Data Science. SQL hub

Разрозненные инструменты, ручные операции, переключение консолей и долгий поиск причин сбоя — знакомая проблема для команд без единой среды администрирования. Postgres Pro Enterprise Manager 2.5 помогает навести порядок. Это графическая платформа для управления базами данных Postgres Pro через веб-интерфейс. С новой версией команда тратит еще меньше времени на рутину и быстрее возвращает систему в нормальный режим. Преимущества для бизнеса: ✔️ Ниже нагрузка на администраторов и меньше ручных операций. ✔️ Больше порядка в работе с экземплярами, ролями и бэкапами. ✔️ Быстрее поиск причин сбоев и проще восстановление. ✔️ Более управляемая инфраструктура и предсказуемая работа команды. Что нового в версии 2.5: ✔️ BiHA-кластеры: мажорное обновление через GUI, улучшенная интеграция и поддержка узла-рефери. ✔️ Аудит и контроль доступа: аудит CRUD-операций, детали изменений, работа с ролями СУБД через формы. ✔️ Логи и диагностика: VictoriaLogs, раздел «Диагностика» и поддержка pg_diagdump. ✔️ Бэкапы: удаленный режим pg_probackup через SSH и стабилизация непривилегированного режима агента. Запросите тестирование и проверьте Postgres Pro Enterprise Manager 2.5 на своей инфраструктуре. Реклама ООО «ППГ» Инн: 7707083893 Erid: 2Vtzqwfck23

Edit Banana редактирует текст прямо на картинках за пару кликов. Нейросеть разбирает изображение на смысловые блоки, после чего любой фрагмент можно переписать, не трогая остальное. Модель уверенно справляется с таблицами, формулами и диаграммами, сохраняет исходные цвета, шрифты и позиции элементов. Готовый результат экспортируется в DrawIO, SVG или PowerPoint. Проект полностью открытый, ставится локально с GitHub. Забираем, пока не закрыли: https://github.com/BIT-DataLab/Edit-Banana

🔥 NornicDB: База данных, которая объединяет Graph + Vector и летает в sub-ms Это гибрид: Graph + Vector + Temporal MVCC в одном ядре заточен под AI-агентов и knowledge systems Что внутри: • HNSW поиск <1ms • graph traversal без тормозов • writes тоже быстрые, не только чтение Из хорошего, это не Frankenstein из разных сервисов, а единая система. Под капотом: • Neo4j-compatible (Bolt + Cypher) • vector search как first-class citizen • GPU acceleration T- emporal модель с версионированием данных То есть ты можешь: • искать эмбецдинги • ходить по графу • делать time-travel запросы • всё это в одном запросе. Фактически это попытка сделать “память для AI”: где есть связи, смысл и история изменений, а не просто таблицы. Если делаешь RAG, multi-agent системы или сложные knowledge graph - будет полезно. GitHub: https://github.com/orneryd/NornicDB

⚡️ Вышло большое обновление популярного курса- Ai AI агенты, которые реально работают в проде! Вы всё ещё пишете обёртки над ChatGPT и называете это «AI-продуктом»? Пока вы промптите - рынок переходит на агентные системы. Те, что принимают решения, ходят в API, работают с Postgres и Redis, управляют браузером через Playwright. И 90% таких систем ломаются между ноутбуком и продом. AI Agents Engineering - курс, который закрывает этот разрыв. LangGraph, AutoGen, Computer Use, LLMOps. 8 модулей, 120+ шагов - от архитектуры до деплоя в Docker. На выходе: реальный опыт на большой практической базе, а production-агент и навыки, за которые уже платят. 👉 48 часов действует скидка на курс 55 процентов: https://stepik.org/a/276971/

Не пиши SELECT DISTINCT, если проблему создаёт плохой JOIN Частая ошибка - сначала размножают строки джойном, потом сверху лечат это DISTINCT. Это дорого и часто убивает план. Плохо:

SELECT DISTINCT u.id, u.name
FROM users u
JOIN orders o ON o.user_id = u.id
WHERE o.created_at >= CURRENT_DATE - INTERVAL '30 days';

Лучше так:

SELECT u.id, u.name
FROM users u
WHERE EXISTS (
    SELECT 1
    FROM orders o
    WHERE o.user_id = u.id
      AND o.created_at >= CURRENT_DATE - INTERVAL '30 days'
);

DISTINCT часто добавляет sort или hash aggregation на огромном объёме. EXISTS превращает задачу в semijoin: • оптимизатору проще остановиться на первом совпадении • меньше памяти, меньше лишних строк, стабильнее план Это один из тех рефакторингов, который на больших таблицах реально даёт заметный буст.

Трансформация профессии разработчика в эпоху ИИ Профессия разработчика меняется прямо сейчас: ИИ уже пишет код, предлагает архитектуру и собирает прототипы за минуты. Но без фундаментальных знаний архитектуры, алгоритмов, сетей, безопасности и DevOps использовать такие инструменты рискованно. Центральный университет запускает серию бесплатных вебинаров о том, как меняется роль разработчика в 2026 году, какие навыки остаются критически важными и как безопасно и эффективно использовать нейросети в разработке. На вебинарах разберем: — почему ИИ не заменит программиста, но изменит его роль; — какие навыки и языки будут востребованы; — чего ждут работодатели от разработчиков сегодня; — почему магистратура по бэкенд-разработке может стать преимуществом; — как вырасти в техлида и тимлида, не теряя технических экспертных знаний. Спикеры — лидеры индустрии из Центрального университета, Авито и cloud. ru. Даты вебинаров: 21, 23 и 27 апреля 2026, 19:00 мск. Регистрируйся по ссылке

Ты до сих пор выбираешь базу данных по привычке? Вот 13 типов БД, которые нужно понимать, если хочешь проектировать системы нормально: 1) Реляционные Хранят структурированные данные в таблицах со схемой и работают через SQL 2) Key-Value Простейшие пары ключ-значение для максимально быстрых чтений и кеширования 3) Колоночные Хранят данные по колонкам, а не по строкам, идеально для аналитики 4) Wide-Column Гибкие колоночные семейства для распределённых систем и больших нагрузок 5) Документные JSON-подобные документы со свободной структурой и вложенностью 6) Векторные Хранят эмбеддинги, основа для AI, поиска по смыслу и RAG 7) Time-Series Данные с таймстемпами, метрики, логи, события 8) Immutable Ledger Нельзя изменить или удалить, только добавлять, используется для audit и финтеха 9) Графовые Оптимизированы под связи между сущностями, соцсети, рекомендации, fraud 10) Геопространственные Работают с координатами, расстояниями и картами 11) In-Memory Хранят данные в RAM, минимальная задержка и максимум скорости 12) Blob Для хранения файлов, изображения, видео, бинарные данные 13) Полнотекстовый поиск Индексируют текст и позволяют быстро искать по содержимому Реальность такая: нет лучшей базы данных есть база под конкретную задачу И чем раньше это понимаешь, тем меньше костылей потом в проде Какой тип используешь чаще всего сейчас? https://www.youtube.com/shorts/9QiasqVw-50

Продвинутый SQL совет - всегда проверяй, можно ли заменить SELECT DISTINCT на правильный JOIN или EXISTS. Очень часто DISTINCT добавляют просто чтобы убрать дубли после неудачного join. Запрос вроде работает, но по факту ты сначала раздуваешь результат, а потом заставляешь базу его чистить. На больших таблицах это легко убивает производительность. Плохой вариант:

SELECT DISTINCT u.id, u.name
FROM users u
JOIN orders o ON o.user_id = u.id;

Лучше так:

SELECT u.id, u.name
FROM users u
WHERE EXISTS (
    SELECT 1
    FROM orders o
    WHERE o.user_id = u.id
);

Почему это сильный приём: EXISTS останавливается, как только находит первое совпадение не нужно тащить лишние строки не нужно потом убирать дубли логика запроса становится честной - ты проверяешь наличие, а не собираешь мусор Это один из самых частых hidden performance fixes в SQL. Если видишь DISTINCT, сразу спрашивай себя: он тут реально нужен или просто маскирует плохую логику JOIN.

🚀 PageIndex - умный индекс документов для reasoning-RAG (без векторов) PageIndex от VectifyAI - open-source система, которая помогает работать с длинными документами (PDF, тексты, правила и т.д.) так, как это сделал бы эксперт-человек, а не обычный поисковик. В отличие от традиционных RAG-систем, которые разбивают текст на куски и используют vector search (векторное сопоставление), PageIndex создаёт иерархическое дерево структуры документа и позволяет моделям ИИ логически искать ответы через reasoning и tree search. 📄 Основная идея - Длинные документы индексируются как семантическое дерево — похожее на умный «оглавление» - Структура сохраняет контекст и древовидную иерархию секций - При запросе модель обходит дерево через reasoning-поиск, как человек, который листает книгу по разделам, а не просто ищет по похожести текста - Не нужны: векторная база данных, chunking и top-K-селекция, что снижает потери контекста и повышает точность поиска 🧠 Почему это важно ✔️ Лучше для сложных и больших документов (финансовые отчёты, юридические тексты, технические мануалы) ✔️ Сохранение структуры означает, что ИИ может понимать, где именно в документе находится нужная информация ✔️ В отличие от vector-RAG, здесь решение не основано на похожести, а на пошаговом анализе структуры документа 🔧 Что внутри - Скрипты и Jupyter-ноутбуки для генерации дерева из PDF или Markdown - Возможность делать reasoning-RAG напрямую без внешних Vector DB - Примеры использования и cookbooks для практических сценариев PageIndex - это не просто индекс, а иерархический, reasoning-ориентированный RAG-фреймворк. Он позволяет ИИ читать и анализировать документы, как эксперт, обходя ограничения простого векторного поиска в больших текстах. ▪ Github: https://github.com/VectifyAI/PageIndex ▪ Blog post: https://vectify.ai/blog/Mafin2.5

🚀 Qwen 3.6-Plus забрал все три первых места на OpenRouter. Одновременно. Alibaba выкатили новую модель, и она сразу заняла #1 в трех рейтингах OpenRouter: Daily, Weekly и Trending. Такого там раньше никто не делал. Модель уже вышла из триала и доступна в проде. По первым отзывам: латенси ниже, рассуждения на уровне топовых моделей, а цена за токен заметно приятнее конкурентов. Доступна через Qwen Cloud, Alibaba Cloud Model Studio, OpenRouter и Fireworks AI. Из коробки интегрируется с OpenClaw, Kilo Code, Cline, opencode и Qoder. Для тех, кто сейчас выбирает модель под продакшен, есть смысл погонять на своих задачах. Достижения на OpenRouter звучат красиво, но синтетические бенчмарки и реальные пайплайны - вещи разные. Интересно посмотреть, как она поведет себя на длинных контекстах и сложных мультиэтапных цепочках. openrouter.ai/qwen/qwen3.6-plus fireworks.ai/models/fireworks/qwen3p6-plus @ai_machinelearning_big_data #qwen

🚀 GigaChat 3.1 Ultra и GigaChat 3.1 Lightning в опенсорс под MIT лицензией! Обе модели • Обучены с нуля — без инициализации зарубежными весами • MoE + MTP + MLA • Совместимы с HuggingFace, llama.cpp / vLLM / SGLang Код и веса уже на платформе GitVerse. Это не просто релиз весов, а результат большой инженерной работы над качеством, alignment и стабильностью модели. В блоге команда поделилась результатами и своими наработками. В релизе: высокие результаты на аренах, улучшенный function calling, решённая проблема циклов, DPO в нативном FP8, найденный и зарепорченный баг в SGLang при dp > 1.

🔥 Китайцы выкатили мощный голосовой ИИ - VoxCPM2 Модель от OpenBMB, которая умеет: • Понимать и генерировать речь • Работать с голосом почти в реальном времени • Делать voice-to-voice без сложных пайплайнов • Подходит под ассистентов, звонки и голосовые агенты Главный плюс - всё это в одной модели, без костылей из ASR + TTS https://huggingface.co/openbmb/VoxCPM2

Проект растет, и быстро искать нужные данные становится все сложнее? Ждем вас на авторском практикуме Дмитрия Кириллова «Разработка корпоративных RAG-систем на PostgreSQL» от ОТУС! О чём будет эфир: 💾Почему классический поиск и документация перестают работать в сложных системах 💾Что такое RAG-системы и как они устроены 💾Архитектура решения: от данных до ответа пользователю 💾Практика: реализация RAG на базе PostgreSQL 💾Как улучшать качество ответов и снижать галлюцинации Ведущий: Дмитрий Кириллов — педагог, соучредитель и технический директор одного из крупнейших сервисов онлайн-регистрации бизнеса в России. 🎁Бонусы для участников: 7% скидка на любой курс ОТУС + доступ к бесплатному пробному периоду корпоративной платформы 🎁Подарок - мини-курс по PostgreSQL Регистрация открыта: https://tglink.io/c2bbaf26a8a9fa Увидимся на эфире! Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963. erid: 2W5zFJNYVwF

🔥 Собери свой OpenClaw за вечер Репозиторий, в котором разобрано устройство OpenClaw по слоям. Это формат, которого не хватает большинству гайдов, пошаговая сборка системы, где каждый этап добавляет новый уровень сложности Сначала обычный чат. Потом подключаются инструменты. Затем навыки, работа с вебом, память, маршрутизация задач и мультиагентная логика. В какой-то момент начинаешь ловить себя на мысли, что уже думаешь как оркестратор, а не как пользователь модели В гайде хорошо видно, где заканчивается модель и начинается обвязка. Как строится цикл принятия решений, как агент выбирает инструменты и как вообще появляется ощущение «интеллекта» Дает неплохое понимание архитектуры клешни. https://github.com/czl9707/build-your-own-openclaw @ai_machinelearning_big_data #opensource #openclaw

💨 Тормозят SQL-запросы и дашборды? Мы повторяем самый эффективный Практикум года! Спикер - Георгий Семенов, руководитель команды Analytics Engineering в Яндексе. Его опыт (VK, Wildberries, ЦУМ, ВТБ) и 14 лет в управлении IT-проектами — это концентрат практических знаний без воды! Приглашаем вас на практикум «Аналитика без тормозов: разгоните свои дашборды и SQL-запросы» 7 апр в 19:00. Мы разберем, как радикально ускорить вашу работу. На вебинаре вы: 🔹 Узнаете об эффективных подходах — от тактических SQL-приёмов до стратегических архитектурных решений. 🔹 Разберёте конкретные методы, применимые к любой СУБД, и тонкие нюансы оптимизации. 🔹 Получите готовый набор фишек для ускорения запросов и витрин уже на следующий день. Устали каждый раз пить кофе, пока выполняется запрос? Раздражает, когда дашборд висит на последнем проценте загрузки? Пора это прекратить - регистрация прямо здесь: https://tglink.io/c3219750010c3e Реклама. ООО "АЙТИ РЕЗЮМЕ". ИНН 4025460134. erid: 2W5zFHzJgi5

⚡️ Таблицы теперь живут прямо в терминале Да, без Excel и без GUI. Sheets - это инструмент, который позволяет читать и редактировать CSV прямо в терминале через TUI или CLI. Что внутри: - полноценная работа с таблицами без выхода из терминала - vim-подобные хоткеи и навигация - быстрые правки без лишнего оверхеда Работает на Windows, macOS и Linux. Идеально, если ты живёшь в терминале и не хочешь дергаться между окнами. Excel начинает нервничать. https://github.com/maaslalani/sheets

Oracle массово режет штат - до 30 000 человек за один день. По разным оценкам уволили от 10 000 до 30 000 сотрудников • Письма пришли в 6 утра - без предупреждений от менеджеров и HR • День получения письма сразу стал последним рабочим днём • В отдельных командах сокращения доходят до 30%+ Формулировка классическая: «организационные изменения» Что на самом деле произошло : Компани перераспределяет деньги в ИИ и облачную инфраструктуру. В 2025 компания столкнулась с резким ростом расходов • Огромный кассовый разрыв из-за инвестиций в инфраструктуру • Аналитики оценивают экономию от сокращений в $8–10 млрд Но есть нюанс:Даже если все деньги уйдут в ИИ, окупаемость ожидается только к 2030 году Ирония 2026:Мы думали, нас заменит ИИ, потому что он умнее и дешевле А оказалось - нас увольняют, потому что он слишком дорогой и пока ещё не настолько эффективны. https://vc.ru/ai/2844412-oracle-uvolila-do-30000-sotrudnikov-iz-za-investitsiy-v-ii

Одна из самых долгих и ресурсоемких частей в создании аналитических систем - это подготовка базовой инфраструктуры. Stackland, выпущенный Yandex B2B Tech, как раз решает эту задачу: средства хранения и обработки данных, как и управляемые СУБД от Yandex Cloud уже встроены в платформу и разворачиваются из коробки вместе с необходимым слоем управления. И разворачивается платформа во внутреннем безопасном контуре. Получаешь готовый data-фундамент с управлением доступами, мониторингом и масштабированием. И можешь сразу идти в разработку. Запросить демо платформы, а также записаться на индивидуальную консультацию с архитекторами платформы можно по ссылке.

Папка .claude: полный разбор того, что внутри Большинство разработчиков, работающих с Claude Code, смотрят на папку .claude как на черный ящик. Знают, что она есть. Видели, как она появляется в корне проекта. Но никогда не открывали и уж точно не понимали, что там лежит и зачем. А зря. Папка .claude – это центр управления поведением Claude в вашем проекте. Здесь хранятся инструкции, кастомные команды, правила доступа и даже память модели между сессиями. Разберемся с каждым файлом и папкой по порядку. https://uproger.com/papka-claude-polnyj-razbor-togo-chto-vnutri/

✔️ Anthropic планирует выйти на IPO в октябре 2026 года. Anthropic начала подготовку к первичному размещению акций и ведет предварительные переговоры с ключевыми игроками Уолл-стрит: Goldman Sachs, JPMorgan и Morgan Stanley, чтобы выбрать организаторов листинга. Ожидается, что в ходе IPO стартап сможет привлечь более $60 млрд. Размещению предшествовал крупный раунд финансирования, прошедший в феврале этого года. В рамках этого раунда консорциум инвесторов во главе с фондами GIC и Coatue вложил в компанию $30 млрд, что подняло общую капитализацию Anthropic до $380 млрд. Финансовый рынок уже отреагировал на новости: эмитенты ETF начали подавать заявки на регистрацию маржинальных фондов, привязанных к котировкам будущих акций компании. bloomberg.com ✔️ Microsoft опенсорснула семейство эмбеддингов Harrier. Harrier-OSS-v1 - линейка мультиязычных моделей для векторизации текста. Они используются для информационного поиска, кластеризации, классификации текстов и оценки семантической близости. Семейство выбило SOTA-рекорд в бенчмарке Multilingual MTEB v2. Флагманская модель на 27 млрд. параметров и компактная на 270 млн. построены на архитектуре Gemma 3, а средняя версия на 600 млн. параметров использует базу Qwen 3. Модели поддерживают контекстное окно до 32 тыс. токенов и работают с более чем 94 языками, включая русский. Семейство открыто под лицензией MIT и интегрированы в sentence-transformers, LangChain и LlamaIndex. huggingface.co ✔️ Видеогенератор Sora закрылся из-за убытков. После громкого релиза аудитория сервиса быстро сократилась с миллиона до 500 тысяч человек, при этом поддержание работы видеогенератора обходилось OpenAI примерно в $1 млн. ежедневно. В итоге проект оказался для компании обузой. К финансовым потерям добавились проблемы с авторскими правами и опасения, что создание низкокачественных роликов вредит репутации бренда. Обучение новых видеомоделей уже полностью остановлено. Под давлением конкуренции со стороны Anthropic руководство OpenAI решило перенаправить вычислительные мощности на более маржинальные направления: разработку ИИ-агентов, генерацию кода и корпоративные продукты. Команду Sora перевели на создание моделей мира для робототехники. wsj.com ✔️ Microsoft расширила возможности Copilot. В рамках обновления Microsoft 365 Copilot компания добавила новые инструменты для автоматизации рабочих процессов и глубокого поиска. Во главе апдейта - агент Researcher с функцией Critique, которая задействует 2 модели: одну для черновика, а другую - в роли проверяющего редактора, комбинируя возможности моделей от OpenAI и Anthropic. Microsoft говорит, что агент опережает Perplexity на базе Claude Opus 4.6 на 7 пунктов. Вторая часть - это функция Model Council, которая выводит на один экран ответы от разных ИИ-моделей для наглядного сравнения их выводов и поиска расхождений. Попутно Microsoft расширила доступ к Copilot Cowork по программе Frontier. Система научилась брать на себя многоэтапные задачи: она самостоятельно взаимодействует с рабочими файлами, планирует расписание в календаре и формирует ежедневные брифинги. microsoft.com ✔️ GitHub Copilot вставлял рекламу прямо в пулл-реквесты. Независимый разработчик Зак Мэнсон обнаружил , что при автокоррекции опечаток в PR Copilot добавляла рекламный текст. Поиск по GitHub подтвердил, что десятки тысяч PR уже успели получить навязчивое предложение использовать утилиту Raycast для запуска Copilot на macOS и Windows. Представитель Copilot подтвердил инцидент и сообщил, что функцию оперативно отключили, признав ее внедрение ошибкой. Однако случившееся серьезно подорвало доверие сообщества разработчиков. На фоне этого пользователи начали сообщать о переносе приватных репозиториев с GitHub на альтернативные открытые площадки: Forgejo, Gitea, Codeberg и собственные self-hosted решения. news.ycombinator.com @ai_machinelearning_big_data #news #ai #ml