Что смотрели и оценивали на PyCon Russia 2025: лучшие доклады по версии участников и YouTube

Конференция закончилась, презентации разошлись по чатам, а записи докладов постепенно набирают просмотры. Самое время посмотреть, какие темы действительно зацепили Python-сообщество в прошлом году.

На PyCon Russia 2025 участники традиционно оценивали каждый доклад прямо во время конференции, а спустя время мы сравнили эти результаты с тем, что происходило уже после мероприятия — на YouTube.

Интересно получилось не только увидеть победителей, но и заметить разницу между тем, что нравится в зале, и тем, что люди хотят пересматривать дома.

Кажется, любой человек, который хоть раз открывал старый ноутбук с аналитикой, узнает эту боль.

Сначала появляется:

df1 = df.loc[df.col == "что-то"]

Потом ещё один промежуточный датафрейм. Потом tmp_final, потом final_final_v2, а где-то между этим появляется любимый всеми SettingWithCopyWarning.

Доклад Дениса оказался одновременно очень практичным и очень узнаваемым. Вместо бесконечных промежуточных преобразований — декларативный подход: assign, pipe, agg, loc, цепочки преобразований и более читаемый стиль работы с данными.

Неудивительно, что этот доклад получил первое место — тема понятна практически каждому, кто работает с данными в Python.

Один из самых неожиданных кейсов конференции.

В докладе Артём рассказал, как алгоритм StarDist, изначально разработанный для медицинского компьютерного зрения, применили для задачи классификации железорудных окатышей.

Это тот случай, когда хочется прийти на доклад из любопытства — и остаться до конца из-за качества инженерного решения.

Наверное, самый «интеллектуально неожиданный» доклад трека.

SMT-солверы редко становятся темой обсуждения среди Python-разработчиков, но именно поэтому выступление получилось особенно интересным.

Доклад познакомил слушателей с тем,