متاح الآن! بحث تيليغرام 2025 — أهم رؤى العام 
LEFT JOIN
الذهاب إلى القناة على Telegram
Понятно про анализ данных, технологии, нейросети и, конечно, SQL. Услуги — leftjoin.ru Курсы по аналитике — https://stepik.org/users/431992492 Автор — @valiotti Реклама — @valiotti Перечень РКН: https://tapthe.link/PpkTHavwS
إظهار المزيد📈 نظرة تحليلية على قناة تيليجرام LEFT JOIN
تُعد قناة LEFT JOIN (@leftjoin) في القطاع اللغوي الروسية لاعباً نشطاً. يضم المجتمع حالياً 42 992 مشتركاً، محتلاً المرتبة 3 111 في فئة التكنولوجيات والتطبيقات والمرتبة 14 788 في منطقة روسيا.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 42 992 مشتركاً.
بحسب آخر البيانات بتاريخ 02 يوليو, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -698، وفي آخر 24 ساعة بمقدار -17، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 17.50%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 11.82% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 7 525 مشاهدة. وخلال اليوم الأول يجمع عادةً 5 080 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 16.
- الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل аналитика, sql, данными, datalens, csv.
📝 الوصف وسياسة المحتوى
يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“Понятно про анализ данных, технологии, нейросети и, конечно, SQL.
Услуги — leftjoin.ru
Курсы по аналитике — https://stepik.org/users/431992492
Автор — @valiotti
Реклама — @valiotti
Перечень РКН: https://tapthe.link/PpkTHavwS”
بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 03 يوليو, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
42 992
المشتركون
-1724 ساعات
-1267 أيام
-69830 أيام
أرشيف المشاركات
42 992
Более подробная расшифровка ответов:
Положительное: выпускники Практикума имеют нужные хард и софт скиллы, а в недостающих областях им помогают более компетентные люди
Нейтральное: сторонняя помощь мало на что влияет, так как тесты и живое общение все равно происходят 1 на 1 с кандидатом
Отрицательное: это формирует неверные ожидания работодателя, т.к. вместо самого кандидата эксперты пишут за него резюме / учат отвечать на каверзные вопросы
42 992
В этой связи вопрос к аудитории, какое у вас отношение к этому? В смысле, справедливо ли и честно по отношению к рынку и будущему работодателю?
42 992
Давно слушаю интересный технический подкаст "Запуск завтра", и последний выпуск посвящен разговору с Мишей Яновичем (основателем Практикума).
Среди прочего в диалоге промелькнула интересная особенность. При завершении курсов выпускникам Практикума иногда помогают специалисты HR Яндекса.
Я и раньше обращал внимание на резюме кандидатов, завершивших Практикум, а теперь еще больше. Действительно, обычно резюме содержит все "правильные" ключевые слова, на которые обращаешь внимание + всегда составлено грамотное сопроводительное письмо, что для среднестатистического технического специалиста (сорри) редкость.
42 992
@rbunin вчера очень интересно рассказывал про визуализацию, особенно полезны мне показались конкретные рецепты в Tableau (ссылка с таймкодом). Посмотрите, там всего минут 20.
42 992
Наконец-то закончил статью на одну из самых сложных для понимания тем - оконные функции в SQL.
На ее написание ушло почти пять месяцев с перерывом на отпуск :)
В статье на простых примерах с картинками разбирается принцип работы данных функций, а в конце вас ждут кейсы с расчетом моделей атрибуции «Первый клик» и «С учетом давности взаимодействий».
42 992
Хороший мануал по оконным функциям от канала @thisisdata. Было бы здорово дополнить его для какой нотации SQL написаны все текущие команды, т.к. местами исполнение отличается.
К примеру, в Impala есть функция NTILE.
42 992
Оказалось, что доступ к докладам FutureData был весьма ограничен и доступен только людям с билетами. Организаторы выложили доклады на youtube, так что теперь их могут посмотреть все желающие 🙂
42 992
Продолжаю делиться ссылками на хорошие каналы по визуализации данных и смежным с ней областям.
Канал Дашбордец. Ведет сотрудница Сибура, в целом посвящен работе в PowerBI, но подойдет всем составителям дэшбордов.
Клуб анонимных аналитиков. Акцент на дэшборды и PowerBI. Регулярно встречаются переводные статьи из англоязычного сегмента интернета на тему визуализации данных и дэшбордов. Плюсом задорные статьи Алексея Колоколова о трудовых буднях руководителя компании, занимающейся бизнес-дэшбордами.
Leftjoin. Больше упор на работу с данными и хардкор-аналитику.
Канал Инжиниринг данных Дмитрия Аношина. Дмитрий работает дата-инженером в Амазон и ведет широкую просветительскую деятельность. На сайте datalearn.ru есть бесплатный курс по введению в Инжиниринг данных и аналитику, плюс Дмитрий ведет отличный ютуб-канал по той же тематике: https://www.youtube.com/channel/UCWki7GBUE5lDMJCbn4e1XMg
И еще о бесплатных движухах по визуализации данных. Сервис DataLens совместно с Datayoga
предлагает всем желающим поучаствовать в марафоне по визуализации данных. Начало 15 октября. Марафон Yandex DataLens – это 7-дневная самообразовательная программа освоения навыков работы с сервисом визуализации и анализа данных от Яндекса. Эксперты Yandex DataLens и DataYoga в деталях рассмотрят функционал сервиса и объяснят все тонкости простым языком. Записаться тут: https://datayoga.ru/datalens
42 992
LEFT JOIN попал в список рекомендуемых каналов от Александра Богачева.
У Александра крутейший канал Чартомойка про визуализацию данных, который я уже давненько почитываю. В частности, интересен разбор графиков коронавируса. Саша много пишет про визуализацию и, в частности, в ближайшее время будет опубликована его книга «Графики, которые убеждают всех». Я себе уже заказал, рекомендую и вам поддержать автора 🎖
42 992
Сегодня Рома Колеченков из Yandex DataLens анонсировал 7-дневный самообразовательный марафон. Марафон позволит освоить навыки работы с сервисом визуализации и анализа данных
Для кого это:
• Аналитиков, решивших освоить новый инструмент анализа и визуализации данных
• Дата-журналистов, находящихся в поиске удобного и функционального сервиса визуализации
• Айтишников, стремящихся повысить свою профессиональную ценность
• Студентов, ищущих возможности карьерного роста
Старт - 15 октября
Как проходит:
- Каждый день участники марафона будут получать обучающие материалы, которые подобраны с опорой на практику.
- Ежедневное обсуждение в чате. Изучение материалов займет у вас от 30 минут до 2 часов в день.
Для первых 1500 участников, кто зарегистрируется на Марафон до 14 октября, Яндекс пришлет промокоды на 6 000 рублей для пользования сервисами Yandex Cloud
Регистрация здесь
@internetanalytics
42 992
Я делал обзор на DataLens в 2019 году, тогда он мне показался сыроватым. На текущей презентации Yandex Scale интерфейс выглядит поинтереснее, поэтому обязательно изучим новые возможности DataLens в цикле материалов про разнообразные BI-инструменты. И, конечно, рекомендую записаться на марафон от DataYoga.
42 992
На этой неделе начинаем новый цикл материалов: будем обозревать современные BI-системы на примере популярной группы датасетов SuperStore Sales. В рамках каждого материала при помощи конкретной системы построим дашборд и выставим каждой BI-системе оценку по нескольким внутренним критериям.
Планируемые к обзору системы: Metabase, Redash, Apache Superset, Dash, Google Studio, Yandex Datalens, PowerBI, Tableau, Looker, Excel и другие.
Если вы эксперт по какой-нибудь из перечисленных BI-систем и хотите поучаствовать в проекте, пишите мне в личные сообщения. Авторство будет соблюдено.
Подробности: https://leftjoin.ru/all/modern-bi-systems/
42 992
Продолжаем строить дашборд по российским пивоварням Untappd: сегодня при помощи Dash Bootstrap Components сделаем таблицу популярнейших пивоварен России, а затем добавим к ней фильтр по городам с Dropdown-меню.
https://leftjoin.ru/all/untappd-bootstrap-dashboard-part-2/
42 992
В Datalytics и data fm уже появлялись подборки Telegram-каналов о машинном обучении и аналитике, но по Instagram такого топа ещё никто не делал. Сегодня изучим библиотеку PyInstagram для сбора данных из этой социальной сети и соберём подборку десяти популярнейших Instagram-аккаунтов нашей индустрии.
https://leftjoin.ru/all/python-instagram/
42 992
С 8 по 9 сентября прошла онлайн-конференция FutureData. На днях организаторы опубликовали записи докладов, и я собрал в пост всё, что меня заинтересовало. Среди авторов в подборке: сооснователь Tableau, создатель dbt, главный технолог DataBricks, CDO из Alteryx, а также Co-Founder Imply. Спикеры обсуждают, что сегодня происходит с аналитикой, данными и чего ждать от индустрии в будущем.
https://leftjoin.ru/all/futuredata-conf/
42 992
Как-то раз с Ромой Буниным мы придумали совместный проект: построить красивый и функциональный дашборд с анализом рынка вакансий аналитиков по данным HeadHunter и максимально автоматизировать эту работу. Мы собрали уже более 12 тысяч вакансий, а Рома построил по ним дашборд Tableau, опубликовал в Tableau Public и записал видеоролик на Youtube о том, как использовать дашборд. Сегодня выпускаем материал о том, как мы собирали данные и какие инсайты можно извлечь из нашего проекта: https://leftjoin.ru/all/hh-dashboard-bi-and-analysts-market/
@leftjoin
42 992
В новом материале обозреваем лучшие практики по созданию таблиц: разбираемся, как правильно выравнивать столбцы, выделять ячейки, оформлять строки и какой функционал пойдёт данным на пользу.
https://leftjoin.ru/all/guide-to-designing-tables/
42 992
Не так давно Redash привлек инвестиции от Databricks, а следом и похожая тулза PopSQL для коллаборативного SQL: https://techcrunch.com/2020/09/08/popsql-raises-3-4m-seed-round-for-its-collaborative-sql-editor/?tpcc=ECTW2020
42 992
Диалог @a_nikushin и @data_karpov о доступном образовании для аналитиков на Youtube вдохновил меня рассказать одну свою историю и поделиться ссылками.
Так сложилось, что в Университете мне очень повезло с преподавателями (от линейной алгебры до баз данных и языков программирования). Один из них, В. Л. Аббакумов, разжег настоящую страсть к методам анализа данных своими лекциями и лабораторными заданиями. В. Л. — практик и был моим научным руководителем по дипломной работе (мы делали кластеризацию данных Ленты), а затем и по кандидатской диссертации (строили нейронную сеть специальной архитектуры, тогда еще в Matlab).
Уже несколько лет назад в рамках ШАД и Computer Science Яндекса у него был записан курс Анализ данных на Python в примерах и задачах в двух частях. Настало время поделиться ссылками на первый и второй плейлисты на Youtube.
Первая часть посвящена описательным статистикам, проверке статистических гипотез, иерархическому кластерному анализу и кластерному анализу методом к-средних, классификационным моделям (деревья, Random Forest, GBM). В целом, весь плейлист достоин внимания без отрыва 🤓
Во второй части более глубокое погружение в нейронные сети, keras, deep learning, xgboost и снова все лекции крайне рекомендованы.🎖
Смотреть можно смело на 1.5x.
Материалы к видео:
— Часть 1. Занятия и материалы
— Часть 2. Занятия и материалы
