Data Science. SQL hub

✅ Как настроить реакцию на изменения в таблицах Postgres? Как передать эти изменения в микросервисы, в Kafka и в другие СУБД, например в Clickhouse? Расскажем на открытом уроке «Событийная интеграция Postgres» посвященный курсу «PostgreSQL для администраторов баз данных и разработчиков» ✅ Научитесь выбирать правильный способ событийной интеграции ✅ Посмотрите, как и что можно реализовать для надежной передачи данных из Postgres во внешние системы 👉Узнаете про опыт других предприятий и протестируйте обучение на открытом уроке https://tglink.io/c54fbe760b67?erid=2W5zFJpxYBz #реклама О рекламодателе

🧠 Как оценивать качество RAG-систем: метрики и MLflow в действии Retrieval-Augmented Generation (RAG) — мощная архитектура, но её тонко настраивать сложно. Ответы могут казаться "разумными", даже если они на самом деле некорректны. Как понять, работает ли ваша система так, как надо? В свежем гайде от CodeCut показано, как системно оценивать качество RAG-моделей, а не надеяться на «на глаз»: 🔹 Метрики качества: - Context Precision / Recall — насколько релевантны и достаточны извлечённые документы - Faithfulness — насколько ответ действительно основан на контексте, а не «галлюцинирует» - Answer Relevance — насколько сам ответ полезен и по теме 🔹 Интеграция с MLflow: Можно логировать не только метрики, но и: - Извлечённые документы - Ответы модели - Ground truth (если есть) - Скриншоты или HTML-рендеринг всей цепочки 🔹 Автоматическая разметка: Используется GPT/Claude для автоматического суждения о faithfulness и relevance — удобно при отсутствии human-annotators. 📌 Вывод: Если вы строите RAG-решения, важно думать не только о качестве retrieval и LLM по отдельности, но и о том, как оценивать весь pipeline. Метрики + MLflow дают структуру, чтобы сравнивать улучшения и принимать обоснованные решения. Полный гайд: codecut.ai — 🔍 стоит заглянуть! #RAG #MLflow #LLM #Evaluation #AIProduct @sqlhub

День открытых дверей онлайн-магистратуры МФТИ “Науки о данных” (Data Science) Здравствуйте! На связи Юлия Соболь, руководитель онлайн-магистратур МФТИ. Если вы задумывались о переходе в Data Science из смежных областей, то наверняка размышляли, как лучше всего построить этот переход. Мы в онлайн-магистратуре МФТИ “Науки о данных”, с одной стороны, помогаем начать свою карьеру в работе с данными (или систематизировать знания, если вы уже работаете в сфере), с другой, помогаем развить продуктовое мышление и запустить свой проект. Это здорово помогает преобразовать карьеру в портфельную, то есть независимую от одного работодателя. Больше 150 студентов наших программ пришли в профессию или получили повышение в текущей сфере, но больше всего мы ценим десятки продуктов на базе ML, которые родились, благодаря командной работе студентов. Такие проекты можно развивать не только автономно, но и “под крылом” высокотехнологических компаний. На эту встречу мы пригласили двух выпускниц нашей программы, Анну Звереву, руководителя направления ML/AI дирекции по ESG в Сбербанке, и Екатерину Чуйко, старшего разработчика в Multilogin. Приглашаю послушать из первых уст об опыте обучения в онлайн-магистратуре, о том, как складывалась карьера девушек, с какими сложностями они столкнулись и как их преодолевали. Также кратко обсудим: 🔹 тренды и перспективы Data Science 🔹 как строится обучение в онлайн-магистратуре 🔹 как студенты стажируются у индустриальных партнеров МФТИ и делают с ними проекты 🔹 и как успешно стартовать в Data Science в 2025 году и зарабатывать от 250 000 руб. в месяц (это мы написали для кликбейта, но об этом, конечно, тоже поговорим) Приходите на День открытых дверей - это будет живой эфир, ждем ваших вопросов! 📍Где: онлайн, МФТИ 🗓 Когда: 17 июля (четверг), 19:00 мск ➡️ Зарегистрироваться ⬅️

🧠 Исследователь OpenAI Ноам Браун заявил: "Все эти модные AI-системы с роутерами, обвязками и агентами смоет масштабом. Будущее — за моделями, которые просто работают хорошо из коробки." Что это значит? ▪ GPT‑5, похоже, не будет использовать роутеры — то есть, не будет выбирать отдельную подмодель под каждый запрос. ▪ Вместо этого — одна большая универсальная модель, способная справляться со всем сразу. Но возникает важный вопрос: Как они собираются держать цену инференса низкой? Без роутера даже на простой вопрос будет отвечать вся огромная модель — это дорого. Если OpenAI реально решила эту задачу, это будет революция: ▪ Без костылей ▪ Без сборок из агентов ▪ Просто умная, быстрая и универсальная модель Следим внимательно. Это может многое изменить.

🛠️ AI + SQL = мгновенный доступ к данным в базе На картинке — простой пример, как с помощью FastMCP и SQLAlchemy можно подключить инструмент к базе данных, который по человеческому запросу выводит список всех таблиц. 📦 Что происходит: 1. Человек пишет: *"Show me all tables in the ecommerce database"* 2. AI вызывает list_tables(), получает список через SQLAlchemy 3. Возвращается JSON и сгенерированный ответ на естественном языке ⚙️ Используемые технологии: - FastMCP — для регистрации инструментов и взаимодействия с агентами - @mcp.tool — декоратор, позволяющий превращать функции в доступные действия для ИИ - inspect() из SQLAlchemy — безопасный способ получить метаданные БД 🧠 Это база для создания умных ботов-помощников, которые умеют работать с реальными базами данных и выдавать ответы, понятные человеку. Интерфейс будущего уже здесь — не SQL-запрос, а обычный вопрос на английском. @sqlhub

👩‍💻 Всем программистам посвящается! Вот 17 авторских обучающих IT каналов по самым востребованным областям программирования: Выбирай своё направление: 👩‍💻 Python — t.me/python_ready 🤔 InfoSec & Хакинг — t.me/hacking_ready 🖥 SQL & Базы Данных — t.me/sql_ready 🤖 Нейросети — t.me/neuro_ready 👩‍💻 C/C++ — https://t.me/cpp_ready 👩‍💻 C# & Unity — t.me/csharp_ready 👩‍💻 Linux — t.me/linux_ready 📖 IT Книги — t.me/books_ready 👩‍💻 Frontend — t.me/frontend_ready 📱 JavaScript — t.me/javascript_ready 👩‍💻 Backend — t.me/backend_ready 📱 GitHub & Git — t.me/github_ready 👩‍💻 Java — t.me/java_ready 👩‍💻 Весь IT — t.me/it_ready 👩‍💻 Bash & Shell — t.me/bash_ready 🖼️ DevOps — t.me/devops_ready 🖥 Design — t.me/design_ready 📌 Гайды, шпаргалки, задачи, ресурсы и фишки для каждого языка программирования!

🔥 Китай выпускает новую опенсорс модель: Kimi K2 — llm уровня Claude 4, которая обходит DeepSeek v3, Qwen и даже GPT-4.1 Размер — 1 триллион параметров, при этом: 📊 В бенчмарках: - 65.8% на SWE-bench Verified, против 50.2% у Claude Sonnet 4 и 40.8% у GPT-4.1 - Лучшие результаты среди открытых моделей по кодингу, математике и агентным задачам - Архитектура MoE на базе DeepSeek V3, 1 трлн параметров, 32B активны. Также доступна через API: - $0.15 за миллион входных токенов (при попадании в кэш) - $0.60 за миллион входных токенов (если кэш не сработал) - $2.50 за миллион выходных токенов Почти в 5 раз дешевле, чем Claude 4 Sonnet и Gemini 2.5 Pro! 🟡 Github @ai_machinelearning_big_data #kimi #china #llm #ml #ai

Как начать в Data Science, когда все вокруг уже сеньоры? В Вышке открыт набор на онлайн-магистратуру «Магистр по наукам о данных». Поступить можно даже без технического бэкграунда, а учиться — в удобном формате. Уже сейчас идет марафон подготовки к вступительным испытаниям, после которого вы сможете успешно поступить на программу. За 4 встречи вы — Разберетесь в математике — Попрактикуетесь на задачах вступительных испытаний — Познакомитесь с преподавателями и магистратурой — Получите доступ в чат комьюнити Когда: 9-14 июля, 18:00 (МСК) Где: онлайн 📎 Зарегистрироваться и начать карьеру в DS

▶️ Для Claude Code выпустили фреймворк, который превращает одну нейросеть в полноценную команду ИИ-разработчиков. Система готова из коробки и может сразу писать проекты любой сложности. Что внутри: • ИИ-агенты с разными ролями — один пишет код, другой проверяет, третий ищет уязвимости и передаёт задачи дальше по цепочке • Генератор структуры проекта — помогает агентам понимать архитектуру и держать весь контекст • Интеграция с MCP — ИИ использует только актуальные спецификации и документацию 🔧 Установка и подробности — по ссылке: https://github.com/peterkrueck/Claude-Code-Development-Kit

🔥 Дата-инженеры, встречаемся на митапе ЮMoney Приходите на митап High SQL — он пройдёт 15 июля в 19:00 (по мск) офлайн в Санкт-Петербурге и онлайн из любой точки мира. Вот о чём поговорим со спикерами из ЮMoney и приглашённым экспертом Дмитрием Аношиным: 🟣101 Performance Tuning: невредные советы. Проверяем и анализируем самые популярные советы по оптимизации хранилищ на основе реляционных баз данных. 🟣Качество данных: от осознания до реализации. Если вы тоже сталкивались с ошибками в отчётах, дублированием данных и недоверием к аналитике, этот доклад для вас. 🟣Обзор фреймворка DBT и примеры его использования. Почему он стал таким популярным? Рассмотрим основные возможности DBT, альтернативы и как DBT используют в дата-командах. ✅ Участие бесплатное, но нужно зарегистрироваться на сайте.

🧠 Хитрая SQL-задача: вторая покупка в течение 7 дней У вас есть таблица purchases:

purchases (
  id SERIAL PRIMARY KEY,
  customer_id INT,
  purchase_date DATE,
  amount NUMERIC
)

Задача: Найти всех клиентов, у которых вторая покупка произошла не позднее, чем через 7 дней после первой. Показать: - customer_id - first_purchase_date - second_purchase_date ✅ Решение:

WITH ordered_purchases AS (
  SELECT
    customer_id,
    purchase_date,
    ROW_NUMBER() OVER (PARTITION BY customer_id ORDER BY purchase_date) AS rn
  FROM purchases
),

first_second_purchases AS (
  SELECT
    p1.customer_id,
    p1.purchase_date AS first_purchase_date,
    p2.purchase_date AS second_purchase_date
  FROM ordered_purchases p1
  JOIN ordered_purchases p2
    ON p1.customer_id = p2.customer_id
   AND p1.rn = 1
   AND p2.rn = 2
)

SELECT *
FROM first_second_purchases
WHERE second_purchase_date <= first_purchase_date + INTERVAL '7 days';

🔍 Пояснение: - ROW_NUMBER() присваивает каждой покупке порядковый номер в рамках клиента. - Через self-join соединяем первую и вторую покупку клиента. - Далее фильтруем, оставляя только те, у кого вторая покупка была не позднее 7 дней после первой. ⚠️ Важно: - Клиенты с одной покупкой исключаются — у них нет второй. - Мы не ищем любые две покупки в пределах 7 дней, а только первую и вторую по порядку. - INTERVAL '7 days' обеспечивает корректное сравнение дат. @sqlhub

Курс с углублённым изучением профессии аналитика данных. Станьте незаменимым специалистом на рынке труда с курсом от Нетологии. Преподаватели курса — эксперты из крупных компаний: Сбера, Яндекса, Gett, Работы.ру и других. Вы изучите: - продвинутые инструменты — A/B-тестирование, аналитику больших данных, SQL и Python; - современные российские BI-решения — AW BI и DataLens; - нейросети, которые можно использовать при анализе. А ещё все студенты получат доступ к профессиональному комьюнити с еженедельными офлайн и онлайн-митапами. На них разбираем актуальные инструменты и делимся опытом. До конца июля на курс действует сразу 2 скидки: летняя — 40%, и дополнительная — 10 000 рублей по промокоду DATA10. ➡️ Посмотреть программу курса Реклама. ООО "Нетология". ИНН 7726464125 Erid 2VSb5wZyTuJ

🧠 Хитрая SQL-задача: вторая покупка в течение 7 дней У вас есть таблица purchases:

purchases (
  id SERIAL PRIMARY KEY,
  customer_id INT,
  purchase_date DATE,
  amount NUMERIC
)

Задача: Найти всех клиентов, у которых вторая покупка произошла не позднее, чем через 7 дней после первой. Показать: - customer_id - first_purchase_date - second_purchase_date ✅ Решение:

WITH ordered_purchases AS (
  SELECT
    customer_id,
    purchase_date,
    ROW_NUMBER() OVER (PARTITION BY customer_id ORDER BY purchase_date) AS rn
  FROM purchases
),

first_second_purchases AS (
  SELECT
    p1.customer_id,
    p1.purchase_date AS first_purchase_date,
    p2.purchase_date AS second_purchase_date
  FROM ordered_purchases p1
  JOIN ordered_purchases p2
    ON p1.customer_id = p2.customer_id
   AND p1.rn = 1
   AND p2.rn = 2
)

SELECT *
FROM first_second_purchases
WHERE second_purchase_date <= first_purchase_date + INTERVAL '7 days';

🔍 Пояснение: - ROW_NUMBER() присваивает каждой покупке номер в пределах одного клиента. - Мы соединяем первую и вторую покупки клиента через self-join. - В финальном SELECT фильтруем только те пары, где разница между датами ≤ 7 дней. ⚠️ Важно: - Клиенты с одной покупкой отфильтруются (у них нет второй). - Сравнение выполняется через INTERVAL '7 days', чтобы корректно обрабатывать даты. - Это не поиск любых двух покупок в пределах 7 дней, а именно проверка интервала между первой и второй. @sqlhub

Как начать в Data Science, когда все вокруг уже сеньоры? В Вышке открыт набор на онлайн-магистратуру «Магистр по наукам о данных». Поступить можно даже без технического бэкграунда, а учиться — в удобном формате. Уже сейчас идет марафон подготовки к вступительным испытаниям, после которого вы сможете успешно поступить на программу. За 4 встречи вы — Разберетесь в математике — Попрактикуетесь на задачах вступительных испытаний — Познакомитесь с преподавателями и магистратурой — Получите доступ в чат комьюнити Когда: 9-14 июля, 18:00 (МСК) Где: онлайн 📎 Зарегистрироваться и начать карьеру в DS

⚡Крутейший релиз от Anthropic — парни выпустили собственные бесплатные курсы! Вы нижете десятки лекций, тесты и даже сертификаты по различным темам: от Anthropic API до MCP и лучших практик Claude Code. Всё с реальными примерами от разработчиков. Забираем здесь.

🌊 OceanBase — распределённая СУБД от Ant Group с поддержкой векторного поиска. Это необычная opensource-база данных, сочетающая реляционную модель с возможностями векторного поиска для AI-сценариев. Изначально создавалась для обработки финансовых транзакций Alibaba, но теперь доступна всем. OceanBase имеет архитектуру на основе Paxos-протокола, обеспечивающая нулевую потерю данных (RPO=0) и восстановление за 8 секунд. Опробовать её можно в Docker или развернуть кластер в Kubernetes через ob-operator. 🤖 GitHub @sqlhub

Где получить навыки для работы в ИТ Если хочется не просто учиться, а быть в окружении тех, кто живет кодом, — вам в Т-Академию. Прокачайтесь в разработке или аналитике на бесплатной программе: будете решать реальные ИТ-задачи и создадите pet-проект, который можно добавить в портфолио. Занятия онлайн, можно учиться из любого города и совмещать с работой или учебой. Наставниками станут приглашенные эксперты из Т-Банка — сможете разбирать задачи и учиться у ведущих специалистов. Помимо технической базы, — развитие гибких навыков, подготовка к собеседованиям, практикумы и встречи в ИТ-хабах Т-Банка. Подойдет тем, кто хочет развиваться в ИТ. Набор уже открыт. Успейте подать заявку до 31 июля

👩‍💻 Всем программистам посвящается! Вот 17 авторских обучающих IT каналов по самым востребованным областям программирования: Выбирай своё направление: 👩‍💻 Python — t.me/python_ready 🤔 InfoSec & Хакинг — t.me/hacking_ready 🖥 SQL & Базы Данных — t.me/sql_ready 🤖 Нейросети — t.me/neuro_ready 👩‍💻 C/C++ — https://t.me/cpp_ready 👩‍💻 C# & Unity — t.me/csharp_ready 👩‍💻 Linux — t.me/linux_ready 📖 IT Книги — t.me/books_ready 👩‍💻 Frontend — t.me/frontend_ready 📱 JavaScript — t.me/javascript_ready 👩‍💻 Backend — t.me/backend_ready 📱 GitHub & Git — t.me/github_ready 👩‍💻 Java — t.me/java_ready 👩‍💻 Весь IT — t.me/it_ready 👩‍💻 Bash & Shell — t.me/bash_ready 🖼️ DevOps — t.me/devops_ready 🖥 Design — t.me/design_ready 📌 Гайды, шпаргалки, задачи, ресурсы и фишки для каждого языка программирования!

🤖 Reachy Mini — первый доступный робот от Hugging face Reachy Mini — это выразительный и полностью open-source робот, созданный для взаимодействия с человеком, коммуникации и экспериментов с ИИ. 🧠 Что делает его особенным? - Все ПО открыто и написано на Python, а скоро будет достнуо — и на JavaScript и Scratch - Базовая версия стоит $299, еще доступна wireless-версия за $449 - Открытая архитектура и SDK — идеален для экспериментов с LLM, аудио- и визуальными агентами С ним можно разрабатывать, тестировать, запускать и делиться реальными ИИ-приложениями — на базе современных LLM-моделей. Технические характеристики - Высота: 28 см, в режиме сна — 23 см - Ширина: 16 см, вес: 1.5 кг - Поставляется в виде конструктора: - Lite-версия — базовый функционал - Полноценная версия — автономная версия с Raspberry 5 внутри, встроенным питанием, Wi‑Fi, микрофонами и камерой 🎤 Датчики и интерфейсы - Микрофоны: Lite — 2, Wireless — 4 встроенных микрофонов hyper.ai - Камера: широкоугольная фронтальная камера (в wireless-версии) - Акселерометр: встроен в Wireless-версию 🔗 Подробнее: http://hf.co/blog/reachy-mini @ai_machinelearning_big_data #huggingface #Reachy #opensource #Python

🧠 Хитрая SQL-задача с подвохом: «Найди самого преданного клиента» У тебя есть таблица purchases со следующей структурой:

purchases (
  id SERIAL PRIMARY KEY,
  user_id INT,
  item_id INT,
  amount DECIMAL,
  purchase_date DATE
)

Задача: Найти user_id пользователя, который совершал покупки в каждый календарный месяц хотя бы один раз за последние 2 года. Но есть подвох: пользователь должен был купить в каждый месяц (например, март 2024, апрель 2024, ..., июль 2025 — всего 24 месяца) пропуски даже в одном месяце — дисквалификация использовать GROUP BY, FILTER, GENERATE_SERIES, LEFT JOIN и другие техники разрешено 📌 Подумай: - как сгенерировать список всех нужных месяцев? - как сопоставить их с месяцами, в которых были покупки у каждого пользователя? - как убедиться, что пользователь не пропустил ни одного? 🧩 Подсказка: решение можно построить с generate_series() по месяцам и LEFT JOIN к сгруппированным user_id + month. @sqlhub