Менторство
по Python

Маршрут обучения

Темы и проекты, которые связывают знания с практикой разработки.

1. 1

   Python, инструменты и конкурентность

   Разбираешь типизацию, ООП, генераторы, память и GIL. Работаешь с Git, отладкой и алгоритмами, соединяешь asyncio, потоки и процессы в практическом конвейере.

   • Python и инструменты разработчика
   • asyncio, threading, multiprocessing
   • Практика: аналитический конвейер постов
2. 2

   PostgreSQL, работа с данными и тесты

   Пишешь SQL, изучаешь транзакции, блокировки, индексы и оптимизацию запросов. Подключаешь SQLAlchemy и Alembic, тестируешь обычный и асинхронный код.

   • PostgreSQL: от запросов до репликации
   • SQLAlchemy, Alembic и пулы соединений
   • pytest, фикстуры и моки в тестах (заглушки)
3. 3

   Инфраструктура, кеш и брокеры сообщений

   Запускаешь сервисы в Linux и Docker, знакомишься с CI/CD и Kubernetes. Разбираешь кеширование в Redis, Kafka и RabbitMQ: когда нужны очереди и как доставлять сообщения.

   • Linux, Docker, CI/CD и Kubernetes
   • Redis, Kafka и RabbitMQ
   • Логирование, мониторинг и трассировка
4. 4

   Django, DRF и первый веб-проект

   Изучаешь HTTP и REST API, валидацию, авторизацию и фоновые задачи. Собираешь проект на Django: структура приложения, контейнеризация, тесты и логирование — затем ревью ментора-помощника.

   • Django и Django REST Framework
   • API, авторизация и фоновые задачи
   • Проект на Django с код-ревью
5. 5

   Архитектура, FastAPI и второй веб-проект

   Проектируешь код и взаимодействие сервисов: от SOLID до Outbox, SAGA и отказоустойчивости. Делаешь проект на FastAPI с middleware, тестами и наблюдаемостью, получаешь обратную связь по коду.

   • Архитектура кода и микросервисов
   • FastAPI, middleware и OpenTelemetry
   • Проект на FastAPI с код-ревью
6. 6

   ML, RAG и практические AI-сервисы

   Знакомишься с развёртыванием моделей, векторным поиском, оценкой RAG и основами MLOps. В практике — сервис предсказаний FastPredict и локальный AI-ассистент LocalBrain.

   • ML-модели, RAG, MLOps и работа с LLM
   • FastPredict: API, метрики и нагрузка
   • LocalBrain: Ollama, LangChain и векторная база
7. 7

   Собеседования, резюме и поиск работы

   Проверяешь знания на моках между основными темами. После проектов готовишь резюме и рассказ об опыте, проходишь финальный мок и переходишь к реальным интервью.

   • Технические моки и системный дизайн
   • Резюме и самопрезентация
   • Разбор интервью и поиск работы

Что будешь делать на практике

От конкурентной обработки данных и веб-приложений — к сервису с ML-моделью и локальному AI-ассистенту. Вот примеры заданий из роадмапа.

Учишься самостоятельно.
Разбираемся вместе с менторами.

Идёшь по маршруту в своём темпе, задаёшь вопросы и получаешь обратную связь по проектам. На созвонах разбираем то, что не получилось самостоятельно.

• Созвоны по вопросам и лайвкодингу

  До двух групповых встреч в неделю по 60 минут: на одной — вопросы и статус, на второй — задачи с лайвкодингом. Расписание сообщаем заранее.

• Дополнительные Q&A с Антоном

  Сейчас проводим ещё три Q&A в неделю. Они идут сверх договорного объёма, поэтому число встреч может меняться.

• Telegram-сообщество

  Менторы и другие участники рядом между встречами: можно обсудить материалы, задать вопрос и поделиться прогрессом.

• Код-ревью ментора-помощника

  Сдаёшь проекты на проверку, получаешь разбор и улучшаешь решения. Учишься объяснять свой код на тренировочных собеседованиях.

Поддержка при выходе на рынок

• Более 1000 записей интервью

  На учебной платформе программы знакомишься с вопросами и форматом реальных собеседований: что спрашивают и как строится разговор.

• AI-разбор и разбор ментора

  Разбираешь свои ответы, замечаешь пробелы и готовишься к следующему интервью. По договору можно запросить до трёх разборов пройденных интервью у ментора.

• Поддержка после выхода на работу

  4 месяца отвечаем на рабочие вопросы без доплаты: до одной групповой встречи в неделю и по запросу до трёх личных встреч по 30 минут.