Задумывались ли вы когда-нибудь, что Python сообщество это нечто большее чем РФ сообщество? Скорее РФ сообщество его малая часть и у него открыты двери для вас. Я поделюсь опытом выступлений и подачи на конференции, также покажу, что есть ещё в Python сообществе и чем это может быть полезно. Ну и, конечно, почему свою наращивать экспертизу именно в Python.

Python в 2025-м — уже не «скрипт», а инструмент, который жмёт на железо: AVX-512/SVE, Tensor Cores, NVLink/NVSwitch, HBM. Но где хватит CPU-SIMD и горизонтального масштабирования, а где GPU окупает TCO? На живых бенчмарках сравним NumPy2 (SIMD), Numba, и GPU-стек. Разберём устройство C/GPU на уровне принятия решений (SM/warps, Tensor Cores, MIG). Практическая польза: Чек-лист выбора: SIMD vs GPU vs горизонтальное масштабирование по метрикам TFLOPS/Вт, латентность и TCO Антипаттерны: когда GPU не ускорит, где SIMD упирается в память и когда стоит идти в кластер/шардинг Benchmark-suite и исходники для повторения тестов на вашей инфраструктуре

Что происходит, когда вы запускаете CPython-скрипт, и как он запускается на C? Разберём, как код превращается в байткод: все этапы и C-реализация. GIL: обсудим более подробно в сборках с GIL.