Симулейтив
Open in Telegram
Мы — образовательная платформа в сфере аналитики Симулейтив: simulative.ru Создаём курсы-симуляторы, где обучаем на кейсах из реального бизнеса. Канал по ML: @modprod Наш уютный чат: @itresume_chat Поддержка: @simulative_support
Show more7 386
Subscribers
No data24 hours
No data7 days
+2730 days
Data loading in progress...
Similar Channels
Tags Cloud
Incoming and Outgoing Mentions
---
---
---
---
---
---
Attracting Subscribers
August '26
August '26
+112
in 0 channels
July '26
+199
in 0 channels
Get PRO
June '26
+145
in 0 channels
Get PRO
May '26
+79
in 0 channels
Get PRO
April '26
+82
in 2 channels
Get PRO
March '26
+102
in 2 channels
Get PRO
February '26
+143
in 0 channels
Get PRO
January '26
+114
in 1 channels
Get PRO
December '25
+143
in 2 channels
Get PRO
November '25
+118
in 2 channels
Get PRO
October '25
+191
in 1 channels
Get PRO
September '25
+135
in 2 channels
Get PRO
August '25
+202
in 1 channels
Get PRO
July '25
+221
in 2 channels
Get PRO
June '25
+192
in 1 channels
Get PRO
May '25
+354
in 0 channels
Get PRO
April '25
+473
in 4 channels
Get PRO
March '25
+480
in 2 channels
Get PRO
February '25
+317
in 2 channels
Get PRO
January '25
+463
in 1 channels
Get PRO
December '24
+321
in 3 channels
Get PRO
November '24
+293
in 1 channels
Get PRO
October '24
+241
in 0 channels
Get PRO
September '24
+184
in 0 channels
Get PRO
August '24
+220
in 0 channels
Get PRO
July '24
+147
in 0 channels
Get PRO
June '24
+213
in 1 channels
Get PRO
May '24
+261
in 1 channels
Get PRO
April '24
+253
in 0 channels
Get PRO
March '24
+216
in 0 channels
Get PRO
February '24
+214
in 0 channels
Get PRO
January '24
+220
in 1 channels
Get PRO
December '23
+304
in 0 channels
Get PRO
November '23
+313
in 0 channels
Get PRO
October '23
+103
in 0 channels
Get PRO
September '23
+118
in 0 channels
Get PRO
August '23
+186
in 0 channels
Get PRO
July '23
+157
in 0 channels
Get PRO
June '23
+137
in 0 channels
Get PRO
May '23
+127
in 0 channels
Get PRO
April '23
+120
in 0 channels
Get PRO
March '23
+145
in 0 channels
Get PRO
February '23
+140
in 0 channels
Get PRO
January '23
+144
in 0 channels
Get PRO
December '22
+139
in 0 channels
Get PRO
November '22
+124
in 0 channels
Get PRO
October '22
+102
in 0 channels
Get PRO
September '22
+126
in 0 channels
Get PRO
August '22
+332
in 0 channels
Get PRO
July '22
+158
in 0 channels
Get PRO
June '22
+198
in 0 channels
Get PRO
May '22
+142
in 0 channels
Get PRO
April '22
+208
in 0 channels
Get PRO
March '22
+169
in 0 channels
Get PRO
February '22
+257
in 0 channels
Get PRO
January '22
+141
in 0 channels
Get PRO
December '21
+89
in 0 channels
Get PRO
November '21
+465
in 0 channels
Get PRO
October '21
+69
in 0 channels
Get PRO
September '21
+111
in 0 channels
Get PRO
August '21
+208
in 0 channels
Get PRO
July '21
+758
in 0 channels
Get PRO
June '21
+65
in 0 channels
Get PRO
May '21
+313
in 0 channels
| Date | Subscriber Growth | Mentions | Channels | |
| 26 August | +3 | |||
| 25 August | +4 | |||
| 24 August | +3 | |||
| 23 August | +5 | |||
| 22 August | 0 | |||
| 21 August | +6 | |||
| 20 August | +2 | |||
| 19 August | +4 | |||
| 18 August | +1 | |||
| 17 August | +3 | |||
| 16 August | +2 | |||
| 15 August | +2 | |||
| 14 August | +4 | |||
| 13 August | +3 | |||
| 12 August | +3 | |||
| 11 August | +5 | |||
| 10 August | +9 | |||
| 09 August | +6 | |||
| 08 August | +3 | |||
| 07 August | +6 | |||
| 06 August | +12 | |||
| 05 August | +4 | |||
| 04 August | +6 | |||
| 03 August | +6 | |||
| 02 August | +10 | |||
| 01 August | 0 |
Channel Posts
Привет! Меня зовут Ева Панкратова, и я новый ментор курса «Аналитик данных» в Симулейтив 👋🏻
Я руковожу отделом продуктовой аналитики в компании Метр Квадратный. Вместе с командой мы помогаем бизнесу принимать правильные решения — для этого придумываем метрики для оценки новых продуктов, проводим эксперименты и аналитические исследования.
Пять фактов обо мне:
➖ Работаю с данными больше 6 лет: финтех, телеком и IT: Accenture, МегаФон, Райффайзенбанк, М2. Последние два года — в руководящей роли.
➖ Строила аналитику со всех сторон: начинала как DWH-аналитик, который строит и тестирует витрины данных, а затем перешла к плотной работе с бизнесом и проверке продуктовых гипотез.
➖ Специализируюсь на А/В и экспериментах. Провела десятки тестов как аналитик, а потом запускала А/B-тестирование в компании, занимаясь как выбором платформы для тестов, так и выстраиванием культуры экспериментов.
➖ Провела 162 собеседования, собирая команду. Так что не понаслышке знаю, что спрашивают на собеседованиях и как выглядит цепляющее резюме.
➖ Считаю важным делиться опытом: пишу курсы и веду воркшопы для корпоративного университета, выступаю на профессиональных конференциях и периодически менторю студенческие стартапы.
Я буду разбирать ваши задачи, отвечать на вопросы в чате и показывать, как данные становятся источником решений, а не просто красивых отчётов.
Присоединяйтесь, старт потока 31 августа ❤️
📌 Записаться на профессию «Аналитик данных»
📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS
| 2 | 🔴 Через 5 минут начинаем!
Евгений Буторин скоро начнёт разбор финального SQL-проекта — смотрим, как превратить решение задачи в полноценный кейс для портфолио и обсудим, что сейчас происходит с наймом в аналитике.
Подключайтесь, самое полезное только начинается 👀
➡️ Подключиться к эфиру | 141 |
| 3 | 💻 Как база данных устроена изнутри, и почему PostgreSQL и ClickHouse решают разные задачи?
Привет! На связи Валерия Елпатьевская, ментор курса «Инженер данных» 👋🏻
Базы данных внешне могут выглядеть похоже, но внутри они оптимизированы под разные задачи. Выбирая инструмент, нужно помнить о том, какую именно задачу мы решаем: хотим ли мы быстро добавлять в базу новые строки и обновлять старые или мы хотим строить множество аналитических запросов и агрегаций.
И здесь важно понимать разницу между OLTP и OLAP.
💻 OLTP (Online Transaction Processing), как видно из названия, заточена под транзакции. То есть эти базы предполагают операционную нагрузку.
OLTP-системы отлично подойдут, когда у нас много коротких операций и важна консистентность, конкурентный доступ и быстрая работа с отдельными строками. Примеры данных, которые удобно хранить в OLTP: заказы, пользователи, платежи, статусы.
Под такую нагрузку обычно берут PostgreSQL. Он хранит данные построчно, использует индексы, WAL, MVCC и механизмы очистки старых версий. Это хорошо подходит для сценария: «найди пользователя по id», «обнови заказ» или «вставь новую запись».
💻 OLAP (Online Analytical Processing), как опять же ясно из названия, заточен под аналитику. Здесь запросы часто читают миллионы строк, считают различные агрегаты, группируют данные по времени, регионам, каналам. Примеры данных, которым больше подойдёт OLAP — метрики, продажи и поведение пользователей.
Под такие задачи лучше подходят колоночные базы вроде ClickHouse. Они хранят данные по колонкам, сильно сжимают их и эффективно сканируют большие объёмы. ClickHouse не очень подходит для частых одиночных обновлений и удалений. Он лучше работает с пакетной загрузкой и чтением больших массивов данных.
То есть важное различие между OLTP и OLAP в том, как данные хранятся и читаются: если нам важны быстрые транзакции, нам нужно хранить и читать по строкам, а если мы планируем доставать срезы по признакам и строить агрегаты, лучше подойдёт организация по колонкам.
Если сильно упростить:
➡️ PostgreSQL — про состояние системы и транзакции.
➡️ ClickHouse — про аналитику по большим потокам событий.
На практике это часто работает вместе. PostgreSQL хранит основные бизнес-данные: пользователей, заказы, настройки. ClickHouse собирает события, метрики и поведение для дашбордов и отчётов.
Ставьте ❤️, если полезно, и сохраняйте, чтобы не потерять!
📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS | 464 |
| 4 |  💻💻💻💻💻Онлайн-практикум: превращаем SQL-проект в первый кейс для портфолио
Если вы уже пробовали решать задачи на SQL, следующий шаг — научиться превращать их в проекты, которые можно показать работодателю!
Что будет происходить на вебинаре:
➡️ Разберём финальный SQL-проект и подход к его решению;
➡️ Поймём, как оформить проект так, чтобы он выглядел сильным кейсом в портфолио;
➡️ Обсудим, что сейчас происходит на рынке и как заходить в аналитику в 2026 году.
🧑💻 Спикер: Евгений Буторин, руководитель CRM-аналитики развития клиентской базы в Альфа Банке, ментор бесплатного интенсива по SQL
📆 Когда: 25 августа, 19:00 МСК
➡️ Поставить напоминание в календарь
📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS | 448 |
| 5 | ⚡️ Через 5 минут начинаем!
Валерия Елпатьевская уже на месте — через пять минут открываем сырые parquet-файлы с 9 млн поездок нью-йоркского такси и с нуля собираем весь ETL-пайплайн: очистка, погода, витрины, отчёт в DuckDB.
Успевайте подключиться, пока не стартовали 👀
👉🏻 Подключиться к трансляции 👈🏻 | 120 |
| 6 | Час до стрима! Валерия всех ждёт ❤️
👉🏻 Подключиться к трансляции 👈🏻 | 100 |
| 7 |  Video message | 185 |
| 8 |  #проанализировали_и_поняли | 526 |
| 9 |  💻💻💻💻 Собираем ETL-пайплайн для 9 млн строк
Присоединяйтесь сегодня к практическому стриму — Валерия Елпатьевская, инженер данных в Альфа-Банке, соберёт полный ETL-пайплайн на реальных данных: от сырых parquet-файлов до готового аналитического отчёта и витрин в DuckDB. В работе — открытый датасет поездок нью-йоркского такси за осень 2025 года, больше 9 млн строк!
Что сделаем:
1️⃣ Загрузим данные из открытых источников;
2️⃣ Почистим датасет от аномалий;
3️⃣ Обогатим поездки данными о погоде;
4️⃣ Визуализируем статистику по датасету;
5️⃣ Загрузим агрегаты в DuckDB и напишем запросы для финального отчёта.
Если вы только присматриваетесь к профессии дата-инженера и хотите понять, из чего реально состоит его работа, приходите! Стрим пригодится и тем, кто уже сам пишет ETL: сверите свой подход с тем, как выстраивает пайплайн инженер с опытом.
📆 Когда: 24 августа, 19:00 МСК
➡️ Поставить напоминание в календарь
📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS | 555 |
| 10 |  💻💻💻💻💻Как аналитику данных использовать ИИ
Большинство аналитиков уже открывают ИИ-чат в браузере при любой задаче, хотя инструментов для работы с ИИ и пользы от них куда больше! Вместе с Павлом Беляевым разберём, как ИИ реально встроен в работу аналитика — от повседневных задач команды до личного самообучения.
На вебинаре вы:
➡️ Узнаете, для каких задач ИИ применяет команда дата-аналитиков в Яндекс eLama;
➡️ Разберётесь, какие модели для чего хороши, и перестанете хвататься за одну на все случаи;
➡️ Познакомитесь с инструментами обращения к ИИ: чаты в браузере, Ollama для локальных моделей, расширение для VS Code;
➡️ Увидите на живом примере, как Павел использует ИИ для собственного самообучения;
➡️ Разберём ваши вопросы и темы с помощью ИИ-ассистентов.
👨🏻💻 Спикер: Павел Беляев, руководитель группы дата-аналитиков в Яндекс eLama, ментор курсов «BI-аналитик» и «Fullstack-аналитик».
📆 Когда: 22 августа, 14:00 МСК
➡️ Поставить напоминание в календарь
➡️ Ссылка на эфир
📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS | 656 |
| 11 | Репрезентативность: когда выборка «говорит правду»
Привет, на связи Аслан Байрамкулов, автор курса по A/B-тестированию 👋🏻
Тест может быть безупречно посчитан — правильная метрика, честный p-value, никакого подглядывания — и всё равно врать. Если сама выборка не похожа на генеральную совокупность, статистика посчитает верно ответ на неверный вопрос.
Репрезентативность — это соответствие выборки генеральной совокупности по ключевым характеристикам. Без неё даже самый тщательный анализ приведёт к ошибочным выводам.
✅ Как это измеряют?
Репрезентативность оценивают стандартизованной разностью d между выборкой и генеральной совокупностью по ключевым признакам:
➖ d < 0,1 — отличная репрезентативность;
➖ d 0,1–0,2 — хорошая;
➖ d 0,2–0,5 — умеренная;
➖ d ≥ 0,5 — плохая, выборке доверять нельзя.
✅ Как обеспечить репрезентативность?
➖ Стратифицированная рандомизация. Делим пользователей на страты — по возрасту, географии, каналу — и рандомизируем внутри каждой страты. Это гарантирует, что обе группы сбалансированы, а не просто «в среднем похожи».
➖ Мониторинг баланса. После запуска теста проверяем, что группы A и B не отличаются по ключевым характеристикам. Доля мобильного трафика 60% в группе A и 45% в группе B — уже повод остановиться и разобраться, а не запускать анализ дальше.
➖ AA-тестирование. Перед реальным тестом запускаем «пустой» тест, где обе группы получают одинаковый опыт. Если находим статистически значимые различия там, где их не должно быть — проблема не в продукте, а в системе рандомизации.
Однажды мы обнаружили, что алгоритм рандомизации крупного маркетплейса систематически направлял новых пользователей в тестовую группу. Новые пользователи конвертировались хуже просто потому, что ещё не знали сайт — и тест показывал «ухудшение», хотя изменение было нейтральным. AA-тест длительностью в одну неделю поймал бы эту проблему ещё до запуска, а не после недели неверных выводов.
⭐️ Именно поэтому на курсе «A/B-тестирование» мы начинаем не с формул значимости, а с проверки самой выборки: стратификация, мониторинг баланса, AA-тесты как обязательный шаг перед любым реальным экспериментом. Программу веду я сам на основе методологии, которую строил в X5, Wildberries и МТС (open-source библиотека Ambrosia).
⭐️ Посмотреть программу курса
📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS | 531 |
| 12 | No text... | 581 |
| 13 |  🎓 3 дня до завершения приёма в магистратуру
Друзья, осталось всего несколько дней, чтобы принять решение о поступлении! А в этом посте напоминаем основные моменты ❤️
Магистерская программа по аналитике данных совместно с НИЯУ МИФИ — это:
🔶 Научная база от одного из лучших технических вузов страны;
🔶 Практика на симуляторе — работа с реальными бизнес-кейсами «как в работе»;
🔶 Гарантированное портфолио, которое выделит вас среди других кандидатов;
🔶 Возможность получить диплом магистра;
🔶 Гибкий онлайн-формат — учитесь из любой точки мира;
🔶 Все льготы студента МИФИ — диплом, отсрочка, налоговый вычет.
❗️ Заявки принимаются до 21 августа включительно. Для новых поступающих действует реферальная программа: приводите второго человека и получите скидку 20% каждому!
➡️ Узнать больше и оставить заявку
📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS | 568 |
| 14 | «ON CONFLICT DO UPDATE command cannot affect row a second time»: как мы теряли данные из-за этой ошибки
Привет! На связи Валерия Елпатьевская, ментор курса «Инженер данных» 👋🏻
Сегодня расскажу о том, с чем недавно сама столкнулась. Ситуация: мы потеряли часть данных, смотрим логи, а там:
ERROR: ON CONFLICT DO UPDATE command cannot affect row a second time
Какой же second time? Как вообще такое возможно? Так вот рассказываю.
Если вы делаете `INSERT ... ON CONFLICT DO UPDATE` большими батчами (пакетами данных), дедуплицируйте входные данные до `UPSERT`.
Допустим, в батче пришли две записи с одним id:
INSERT INTO users (id, updated_at, name)
SELECT id, updated_at, name
FROM staging
ON CONFLICT (id) DO UPDATE
SET
updated_at = EXCLUDED.updated_at,
name = EXCLUDED.name;
Если staging содержит несколько строк с одинаковым id, PostgreSQL завершит такую операцию ошибкой, как выше.
Причина в том, что внутри одного INSERT несколько входных строк пытаются изменить одну и ту же target-строку. PostgreSQL не выбирает автоматически, какая из них является истиной. Он не пытается угадать, а просто отказывается выполнять операцию.
Причём проблема особенно неприятна, когда данные приходят батчами, так как дубликаты могут быть незаметны внутри отдельных партий, но появиться после объединения нескольких источников/партиций.
Поэтому перед UPSERT лучше явно определить правило разрешения конфликта и избавиться от дубликатов:
WITH ranked AS (
SELECT
*,
ROW_NUMBER() OVER (
PARTITION BY id
ORDER BY updated_at DESC
) AS rn
FROM staging
)
INSERT INTO users (id, updated_at, name)
SELECT id, updated_at, name
FROM ranked
WHERE rn = 1
ON CONFLICT (id) DO UPDATE
SET
updated_at = EXCLUDED.updated_at,
name = EXCLUDED.name;
Теперь для каждого id в батче остаётся ровно одна запись — например, самая свежая по updated_at.
📌 Вывод: ON CONFLICT решает конфликт между входящей и целевой строкой, но не занимается бизнес-логикой выбора между несколькими строками с одним ключом.
Ставьте 🔥 и пересылайте тем, кто мог бы столкнуться с этой проблемой ❤️
📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS | 560 |
| 15 | 🔴 Мы уже в эфире!
Начинаем разбирать ML-задачу: смотрим, как превратить решение кейса в полноценный проект, который не стыдно положить в портфолио.
Вместе пробуем подход к задаче «не по шаблону», используем модели из sklearn и показываем, как оформить всё в проект на GitHub с грамотным README.md.
Подключайтесь!
➡️ Подключиться к эфиру | 184 |
| 16 | 💻 Сценарии использования NULLIF
Вас когда-нибудь спрашивали на собеседовании о функции NULLIF?
В гайдах к собеседованиям куда чаще встречаются джоины и первичный ключ, а NULLIF опускают. Хотя зря! NULLIF на самом деле — мощный инструмент, который можно использовать в разных ситуациях, чтобы повысить надежность ваших запросов.
✅ Что такое NULLIF и как это использовать?
NULLIF — это функция, которая принимает два аргумента и возвращает NULL, если аргументы равны, в противном случае она возвращает первый аргумент. Синтаксис выглядит следующим образом:
NULLIF(выражение 1, выражение 2)
💻 Деление на ноль
Пожалуй, самое полезное, что можно сделать, используя NULLIF — пресечь ошибку деления на ноль.
Это один из самых распространённых вариантов использования. Например, если вы пытаетесь поделить один столбец на другой, и есть вероятность, что во втором столбце (делителе) могут оказаться нули — оберните второй столбец в NULLIF и вы не получите ошибок.
SELECT column1/NULLIF(column2, 0)
FROM table1
То есть когда значение второго столбца равно 0 (аргументы в NULLIF равны), вернется NULL, а не ZeroDivisionError.
💻 Поиск среднего значения
Такая схема будет полезна и при других вычислениях, например среднего значения. Опять же, если есть шанс, что в столбце, по которому считаем среднее, могут оказаться нули, которые не должны влиять на результат — поможет NULLIF.
Например, дана такая таблица:
| column1 | column2 |
|---------|---------|
| 0 | a |
| 7 | a |
Выполнив:
SELECT column2, AVG(column1)
FROM table1
GROUP BY column2;
Получим:
| column2 | avg |
|---------|-----|
| a | 3.5 |
А с использованием NULLIF получим другой результат:
SELECT column2, AVG(NULLIF(column1, 0))
FROM table1
GROUP BY column2;
| column2 | avg |
|---------|-----|
| a | 7 |
💻 Преобразование пустых строк
Другой вариант использования NULLIF — преобразование пустых строк в NULL. Например, в таблице некоторые столбцы содержат пустые строки, которые необходимо трактовать как NULL — идеально подходящая ситуация для NULLIF:
SELECT NULLIF(column1, '') FROM table1;
Получим NULL, если столбец 1 содержит пустую строку, что эффективно обработает все пустые строки.
💡 В следующий раз, когда вы будете работать над проектом, попробуйте найти, где бы вы могли использовать NULLIF и убедитесь, как он легко поможет решать сложные задачи и избегать больших CASE/WHEN конструкций. Кстати говоря, NULLIF — это тот же CASE/WHEN, так что, возможно, стоит провести ревизию старых проектов и увидеть потенциальные «use» кейсы.
Если вы и раньше использовали NULLIF, расскажите, в каких интересных задачах он вам пригодился? И ставьте 🔥, если было полезно!
📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS | 568 |
| 17 |  💻💻💻💻💻 Data science на практике: решаем задачу и оформляем проект в портфолио
Вы решили попробовать себя в data science — что делать дальше?
На вебинаре с Марией Жаровой вы пройдёте путь, который проходит дата-сайентист над реальной задачей — от постановки до готового проекта в портфолио:
➖ Возьмём финальное задание из бесплатного курса по ML и разберём, как подойти к нему самостоятельно;
➖ Обучим несколько моделей из sklearn, попробуем нестандартные подходы и выберем лучший вариант;
➖ Оформим ноутбук в полноценный проект на GitHub и разберём, что обязательно должно быть в README.md, чтобы проект выглядел сильным в портфолио.
👩🏻💻 Спикер: Мария Жарова, ML-инженер в команде рекомендаций Wildberries и ментор курса Симулейтив «Дата-сайентист»
📆 Когда: 18 августа, 19:00 МСК
➡️ Поставить напоминание в календарь | 611 |
| 18 |  #проанализировали_и_поняли | 723 |
| 19 | Растим в себе сильного джуна 💪🏻
Привет! На связи Мария Жарова, ментор курсов «ML-инженер» и «Дата-сайентист» 👋🏻
Технический скилл вырастить можно за полгода. А вот привычки, из-за которых с джуном хотят или не хотят работать дальше — формируются уже с первых проектов.
На канале «Модель предскажет» я рассказала, что реально ценят в команде — не «уметь бустинг руками написать», а гораздо более приземлённые вещи. Именно они отличают джуна, которого через полгода зовут на новые задачи, от того, за кем приходится всё переделывать.
📌 Читать пост: https://t.me/modprod/68
Сохраняйте, чтобы не потерять!
📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS | 816 |
| 20 | ⚡️ Через 10 минут начинаем!
Юрий Ламихов уже на месте — через 10 минут открываем Airflow и с нуля собираем DAG, который сам каждый день будет забирать курс валют через API.
Успевайте подключиться, пока не стартовали 👀
👉🏻 Подключиться к эфиру | 133 |
