Вы уже пишете на Python: ручки на FastAPI или Django, скрипты, тесты. Теперь хотите отвечать не только за серверный код. Эта программа ведет к роли Product Engineer: человек понимает проблему пользователя, проектирует решение, реализует фичу, проверяет ее и видит результат после выката.
Сначала вы собираете глубокую backend-основу на FastAPI и SQLAlchemy, затем по желанию добавляете frontend и QA, а в конце проходите управленческий контур от команды до разговора с бизнесом.
Как устроены треки B, F, Q и M
| Трек | Фаз | Что внутри |
|---|---|---|
| B - Backend | 30 | Python, FastAPI, SQL и PostgreSQL, сеть и API, брокеры, инфраструктура, архитектура, ИИ в работе, методология и роль |
| F - Frontend | 9 | JavaScript, TypeScript, браузер и практический CSS, React, архитектура frontend, данные и состояние, роутинг и доставка, качество, mobile web-first |
| Q - QA | 8 | Виды и уровни тестирования, дизайн проверок, баги, инструменты, Python для автотестов, API и Playwright, работа в команде |
| M - Management | 8 | Роль лида, команда, найм, обязательства, качество, надёжность, решения и бизнес-метрики |
B - обязательная основа. Здесь вы учитесь читать чужой Python-сервис, принимать архитектурные решения, проектировать данные и контракты, понимать продакшен и работать с ИИ-агентом.
F и Q - продолжения по желанию. Они нужны, когда хотите самостоятельно собрать и проверить фичу целиком: интерфейс, серверную часть и проверки. SQL, AppSec и Docker в Q не повторяются, потому что уже входят в B.
Отдельной программы Frontend больше нет: frontend-материал входит в подготовку Product Engineer, а не в отдельную специализацию. QA осталась и самостоятельной программой для тех, кто идет в тестирование, и треком Q внутри backend-программ.
Что вы будете уметь
- Читать чужой Python-сервис. Быстро находить данные, зависимости и сессии, понимать, где
awaitблокирует цикл событий и что сломается первым. - Принимать решения с обоснованием. Выбирать хранилища, брокеры и инфраструктуру по требованиям и цене решения, а не по моде.
- Проектировать сервис от бизнес-задачи до модели данных, SQLAlchemy и Alembic, REST-контракта, DDD и гексагональной раскладки на пакетах Python.
- Собирать фичу целиком. Реализовать серверную часть, интерфейс на React, обработку данных и форм, доступность и производительность.
- Проверять результат. Писать запросы и автотесты, проектировать проверки, разбирать баги и смотреть на систему глазами пользователя.
- Работать с ИИ-агентом так, чтобы он ускорял разработку, а не размножал ошибки: скиллы, MCP, RAG и инструменты на Python.
Как проходить
Сначала B, затем F и/или Q. Backend-фазы идут по порядку и опираются друг на друга. После основы выбирайте продолжение под свою цель. Если часть тем уже знаете, откройте список фаз и идите только в нужные места.
Внутри фаз статьи помечены: ★ обязательно - скелет, дополнительно - глубина по желанию, костёр «что пощупать» - рабочий код в практикуме. После каждой фазы стоит тест с порогом 80% верных ответов. Попытки не ограничены: кабинет показывает ошибки, вы возвращаетесь к статьям и сдаете снова.
Тренажёры дают практику: запросы к живой PostgreSQL, ручки REST, код-ревью модулей, системный дизайн, алгоритмы, разбор инцидентов, Mongo, Redis и Neo4j. В F добавляются JavaScript и React, в Q - Python, API и автотесты.
Рядом ИИ-ментор и куратор. Ментор отвечает по абзацу статьи или подсказывает в задаче, куратор помогает там, где модель не справилась.
Статьи открыты без входа. Тесты, тренажёры, разборы и ИИ-ментор живут в кабинете: вход через Яндекс ID дает три дня полного доступа без карты, дальше подписка, условия на странице программ.
Демо-пример: marketplace-system-python на GitHub
Тот же маркетплейс из разбора «Как разбить систему на сервисы», написанный на Python: FastAPI, SQLAlchemy 2 с asyncpg, Alembic, Redis. Репозиторий растёт вместе с программой: учебный каталог и первые шаги практикума уже на месте, взрослые сервисы добавляются по плану; Python-статьи со значком костра ведут в его код.
Пять команд от клона до первого задания; дальше каждая статья со значком костра ведёт в конкретный файл этого репозитория.
Что понадобится: Python 3.12 или новее и Docker.
git clone https://github.com/remodov/-https-github.com-remodov-marketplace-system-python.git marketplace-system-python
cd marketplace-system-python
docker compose -f infra/compose.yaml up -d postgres-catalog-starter redis
python3 -m venv .venv && source .venv/bin/activate
pip install -e "services/catalog-starter[dev]"
cd services/catalog-starter
pytest
uvicorn catalog_starter.main:app --port 8182
curl -s -X POST localhost:8182/products -H 'Content-Type: application/json' \
-d '{"title":"Беспроводная мышь","price":1990.00,"stock":7}'
curl -s localhost:8182/products
Дальше по шагам: git switch step-02-read-endpoint открывает задание второго шага - условие в services/catalog-starter/TASK.md, один тест красный. Ветка step-02-read-endpoint-solution рядом - эталон. План - в docs/practicum/PLAN.md.
Репозиторий: https://github.com/remodov/-https-github.com-remodov-marketplace-system-python.
Сколько времени это займёт
| Часть программы | Статей и фаз | Только чтение | С тестами, тренажёрами и практикумом |
|---|---|---|---|
| B - Продукт-инженер · Python | 418 статей, 30 фаз | около 95 часов | 215-235 часов |
| M - Management | 24 статьи, 8 фаз | около 5 часов | 12-16 часов |
Оценка B относится только к backend-основе, фазы F и Q не включены. При часе в день по будням она занимает 9 месяцев, обязательные статьи с тестами - 4 месяца. При двух часах в день сроки делятся примерно пополам.
Как проходить, чтобы дошло до конца
- Не читайте подряд без практики. После фазы про базы данных напишите десяток запросов: прочитанное без применения быстро выветривается.
- Не гонитесь за полнотой. Пройдите обязательные статьи, за остальными вернётесь, когда упрётесь в тему на работе.
- Идите регулярно, а не рывками. Час в день лучше восьми часов в воскресенье.
- Возвращайтесь к пройденному. Архитектура и соседние треки читаются иначе после реального опыта.
Коротко
- Программа ведет к Product Engineer: проблема, проектирование, реализация, проверка и результат фичи целиком.
- B - 30 backend-фаз на Python и FastAPI, F - 9 frontend-фаз, Q - 8 QA-фаз, M - 8 управленческих фаз.
- Сначала проходите B, затем F и/или Q по желанию и в конце M; отдельной Frontend-программы больше нет.
- После фазы тест с порогом 80%, тренажёры дают практику, ИИ-ментор и куратор помогают по ходу.
- Демо-пример marketplace-system-python живёт на GitHub: пять команд от клона до первого задания, ветки
step-NN-*и-solution. - Время в таблице указано только для B: 215-235 часов с практикой.
Что почитать дальше
- Программа «Продукт-инженер · Python» - список фаз и треков.
- Зачем этот курс - общая статья о профессии, значках и кабинете.
- Кто такой продукт-инженер - куда ведёт этот путь.