← назад к программе

PRODUCT ENGINEER · PYTHON Фаза 1. С чего начать

Зачем этот курс: Продукт-инженер · Python

Python · FastAPI · SQLAlchemy

От backend-фундамента до результата пользователя и разговора с бизнесом.

1. Роль шире серверного кода

1 / 5

Продукт-инженер понимает проблему, проектирует решение, реализует фичу, проверяет её и видит эффект после выката.

ProblemDesignShipMeasure

2. B - глубокая backend-основа

2 / 5

Python, FastAPI, SQLAlchemy, PostgreSQL, API, брокеры, инфраструктура, архитектура и AI в работе.

B · BackendPython + FastAPISQL + APIArchitecture + AI

3. F - интерфейс и доставка

3 / 5

JavaScript, TypeScript, браузер, React, состояние, роутинг, качество и mobile web-first.

BrowserCSS + JavaScriptReact deliverystate + routing + quality

4. Q - доказательство работы

4 / 5

Виды тестирования, дизайн проверок, баги, API, Playwright и командная практика. Тесты отвечают на риск, а не формальность.

RequirementsTest designunit + API + E2EVerified result

5. M - результат для бизнеса

5 / 5

Команда, найм, обязательства, качество, надёжность, решения и метрики. Разговор идёт от пользовательского исхода.

TeamownershipDeliverycommitments + qualityBusinessmetrics + outcome

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

ТрекФазЧто внутри
B - Backend30Python, FastAPI, SQL и PostgreSQL, сеть и API, брокеры, инфраструктура, архитектура, ИИ в работе, методология и роль
F - Frontend9JavaScript, TypeScript, браузер и практический CSS, React, архитектура frontend, данные и состояние, роутинг и доставка, качество, mobile web-first
Q - QA8Виды и уровни тестирования, дизайн проверок, баги, инструменты, Python для автотестов, API и Playwright, работа в команде
M - Management8Роль 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 await блокирует 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.

клонировать репозиторий git clone поднять стенд: docker compose PostgreSQL и Redis в контейнерах прогнать тесты зелёные на настоящей базе запустить сервис и дёрнуть ручку curl отвечает карточкой переключиться на ветку шага

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 программыСтатей и фазТолько чтениеС тестами, тренажёрами и практикумом
B - Продукт-инженер · Python418 статей, 30 фазоколо 95 часов215-235 часов
M - Management24 статьи, 8 фазоколо 5 часов12-16 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