SQL и Анализ данных

رفتن به کانال در Telegram

Базы данных и всё, что с ними связано! Сотрудничество: @haarrp РКН № 6766085482

نمایش بیشتر

شبکه:Java Developer روسيا52 308 فناوری و برنامه‌ها10 039...

📈 تحلیل کانال تلگرام SQL и Анализ данных

کانال SQL и Анализ данных (@databases_tg) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 12 661 مشترک است و جایگاه 10 039 را در دسته فناوری و برنامه‌ها و رتبه 52 308 را در منطقه روسيا دارد.

📊 شاخص‌های مخاطب و پویایی

از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 12 661 مشترک جذب کرده است.

بر اساس آخرین داده‌ها در تاریخ 12 ژوئن, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -60 و در ۲۴ ساعت گذشته برابر -1 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.

وضعیت تأیید: تأیید نشده
نرخ تعامل (ER): میانگین تعامل مخاطب 14.15% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 8.14% واکنش نسبت به کل مشترکان کسب می‌کند.
دسترسی پست‌ها: هر پست به طور میانگین 1 791 بازدید دریافت می‌کند. در اولین روز معمولاً 1 031 بازدید جمع‌آوری می‌شود.
واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 4 است.
علایق موضوعی: محتوا بر موضوعات کلیدی مانند sql, индекс, user_id, строка, субд تمرکز دارد.

📝 توضیح و سیاست محتوایی

نویسنده این فضا را محل بیان دیدگاه‌های شخصی توصیف می‌کند:
“Базы данных и всё, что с ними связано! Сотрудничество: @haarrp РКН № 6766085482”

به لطف به‌روزرسانی‌های پرتکرار (آخرین داده در تاریخ 13 ژوئن, 2026)، کانال همواره به‌روز و دارای دسترسی بالاست. تحلیل‌ها نشان می‌دهد مخاطبان به‌طور فعال با محتوا تعامل دارند و آن را به نقطه اثرگذاری مهم در دسته فناوری و برنامه‌ها تبدیل کرده‌اند.

12 661

مشترکین

-124 ساعت

-207 روز

-6030 روز

1 791

نمایش های پست

~ 1 03124 ساعت

~ 1 13648 ساعت

14.15%

نرخ مشارکت

اطلاعاتی وجود ندارد

پست های در روز

Ads index

beta

آرشیو پست ها

12 661

Редкий и реально продвинутый SQL-совет: используй логарифмы для произведения вероятностей. В SQL удобно считать SUM, AVG, COUNT, но почти никто не думает про PRODUCT. А в аналитике он часто нужен: вероятность цепочки событий, retention funnel, скоринговые модели, reliability, ML-фичи. Проблема: если перемножать много маленьких чисел, например 0.97 * 0.91 * 0.88 * ..., быстро получишь underflow или потерю точности. Математический трюк:

a * b * c = exp(ln(a) + ln(b) + ln(c))

То есть вместо прямого произведения считаем сумму логарифмов.


SELECT
    user_id,
    EXP(SUM(LN(probability))) AS total_probability
FROM events
WHERE probability > 0
GROUP BY user_id;

Где это полезно:


SELECT
    user_id,
    EXP(SUM(LN(conversion_rate))) AS funnel_survival_rate
FROM funnel_steps
GROUP BY user_id;

Это стандартный численный прием из математики, который делает расчет стабильнее. Особенно полезно, когда у тебя много шагов в воронке, вероятностная модель, риск-скоринг или аналитика событий. Главное правило: LN(x) работает только для x > 0, поэтому нули нужно обрабатывать отдельно. Например, если хотя бы одна вероятность равна нулю, итоговое произведение тоже будет ноль.

12 661

🖥 Курс «Git Pro: от первого коммита до уровня senior» - на Stepik project_final_v2_FINAL_truly_final - знакомо? Значит, пора. Большинство разработчиков знают 5 команд Git и боятся шестую. Коммитят в main, гуглят «how to undo» и копируют папку «на всякий случай». Это не работа - это выживание. После курса вы: — делаете rebase, не задерживая дыхание; — разбираете конфликт на 200 файлов по алгоритму; — возвращаете «потерянные навсегда» коммиты за 30 секунд через reflog; — пишете историю, которую не стыдно показать на code review. Git Flow, trunk-based, Pull Request, защита веток, CI/CD-хуки — всё, что отличает джуна от senior в командной работе. Скидка 53%, 48 часов: https://stepik.org/course/284799/

12 661

🚀 Примеры использования Cursor SDK для разработки Репозиторий содержит небольшие примеры для работы с Cursor SDK на TypeScript. Он позволяет интегрировать кодирующего агента в ваши приложения, управлять состоянием и взаимодействовать с агентами в облаке и локально. 🚀 Основные моменты: - Примеры для создания агентов и работы с API. - Веб-приложение для быстрой разработки и тестирования. - Канбан-доска для управления агентами и артефактами. - CLI для запуска агентов из терминала. 📌 GitHub: https://github.com/cursor/cookbook

12 661

Какая утилита PostgreSQL используется для физического удаления «мертвых» строк и освобождения места в файлах данных?

Anonymous voting

12 661

wtf 💀

12 661

🖥 На Stepik обновили курс «C# с нуля до профи» Представьте: через четыре месяца вы открываете чужой .NET-проект и читаете его как книгу. IServiceCollection не вызывает ступора. async Task<IActionResult> пишется на автомате. Вы точно знаете, почему EF Core сгенерировал именно такой SQL - и как переписать запрос, чтобы он летал. Это не фантазия. Это результат после 16 модулей, в которых каждая концепция объясняется через код и закрепляется практикой. ООП, SOLID, LINQ, async/await, DI, EF Core, ASP.NET Core, Docker, Kubernetes - всё, что казалось магией, станет рабочим инструментом. А бонусом - портфолио проектов: от CLI-утилит и REST API до собственного SaaS с multi-tenancy, JWT и деплоем в Kubernetes под TLS. Скидка - 58% доступна 48 часов: https://stepik.org/a/282984/

12 661

⚡️ Векторные базы данных хорошо ищут похожие куски текста, но плохо понимают связи между ними. Обычный поиск работает так: есть вопрос - база находит top-k самых похожих фрагментов. Это удобно, если нужно вытащить один факт. Но если ответ спрятан в нескольких местах, например в разных документах, сообщениях или частях отчёта, простого similarity search уже мало. Нужно понять, как связаны люди, события, компании, причины и последствия. На этом и делает акцент FalkorDB GraphRAG-Bench. Самый большой отрыв у GraphRAG виден именно в сложных задачах: Complex Reasoning - 83.61 и Contextual Summarization - 85.08. То есть там, где нужно не просто найти похожий текст, а собрать смысл из нескольких связанных фрагментов. Простой вывод: если у вас база знаний, длинные документы или корпоративные данные, одного Vector DB может быть недостаточно. GraphRAG помогает модели не просто искать, а идти по связям. GraphRAG SDK полностью open-source: https://github.com/FalkorDB/GraphRAG-SDK

12 661

🚀 Логическая аналитика с LynxDB LynxDB — это легковесная система для анализа логов, работающая в одном бинарном файле без зависимостей. Она использует язык запросов Lynx Flow, позволяющий легко обрабатывать данные в виде конвейера. 🚀 Основные моменты: - Пайплайн-запросы для обработки данных - Полнотекстовый поиск и колоночное хранилище - Поддержка кластерного режима и материализованных представлений - Никакой конфигурации — разумные настройки по умолчанию - Активная разработка, обратная связь приветствуется 📌 GitHub: https://github.com/lynxbase/lynxdb #rust

12 661

🖥️✨ Hermes Web UI: Интуитивный веб-дашборд для управления AI чатами. Позволяет отслеживать использование, настраивать каналы и управлять заданиями через удобный интерфейс. 🚀Основные моменты: - Мультисессионное управление чатами с поддержкой различных платформ. - Аналитика использования токенов и отслеживание затрат. - Настройка и управление заданиями по расписанию. - Интегрированный терминал для работы с несколькими сессиями. 📌 GitHub: https://github.com/EKKOLearnAI/hermes-web-ui #javascript

12 661

Продвинутый SQL-прием: partial index вместо “универсального” индекса Если в таблице много строк, но запрос почти всегда смотрит только активные записи, не обязательно индексировать всё. Например, есть таблица заказов:


SELECT *
FROM orders
WHERE user_id = 42
  AND status = 'active';

Обычный индекс:


CREATE INDEX idx_orders_user_status
ON orders(user_id, status);

Работает, но он хранит данные по всем статусам: active, cancelled, archived, failed и так далее. Если чаще всего нужны только активные заказы, можно сделать partial index:


CREATE INDEX idx_orders_active_user
ON orders(user_id)
WHERE status = 'active';

Такой индекс меньше, быстрее обновляется и лучше помещается в память. Планировщик сможет использовать его для запросов, где условие совпадает:


SELECT *
FROM orders
WHERE user_id = 42
  AND status = 'active';

Индекс не обязан покрывать всю таблицу. Иногда лучший индекс - это индекс только по тем строкам, которые реально участвуют в горячих запросах. Особенно полезно для флагов вроде deleted_at IS NULL, status = 'active', is_published = true, processed = false. #sql #postgresql #database #backend

12 661

⚡️ Вы слышали про Rust. Знаете, что он быстрый, безопасный и что за ним будущее. Осталось одно: сесть и выучить. Этот курс со Stepik- кратчайший путь от «знаю что такое Rust» до «пишу на нём». 6 модулей, 50 уроков, 143 теста. Ownership, borrowing, traits, async, Tokio, Axum, макросы, WASM — всё разложено по полочкам и закреплено практикой. Никакого видео на 40 минут ради одной мысли. Подробный текст, много кода, реальные задачи после каждого урока. На выходе — портфолио из 10+ проектов: от CLI-утилит до REST API с базой данных. 48 часов действует скидка 55 процентов: stepik.org/course/269250

12 661

✔️ Hunyuan выпустил превью Hy3 в опенсорсе: 295B параметров, 21B активных, контекст 256K. Это гибридный MoE с режимами быстрого и медленного мышления, и первая модель после полной перестройки инфраструктуры предобучения и RL. Агент тянет цепочки до 495 шагов в продакшене, работает с документами, аналитикой данных и MCP-инструментами. По скорости инференса: время до первого токена сократили на 54%, полное время ответа - на 47%. При этом на живых задачах CodeBuddy и WorkBuddy модель падает меньше чем раз на десять тысяч запросов. На стандартных бенчах (SWE-bench Verified для кода, Terminal-Bench 2.0 для терминала, BrowseComp и WideSearch для веб-поиска) Hy3 идёт вровень с топовыми кодинговыми и поисковыми агентами. Совместима с OpenClaw, OpenCode и KiloCode, запускается через vLLM и SGLang. https://modelscope.cn/models/Tencent-Hunyuan/Hy3-preview https://github.com/Tencent-Hunyuan/Hy3-preview @ai_machinelearning_big_data #Hunyuan

12 661

Как за 1 час собрать рабочий Skill в Claude Это не теория, а простой пайплайн, который реально работает. Сначала идея Берёшь повторяющуюся задачу и сразу формулируешь, что именно должен делать скилл. Лучше максимально конкретно. Дальше сборка Запускаешь skill-creator и отвечаешь на вопросы. На выходе получаешь папку и SKILL.md с логикой, триггерами и инструкциями. Потом тест Пробуешь на реальных запросах. Смотришь, срабатывает ли там, где нужно. Оценка Смотришь eval. Это шаг, который почти все пропускают, а зря. Он показывает, где скилл ведёт себя нестабильно. Доработка Чистишь формулировки, уточняешь триггеры, убираешь лишние срабатывания. Финал Загружаешь в Capabilities → Skills и проверяешь уже в живом чате. Как ускорить процесс Открой Claude Cowork Выбери Opus + Extended Thinking И просто напиши: "Помоги создать скилл для моей повторяющейся задачи" Главное правило Если скилл срабатывает лишний раз, проблема почти всегда в описании. Хороший скилл - это не код, а правильно заданный контекст. https://www.youtube.com/shorts/GhgKXX0mdxk

12 661

Что происходит при использовании функции LAST_INSERT_ID() в MySQL?

Anonymous voting

12 661

🚀 Ты всё ещё называешь обёртку над ChatGPT «AI-продуктом»? Пока ты пишешь промпты - рынок уже ушёл дальше. Сейчас выигрывают не те, кто умеет красиво формулировать запросы, а те, кто строит агентные системы: - принимают решения сами - ходят в API - работают с Postgres и Redis - управляют браузером через Playwright - доводят задачи до результата без человека И вот правда, о которой мало говорят: 90% таких систем умирают между ноутбуком и продом. Работает локально. Ломается в реальности. Нет архитектуры. Нет устойчивости. Нет деплоя. AI Agents Engineering - курс со Stepik, который закрывает этот разрыв. - LangGraph, AutoGen, Computer Use - архитектура агентов, а не «скрипты на коленке» - LLMOps, логирование, стабильность - деплой в Docker и работа в проде 8 модулей, 120+ шагов, всё через практику. На выходе не «сертификат ради галочки», а: - рабочий production-агент - понимание, как строить такие системы с нуля - навыки, за которые уже платят Сейчас самое окно входа. Через полгода это станет базой, а не преимуществом. Скидка 55% действует ещё 48 часов: https://stepik.org/a/276971/

12 661

Используй EXISTS вместо IN на больших таблицах -- медленнее

SELECT * 
FROM orders o
WHERE o.user_id IN (SELECT id FROM users WHERE active = tr

ue); -- быстрее

SELECT * 
FROM orders o
WHERE EXISTS (
    SELECT 1 
    FROM users u 
    WHERE u.id = o.user_id AND u.active = true
);

EXISTS останавливается на первом совпадении и не тянет весь подзапрос в память. На больших данных разница может быть кратной.

12 661

Вы хотите убедиться, что в колонке order_date никогда не будет дат, превышающих текущую. Какой тип ограничения нужно добавить к этой колонке?

Anonymous voting

12 661

Роден нанял бы себе ИИ-агента 💯 Ещё пару лет назад ценность инженера была в технических навыках. Сейчас — в том, как он выстраивает систему, которая работает за него или даже целую команду. Примерно как Роден 😅 Да, тот самый скульптор XIX века. Он не вырезал каждую скульптуру сам, а строил мастерскую, где идея остаётся за ним, а исполнение масштабируется. С ИИ происходит то же самое. Лучшие команды собирают процессы, где агенты подхватывают задачи, делают работу и возвращают результат — остаётся только проверить. Вот вам простой тест (подсмотрел у Дмитрия Бороздина): — у вас есть документация, где хранится весь контекст? — проводите тесты ИИ-агентов? — работаете с логами и метриками, чтобы отслеживать ошибки? Если хотя бы на один вопрос ответили «нет» — ваша мастерская, скорее всего, работает некорректно. Я периодически читаю Дмитрия — он много пишет об ИИ в ритейле: как влияет на продажи, клиентский опыт и экономику интернет-магазинов. Если тема откликается, вот канал: https://t.me/+RfOKsii_DM5iZDYy?erid=2W5zFHn3wwF 👈

12 661

Хочешь писать код быстрее в 10 раз? Вот команды Claude Code, которые реально бустят работу. Очистить контекст — /clear Сжать историю — /compact Закоммитить изменения — /commit Развернуть приложение — /ship Проверить код — /review Протестировать — /test Нашёл баги — /debug Нужно улучшить код — /refactor Сделать документацию — /docs Не знаешь с чего начать — /plan Хочешь разобраться — /explore Нужно параллельно — /parallel И для массовых задач — /batch Сохрани эту шпаргалку, чтобы не потерять.