Data Science. SQL hub
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
Mostrar más📈 Análisis del canal de Telegram Data Science. SQL hub
El canal Data Science. SQL hub (@sqlhub) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 35 843 suscriptores, ocupando la posición 3 816 en la categoría Tecnologías y Aplicaciones y el puesto 18 135 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 35 843 suscriptores.
Según los últimos datos del 18 junio, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -33, y en las últimas 24 horas de 8, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 6.81%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 3.98% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 2 442 visualizaciones. En el primer día suele acumular 1 425 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 12.
- Intereses temáticos: El contenido se centra en temas clave como sql, индекс, postgres, index, sqlite.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“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”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 19 junio, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Tecnologías y Aplicaciones.
t1 MINUS t2
Любые дубликаты строк только в T1 исключаются из результатов
В 21c добавлен MINUS ALL, который возвращает избыточные дубликаты.
Также добавлен синоним MINUS - EXCEPT, соответствующий стандарту #SQL
Oператор MINUS используется для возврата всех строк первого запроса SELECT, не возвращаемых вторым SELECT.
@sqlhub#XML в строки и столбцы в Oracle #SQL с помощью
XMLTABLE ( '/path/to/elements' PASSING <xml> COLUMNS ... )
Команда генерирует строку для каждого элемента, на который ссылается путь.
COLUMNS определяет путь к элементам и атрибутам, находящимся в этом пункте.
@sqlhubjoin (джоин, т. е. соединение). В этой статье рассмотрим концепции, лежащие в основе join-операций, и изучим стратегии эффективного извлечения данных.
Сосредоточимся на MySQL — одной из самых популярных систем управления реляционными базами данных.
▪Читать
@sqlhubpip install transformers==4.35.2
Загрузка модели
Используйте следующий код Python для загрузки модели:
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer
tokenizer = AutoTokenizer.from_pretrained("cfahlgren1/NaturalSQL-6.7B-v0")
model = AutoModelForCausalLM.from_pretrained(
"cfahlgren1/NaturalSQL-6.7B-v0",
device_map="auto",
torch_dtype=torch.float16,
)
Генерация текста
Чтобы сгенерировать текст, используйте следующий код на Python.
messages=[
{ 'role': 'user', 'content': prompt}
]
inputs = tokenizer.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt").to(model.device)
# 32023 is the id of <|EOT|> token
outputs = model.generate(inputs, max_new_tokens=512, do_sample=False, top_k=50, top_p=0.95, num_return_sequences=1, eos_token_id=32023)
print(tokenizer.decode(outputs[0][len(inputs[0]):], skip_special_tokens=True))
▪Подробнее
@sqlhub
¡Ya disponible! Investigación de Telegram 2025 — los principales insights del año 
