Курсы по Code Review
Яндекс Практикум
Skillbox
Stepik
Учебный центр IBS
Похожие курсы
Больше об авторах
Менеджер продукта в Edtech/HR-tech. За более чем 7 лет работы создал и масштабировал цифровые продукты в Edtech (Яндекс Практикум, Сравни Образование, Хабр Карьера). Через карьерные и образовательные продукты обучил и трудоустроил более 30.000 специалистов, а также провел более 1000+ часов менторских консультаций для начинающих специалистов Product менеджеров, Разработчиков и Аналитиков
- Product owner
- Бакалавриат: Менеджмент, Управление персоналом
- Разработка и запуск продукта
- Продуктовая аналитика
- Стратегическое и операционное планирование
- Финансовое планирование, бюджетирование, P&L и расчет юнит-экономики
- HR-менеджмент, обучение и развитие персонала
- Управление персоналом, построение команды
Отзывы об онлайн-курсах по направлению Программирование и IT
Промокоды и акции для направления Программирование и IT
Популярные направления
Популярные курсы Программирования и IT
Бесплатные курсы Программирования и IT
Курсы Программирования и IT с трудоустройством
ТОП онлайн-курсов по Code Review
1. Android-разработчик расширенный
2. Вайб-кодинг для разработчиков
3. Внедряем AI Ассистентов в разработку | AI DevTools
4. Основы DevOps
DevOps — ключ к быстрой и надежной разработке. Этот курс поможет вам освоить ключевые инструменты и методологии DevOps, такие как Git, Docker, Kubernetes, и Terraform. Вы научитесь создавать и оптимизировать конвейеры CI/CD, управлять инфраструктурой как кодом и внедрять мониторинг и логирование.
- Знакомство
- Описание разделов
- Общие моменты по проведению
- Типовые проблемы при разработке ПО
- Что такое DevOps
- Лучшие практики DevOps
- Инструменты DevOps
- Культура DevOps
- Трудности при DevOps
- Автоматизация: цели, задачи
- Декларативный и императивный подходы
- Типовые задачи
- Описание популярных языков программирования в DevOps
- Отслеживание изменений
- Эволюция и знаковые систем контроля версий
- Обзор и введение Git
- Инспекция кода (code review)
- Рабочие процессы при версионировании (workflow)
- Инфраструктура как не-код
- Инфраструктура как код
- Популярные инструменты
- Декларативное и императивное описание
- IaaS, PaaS, SaaS
- Облака
- Введение в Terraform
- Определение, цели и задачи
- Модели управления
- Изменяемая (mutable) и неизменяемая (immutable) инфраструктура
- Подходы Frying и Baking
- Настройка Push и Pull
- Обзор популярных инструментов
- Введение в Ansible
- Определение, цели и задачи
- Сравнение контейнеризации и виртуализации
- Введение в Docker
- Запуск приложений в контейнерах
- Запуск служб в контейнерах
- Построение образов
- Трудности при работе с контейнерами
- Контейнерная оркестрация
- Введение в Kubernetes
- Запуск приложений в Kubernetes
- Сетевой доступ к приложениям в Kubernetes
- Рассмотрение альтернатив Kubernetes
- Типовые проблемы при совместной разработке
- Конвейер (pipeline) и основные этапы
- Лучшие практики
- Популярные инструменты
- Введение в Jenkins
- Определение, цели и задачи
- Конвейер поставки
- Основные трудности
- Требования к приложениям
- Форматы артефактов
- Версионирование артефактов
- Множество окружений
- Решение проблем с изменением окружений
- Обновление и откат приложений
- Развёртывание приложений в Kubernetes
- Определение, цели и задачи
- Лучшие практики
- Подведение итогов
- Обсуждение других практик
- Что может быть дальше
5. Android интенсив: персональное код-ревью от Senior
6. Продвинутый Python для разработчиков + ИИ - инструменты
Курс о внутреннем устройстве языка: CPython, управление памятью и GC, GIL, модели конкурентности (threading, multiprocessing, asyncio), метапрограммирование, дескрипторы, продвинутая типизация.
Формат практики «Break & Fix»: отладка и оптимизация заведомо проблемного кода вместо написания с нуля. Итоговый проект — рефакторинг и ускорение комплексного легаси-решения.
Для middle-разработчиков с опытом на Python от 1 года или уверенным владением Java/C#. Для переходящих с других языков — бесплатный подготовительный модуль по синтаксису. Отдельный блок — безопасная работа с ИИ-инструментами в разработке.
Data Model Python: архитектура объектов, магические методы (dunder), перегрузка операторов. Итераторы, ленивые вычисления, генераторы (yield from). Контекстные менеджеры: написание собственных. Duck Typing («утиная типизация») вместо строгих интерфейсов: Python vs Java/C# парадигмы.
Множественное наследование и алгоритм линеаризации (MRO C3). Дескрипторы данных и не-данных (property под капотом). __slots__: экономия памяти. Метаклассы: перехват и модификация создания классов. Адаптация паттернов GoF под Python.
Компиляция в байт-код, анализ через dis. Подсчёт ссылок (Reference Counting). Поколенческий сборщик мусора (Generational GC). Циклические ссылки и weakref. Поиск утечек памяти в долгоживущих процессах.
Продвинутый модуль typing: Generics, TypeVar, Callable. Ковариантность и контравариантность в Python. Настройка mypy в строгом режиме. Runtime vs Static time: границы применимости типизации.
GIL: что реально блокирует, концепция Free-threading в Python 3.13. threading: границы применимости для I/O-bound задач. multiprocessing: обход GIL в CPU-bound задачах. IPC: очереди и разделяемая память.
Архитектура asyncio: Event Loop, футуры, таски, корутины. Почему async не ускоряет CPU-bound код. Блокировка Event Loop и run_in_executor. Конкурентное выполнение и отмена задач (cancellation).
Инструменты профилирования CPU: cProfile, yappi, SnakeViz. Построчное профилирование памяти: memory_profiler. Анализ алгоритмической сложности узких мест. C-оптимизации и кэширование: functools.lru_cache.
ИИ в работе: поиск багов, шаблоны кода, регулярные выражения, генерация тестов. Корпоративная безопасность: что нельзя передавать в публичные нейросети. Галлюцинации ИИ и обязательный аудит сгенерированного кода.
Разбор комплексного легаси-кода. Code Review решений преподавателем. Границы применимости Python в Enterprise. Защита оптимизированных решений.
