можно открыть на любом этапе SDLC и использовать как чек-лист. Вы освоите все ключевые аспекты разработки приложений, чтобы уверенно принимать решения при возникновении вопросов, и будете понимать логику, сроки и методы принятия технических решений, а также эволюцию бизнес-требований.

Apache Kafka в действии. От базовых концепций до продакшена
Автор(ы): Зеленин А., Кропп А.

Apache Kafka — это эталонная платформа для аналитики в реальном времени, передачи событий и потоковой обработки. Выступая в качестве центрального узла для распределенных данных, Kafka обеспечивает беспрепятственный обмен между продюсерами и потребителями по модели «издатель — подписчик». Kafka легко обрабатывает миллионы событий в секунду, а его надежная архитектура гарантирует высокую отказоустойчивость и масштабируемость.
«Apache Kafka в действии» — это практическое руководство для ИТ-специалистов, которые внедряют Kafka в приложения и инфраструктуры, обрабатывающие огромные объемы данных. Издание охватывает все ключевые темы — от основ Kafka до продвинутых операций, а теория дополнена наглядными иллюстрациями и примерами из ежедневной практики. Читатели научатся настраивать кластеры Kafka, производить и потреблять сообщения, обрабатывать потоковые данные в реальном времени, а также интегрировать Kafka в корпоративные системы. В книге доступно изложены принципы создания надежных приложений Kafka и преимущества распределенной архитектуры для масштабируемости и устойчивости.

Архитектура медальона. Проектирование с помощью Delta Lake и Spark
Автор(ы): Стренгхольт П.

Объемы данных растут экспоненциально, а опасность оказаться в «болоте данных» (data swamp) подстерегает на каждом шагу? Чтобы получить ценную аналитику, которая обеспечит конкурентное преимущество, можно обратиться к проверенной модели архитектуры медальона. Однако реализовать надежную архитектуру данных довольно сложно, особенно бронзовый, серебряный и золотой уровни. Опираясь на свой богатый практический опыт, Питхейн Стренгхольт развеивает распространенные заблуждения и объясняет сложные проблемы, с которыми вы столкнетесь, начиная работу над новой архитектурой данных. Архитекторы и инженеры любого профиля найдут здесь ответы на свои частые вопросы, а также юзкейсы реальных компаний с примерами того, что сработало, а что нет и почему. Вы получаете не очередную «теорию уровней», а полное практическое руководство, позволяющее разобраться, как правильно проектировать и реализовывать каждый уровень на Microsoft Fabric и Azure Databricks (с готовыми примерами кода и GitHub-репозиторием); реальные кейсы внедрения в AP Pension, Amadeus и ZEISS; рекомендации о том, как вписать медальон в data mesh; разбор таких вопросов, как контракты данных, безопасность и генеративный ИИ (включая RAG и работу с неструктурированными данными). Для дата-инженеров, архитекторов данных, глав дата-офисов и всех, кто устал от «еще одного озера, которое никто не может использовать».

Машинное обучение на табличных данных: XGBoost, глубокое обучение и ИИ
Автор(ы): Райан М., Массарон Л.

Машинное обучение может ускорить выполнение повседневных бизнес-задач, таких как сверка счетов, прогнозирование спроса или автоматизация обслуживания клиентов, не говоря уже о более сложных задачах, например выявление мошенничества, прогнозное техническое обслуживание и персонализированный маркетинг. Извлекайте важную информацию из электронных таблиц, реестров, баз данных и других источников, используя градиентный бустинг, глубокое обучение и генеративный ИИ.
«Машинное обучение на табличных данных» описывает практические методы машинного обучения для модернизации каждого этапа анализа бизнес-данных. Вас ждут примеры использования XGBoost и Keras для прогнозирования цен на краткосрочную аренду недвижимости, развертывание локальной модели машинного обучения с помощью Python и Flask и оптимизация рабочих процессов с использованием больших языковых моделей (LLM). Научитесь делать свои модели более мощными и интерпретируемыми.

Эффективный разговорный ИИ. Создаем чат-ботов, которые действительно работают
Автор(ы): Фрид Э., Джейкобс К., Рожа Э.

Новые мощные фреймворки для разработки чат-ботов и модели генеративного ИИ практически сняли ограничения, связанные с некорректным распознаванием намерений пользователя и генерацией бессодержательных ответов. Освойте разработку чат-ботов на основе больших языковых моделей (LLM) и других современных инструментов, а также проектирование разговорных систем, ориентированных на реальный пользовательский опыт. Книга «Эффективный разговорный ИИ» посвящена созданию надежных и масштабируемых чат-ботов, пригодных для использования в корпоративной среде. Вы узнаете, как уточнять пользовательские намерения с помощью LLM, корректно обрабатывать нестандартные запросы и применять генерацию, дополненную поиском (RAG), чтобы ответы бота всегда оставались актуальными и релевантными. По мере прочтения разберетесь, как построить систему обратной связи для непрерывного улучшения качества диалогов и освоите практики безопасной интеграции генеративного ИИ в существующие архитектуры.