Data Science. SQL hub

Відкрити в 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

Сітка:Machinelearning Росія18 129 Технології та додатки3 835...

📈 Аналітичний огляд Telegram-каналу Data Science. SQL hub

Канал Data Science. SQL hub (@sqlhub) у мовному сегменті Російська є активним учасником. На даний момент спільнота об'єднує 35 848 підписників, посідаючи 3 835 місце в категорії Технології та додатки та 18 129 місце у регіоні Росія.

📊 Показники аудиторії та динаміка

З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 35 848 підписників.

За останніми даними від 13 червня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -8, а за останні 24 години на -11, загальне охоплення залишається високим.

Статус верифікації: Не верифікований
Рівень залученості (ER): Середній показник залученості аудиторії становить 9.82%. Протягом перших 24 годин після публікації контент зазвичай збирає 4.08% реакцій від загальної кількості підписників.
Охоплення публікацій: В середньому кожен допис отримує 3 522 переглядів. Протягом першої доби публікація в середньому набирає 1 461 переглядів.
Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 13.
Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як sql, индекс, postgres, index, sqlite.

📝 Опис та контентна політика

Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“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”

Завдяки високій частоті оновлень (останні дані отримано 14 червня, 2026), канал підтримує актуальність та високий рівень охоплення публікацій. Аналітика показує, що аудиторія активно взаємодіє з контентом, що робить його важливою точкою впливу в категорії Технології та додатки.

35 848

Підписники

-1124 години

-317 днів

-830 день

3 522

Перегляди допису

~ 1 46124 години

~ 1 72448 годин

9.82%

Коефіцієнт залучення

Немає даних

Дописів на день

Ads index

beta

Архів дописів

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