OTUS опубликовал сентябрьскую подборку из 62 открытых занятий для IT-специалистов. Для рынка, где новые инструменты и подходы меняются быстрее, чем обновляются внутренние регламенты, такие бесплатные IT-уроки стали не просто маркетингом, а быстрым способом проверить тему на практике, не покупая курс вслепую.
Подборка охватывает восемь направлений, а в фокусе оказались темы, которые уже давно вышли из разряда модных слов и перекочевали в ежедневную инженерную рутину: PostgreSQL 18, LLM, AI-агенты, eBPF, Playwright, GitLab Runners, Patroni, Rust, Go и высоконагруженные сервисы. Как пишет Habr / Карьера, все занятия в сентябре проводят преподаватели-практики, а формат рассчитан не только на просмотр, но и на обсуждение реальных сценариев с экспертами.
Если смотреть на список без рекламной мишуры, картина получается показательная. Программный блок собрали вокруг вещей, которые болят в продакшене сильнее всего: устойчивость API под нагрузкой, разбор инцидентов в Python-проектах, профилирование Go, владение памятью в Rust, temporal-данные в PostgreSQL 18, разработка на Vue 3, Java HTTP-сервер, iOS-разработка и работа с указателями в C. Отдельно выделяется урок про AI-агентов и junior-разработчиков к концу 2026 года: тема спорная, но для отрасли уже почти обязательная. Не потому, что всех завтра заменят, а потому, что командам приходится заново делить задачи между человеком и моделью.
Инфраструктурный трек выглядит еще ближе к земле. В расписании есть практикумы по асинхронному I/O и io_uring в PostgreSQL 18, борьбе с блокировками при высокой нагрузке, настройке GitLab Runners, работе с RAID, типовым GPO, разбору файловой структуры Linux, а также по Patroni и eBPF. В этой части особенно заметен сдвиг спроса: инженерам уже мало знать, как «поднять сервис». Теперь нужно понимать, где он упрется под нагрузкой, как себя поведет кластер, чем диагностировать деградацию и где заканчиваются красивые дашборды, а начинается нормальная инженерная телеметрия.
Отдельный сюжет месяца — искусственный интеллект, причем не в жанре «сейчас нейросеть все сделает», а в более взрослом режиме. Для ML и Data Science OTUS поставил занятия по локальным LLM, подготовке данных, Pipeline, Pandas, деревьям решений, классификации и Structured Outputs. Плюс есть уроки для тестировщиков и безопасников: как ИИ меняет QA-процессы, как искать галлюцинации и уязвимости в AI-коде, можно ли доверять автоматически сгенерированным решениям. Это хороший маркер зрелости рынка. Год назад многие компании спрашивали, нужен ли им вообще LLM-пилот. Теперь вопрос чаще звучит иначе: как встроить модель в процесс так, чтобы потом не разгребать последствия руками всей команды.
Для аналитиков и управленцев подборка тоже сделана не по остаточному принципу. В расписании есть векторный поиск в ClickHouse, моделирование данных для DWH, BPMN 2.0, сквозные кейсы для 1С-аналитиков, а для руководителей — внедрение ИИ в процессы команды, переход от техлида к CTO, распределение ответственности, командная диагностика, метрики CTO и автоматизация статус-отчетов. И это, пожалуй, одна из самых точных частей всей программы: спрос на инженерные знания в 2026 году уже не ограничивается кодом. Компаниям нужны люди, которые умеют связывать архитектуру, данные, эксплуатацию и управленческие решения в одну систему, а не жить в режиме «мой кусок пайплайна работает, дальше не моя проблема».
Для самих специалистов такие бесплатные IT-уроки работают как быстрый фильтр. Разработчик может проверить, насколько глубоко ему вообще нужна тема вроде PostgreSQL 18 или eBPF. DevOps-инженер — понять, стоит ли добирать экспертизу по Patroni, GitLab Runners и диагностике Linux. QA — оценить, насколько реально ускорить часть работы через Playwright и AI-инструменты без превращения тестирования в лотерею. Для бизнеса логика еще проще: рынок не дает длинной форы на раскачку, а формат коротких открытых уроков помогает команде закрывать точечные пробелы там, где они уже начинают стоить денег, сроков и нервов.
Интересно здесь не только само количество занятий, но и состав тем. В одной сетке соседствуют PostgreSQL 18, локальные LLM, Playwright, Rust, ClickHouse, BPMN, GitLab Runners и anti-patterns управления. Еще несколько лет назад такую программу легко разнесли бы по разным конференциям, ролям и отделам. Сейчас это один общий ландшафт, где разработчик вынужден понимать инфраструктуру, аналитик — устройство данных, а руководитель — ограничения AI-инструментов не по презентациям, а по живым кейсам. Чем плотнее становятся стеки и процессы, тем выше цена фрагментарных знаний. Поэтому подобные подборки все меньше похожи на витрину образовательного маркетинга и все больше — на карту того, что рынок считает обязательным минимумом прямо сейчас.