Data Science. SQL hub

Open in Telegram

По всем вопросам- @workakkk @itchannels_telegram - 🔥лучшие ит-каналы @ai_machinelearning_big_data - Machine learning @pythonl - Python @pythonlbooks- python книги📚 @datascienceiot - ml книги📚 РКН: https://vk.cc/cIi9vo #VRHSZ

Network:Machinelearning Russia18 129 Technologies & Applications3 835...

📈 Analytical overview of Telegram channel Data Science. SQL hub

Channel Data Science. SQL hub (@sqlhub) in the Russian language segment is an active participant. Currently, the community unites 35 848 subscribers, ranking 3 835 in the Technologies & Applications category and 18 129 in the Russia region.

📊 Audience metrics and dynamics

Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 35 848 subscribers.

According to the latest data from 13 June, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -8 over the last 30 days and by -11 over the last 24 hours, overall reach remains high.

Verification status: Not verified
Engagement rate (ER): The average audience engagement rate is 9.82%. Within the first 24 hours after publication, content typically collects 4.08% reactions from the total number of subscribers.
Post reach: On average, each post receives 3 522 views. Within the first day, a publication typically gains 1 461 views.
Reactions and interaction: The audience actively supports content: the average number of reactions per post is 13.
Thematic interests: Content is focused on key topics such as sql, индекс, postgres, index, sqlite.

📝 Description and content policy

The author describes the resource as a platform for expressing subjective opinions:
“По всем вопросам- @workakkk @itchannels_telegram - 🔥лучшие ит-каналы @ai_machinelearning_big_data - Machine learning @pythonl - Python @pythonlbooks- python книги📚 @datascienceiot - ml книги📚 РКН: https://vk.cc/cIi9vo #VRHSZ”

Thanks to the high frequency of updates (latest data received on 14 June, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Technologies & Applications category.

35 848

Subscribers

-1124 hours

-317 days

-830 days

3 522

Post views

~ 1 46124 hours

~ 1 72448 hours

9.82%

Engagement rate

No data

Posts per day

Ads index

beta

Posts Archive

35 845

👩‍💻 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!

35 845

Repost from Machinelearning

🔥 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

35 845

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

35 845

▶️ 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

35 845

🔥 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.

35 845

🧠 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

35 845

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

35 845

🧠 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
)


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

35 845

⚡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.

35 845

🌊 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

35 845

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

35 845

Repost from Machinelearning

🤖 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

35 845

🧠 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

35 845

Repost from Machinelearning

🧠 MCP сервер для баз данных от Google Он выступает прослойкой между вашим агентом (например, LangChain, LlamaIndex, VertexAI) и базой данных, упрощая работу с базой, подключение, управление, безопасность и мониторинг., Подходит для разработки AI-агентов, которые могут создавать и управлять в реальными БД. Особенности: ✔️ Подключение к БД за < 10 строк Python ✔️ Встроенный pooling и аутентификация ✔️ Простая интеграция в агентов (LangChain, Autogen, и т.д.) ✔️100% open-source ✔️Поддержка разных БД: PostgreSQL, MySQL, SQLite, SQL Server, AlloyDB, Cloud SQL, Spanner, BigQuery, Bigtable, Couchbase, Dgraph, Redis, Neo4j и др. ✔️Удобная конфигурация : простой синтаксис YAML для описания функций и запросов. Если делаете агентов, которые работают с SQL/PostgreSQL/MySQL — точно стоит попробовать. ▪ GitHub: https://github.com/googleapis/genai-toolbox @ai_machinelearning_big_data #AI #ML #aiagent #opensource #MCP #databases #genai

35 845

🍉 WatermelonDB — гибкая база данных для React. Эта СУБД предлагает необычный подход к работе с данными в React-приложениях. Вместо загрузки всей информации при старте, она подгружает только то, что действительно нужно пользователю прямо сейчас. Инструмент обладает гибридной архитектурой: SQLite на низком уровне обеспечивает надежность, а прослойка на React автоматически обновляет интерфейс при изменениях. Например, новое сообщение в чате мгновенно появится во всех открытых списках без ручного обновления. 🤖 GitHub @sqlhub

35 845

⚡️ Почему лучшие разработчики всегда на шаг впереди? Потому что они знают, где брать настоящие инсайд! Оставь “программирование в вакууме” в прошлом, выбирай свой стек — подпишись и погружайся в поток идей, лайфхаков и знаний, которые не найдёшь в открытом доступе. ИИ: t.me/ai_machinelearning_big_data Python: t.me/pythonl Linux: t.me/linuxacademiya Мл собес t.me/machinelearning_interview C++ t.me/cpluspluc Docker: t.me/DevopsDocker Хакинг: t.me/linuxkalii МЛ: t.me/machinelearning_ru Devops: t.me/DevOPSitsec Data Science: t.me/data_analysis_ml Javascript: t.me/javascriptv C#: t.me/csharp_ci Java: t.me/java_library Базы данных: t.me/sqlhub Python собеседования: t.me/python_job_interview Мобильная разработка: t.me/mobdevelop Golang: t.me/Golang_google React: t.me/react_tg Rust: t.me/rust_code ИИ: t.me/vistehno PHP: t.me/phpshka Android: t.me/android_its Frontend: t.me/front Big Data: t.me/bigdatai МАТЕМАТИКА: t.me/data_math Kubernets: t.me/kubernetc Разработка игр: https://t.me/gamedev Физика: t.me/fizmat Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка FRONTEND: https://t.me/addlist/mzMMG3RPZhY2M2Iy 🎓954ГБ ОПЕНСОРС КУРСОВ: @courses 😆ИТ-Мемы: t.me/memes_prog 🇬🇧Английский: t.me/english_forprogrammers 🧠ИИ: t.me/vistehno 🖥 Chatgpt для кода в тг: @Chatgpturbobot - 📕Ит-книги: https://t.me/addlist/BkskQciUW_FhNjEy 💼ИТ-вакансии t.me/addlist/_zyy_jQ_QUsyM2Vi Подпишись, чтобы всегда знать, куда двигаться дальше!

35 845

🌺 LotusDB — гибридный key-value движок на Go. Этот проект объединяет лучшее из двух миров — скорость чтения B+-деревьев и эффективность записи LSM-деревьев. Инструмент позиционируется как альтернатива Badger и BBolt, но с меньшими накладными расходами на чтение и дисковое пространство. Проект поражает простотой интеграции: достаточно импортировать пакет и указать путь для хранения данных. LotusDB активно развивается, а в Slack-чате уже собирается сообщество энтузиастов. 🤖 GitHub @sqlhub

35 845

«Идейные победят наёмников» — Альтмана снова качает Пока Альтман рассказывает сотрудникам OpenAI, что "важны идеи, а не деньги", рынок переманивает его ключевых ресерчеров пачками. Гонка за мозги выглядит всё жёстче — и всё прозрачнее. 🚀 Цукерберг собрал новое AGI-подразделение: 12 человек, многие из которых — бывшие сотрудники OpenAI. Из них 8 — с азиатскими фамилиями. Совпадение? Вряд ли. 💰 Инсайды про $100M signing bonus пока разнятся: то ли вброс, то ли реальность. Но для контекста: CEO Apple и Microsoft за 2024 получили меньше $80 млн за весь год. 📊 Конкуренты тоже не дремлют: - Thinking Machines Миры Мурати — $500K+ в год - Anthropic — $400K - OpenAI — $300K, но “с душой” Вчера Альтман заявил команде, что "идейные победят наёмников". Похоже, он всё ещё не понял, как работает рынок, особенно когда GPU у Су и Хуанга раскупаются быстрее, чем стартапы успевают написать README. 🔥 Сегодняшняя гонка AGI — это не просто про интеллект. Это про то, кто сможет купить больше китайских исследователей, больше графических карт и времени больше не терять. 🐉 Китайцы в Китае уже почти догнали китайцев в США. @sqlhub