Data Science. SQL hub

Kanalga Telegram’da o‘tish

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

Ko'proq ko'rsatish

Tarmoq:Machinelearning Rossiya18 104 Texnologiyalar & Aralashmalar3 817...

📈 Telegram kanali Data Science. SQL hub analitikasi

Data Science. SQL hub (@sqlhub) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 35 825 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 3 817-o'rinni va Rossiya mintaqasida 18 104-o'rinni egallagan.

📊 Auditoriya ko‘rsatkichlari va dinamika

невідомо sanasidan buyon loyiha tez o‘sib, 35 825 obunachiga ega bo‘ldi.

20 Iyun, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -37 ga, so‘nggi 24 soatda esa -11 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.

Tasdiqlash holati: Tasdiqlanmagan
Jalb etish (ER): Auditoriya o‘rtacha 7.26% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 3.88% ini tashkil etuvchi reaksiyalarni to‘playdi.
Post qamrovi: Har bir post o‘rtacha 2 603 marta ko‘riladi; birinchi sutkada odatda 1 389 ta ko‘rish yig‘iladi.
Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 11 ta reaksiya keladi.
Tematik yo‘nalishlar: Kontent sql, индекс, postgres, index, sqlite kabi asosiy mavzularga jamlangan.

📝 Tavsif va kontent siyosati

Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“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”

Yuqori yangilanish chastotasi (oxirgi ma’lumot 21 Iyun, 2026 da olingan) sababli kanal doimo dolzarb va katta qamrovli bo‘lib qoladi. Analitika auditoriya kontent bilan faol hamkorlik qilishini, uni Texnologiyalar & Aralashmalar toifasidagi muhim ta’sir nuqtasiga aylantirishini ko‘rsatadi.

35 825

Obunachilar

-1124 soatlar

-157 kunlar

-3730 kunlar

2 603

Post ko'rishlar

~ 1 38924 soatlar

~ 1 73748 soatlar

7.26%

Muloqot nisbati

Ma'lumot yo'q

Kuniga postlar

Ads index

beta

Postlar arxiv

35 825

🖥 Большой справочник по SQL на русском 📌Скачать @sqlhub

35 825

🖥 Полезные тренажеры SQL Тренажеры, которые могут пригодится для "оттачивания" навыков и подготовки к собеседованиям. Конечно, нет ничего лучше реальных задач, но иногда реальных нет. Когда у меня была такая ситуация, я прорешала задачи на Hakerrank и это помогло мне в дальнейшем пройти собеседование. Там же, например на Hakerrank, можно получить сертификаты для подтверждения своего уровня. ● Hakerrank ● Strata scratch ● SQLBolt ● W3schools ● Курс по основам SQL, состоящий из 19 небольших уроков с лёгкой подачей @sqlhub

35 825

🖥 Advanced SQL Injection Cheatsheet Этот репозиторий содержит расширенную методологию всех типов SQL иньекций. 🖥 Github @sqlhub

35 825

🖥 CREATE INDEX в SQL Если столбец имеет ограничение CREATE INDEX, то данные извлекаются быстрее, если мы используем именно этот столбец для извлечения данных. Индекс — это объект базы данных, создаваемый с целью повышения производительности поиска данных. Таблицы в базе данных могут иметь большое количество строк, которые хранятся в произвольном порядке, и их поиск по заданному критерию путем последовательного просмотра таблицы строка за строкой может занимать много времени. Словно закладка в книге, индекс помогает быстро получить доступ к требуемым данным в таблице, согласно SQL-запросу. Таким образом, использование индексов позволяет ускорить получение данных. Например:

-- Создаем таблицу
CREATE TABLE Colleges (
  college_id INT PRIMARY KEY,
  college_code VARCHAR(20) NOT NULL,
  college_name VARCHAR(50)
);
 
-- Создаем индекс
CREATE INDEX college_index
ON Colleges(college_code);

Здесь мы создаем индекс с именем college_index в таблице Colleges, используя столбец college_code. Примечание: Увидеть разницу в скорости при малом количестве данных в таблице проблематично. Однако при большом количестве данных можно легко заметить разницу в скорости между использованием индексов и без них. CREATE UNIQUE INDEX для уникальных значений Если нужно создать индексы для уникальных значений в столбце, следует использовать ограничение CREATE UNIQUE INDEX. Например:

-- Создаем уникальный индекс
CREATE UNIQUE INDEX college_index
ON Colleges(college_code);

Здесь мы создаем уникальный индекс с именем college_index в таблице Colleges, используя столбец college_code. Удалить индекс из таблиц Для удаления индекса из таблицы используется оператор DROP INDEX. Например:

SQL Server

DROP INDEX Colleges.college_index;
PostgreSQL, Oracle

DROP INDEX college_index;
MySQL

ALTER TABLE Colleges
DROP INDEX college_index;

Здесь мы удаляем ограничение college_index из таблицы Colleges. Примечание: Удаление индекса означает, что удаляется только индекс. Данные в исходной таблице остаются неизменными. @sqlhub

35 825

Хотите дорасти до уверенного Middle Data Engineer, но текущего стека не хватает? На курсе «Инженер данных» от karpov.courses опытные специалисты из VK, Яндекс Go, Sbermarket и Ozon помогут дополнить ваш арсенал современными инструментами для хранения и обработки больших данных. За 5 месяцев вы научитесь: ● Работать с реляционными и MPP базами данных ● Автоматизировать ETL-пайплайны ● Проектировать традиционные и облачные хранилища ● Применять ML-модели на больших данных ● Строить дашборды для мониторинга DWH платформы Здесь вас ждут интересные проекты и настоящая инфраструктура: Greenplum, Hadoop, Kubernetes, Spark, Hive, Kafka, Airflow, Tableau. По итогам обучения вы станете крепким Middle специалистом с широким набором прикладных навыков, а наш HR доведёт вас до оффера в хорошую компанию. Курс стартует 11 мая, учитесь уже сейчас, так как с 15 мая цена вырастет!

35 825

🖥 Подборка бесплатных курсов по SQL Собрали для вас список бесплатных курсов по SQL от базовых до продвинутых. 1. SQL for Data Analysis 2. Интерактивный тренажер по SQL 3. Kaggle: Intro to SQL 4. Advanced SQL 5. Introduction to Structured Query Language (SQL) 6. Advanced Databases and SQL Querying 7. Databases and SQL for Data Science with Python 8. Oracle SQL – A Complete Introduction 9. Intro to SQL 10. Advanced SQL 11. Oracle SQL Basics 12. Beginners Guide to SQL 13. SQL for Data Science 14. Introduction to Databases and SQL Querying 15. Intro to Relational Databases #SQL #курсы #бд @sqlhub

35 825

🖥 Ограничение CHECK в SQL Ограничение CHECK используется для указания условия, которое должно быть выполнено для вставки значения в таблицу. Например:

CREATE TABLE Orders (
  order_id INT PRIMARY KEY,
  amount INT CHECK (amount > 0)
);

Здесь столбец amount принимает значения только больше 0, это является условием для проверки. Теперь давайте попробуем вставить данные в таблицу Orders. Пример №1

-- Вставляем значение 100.
-- Данные добавлены
INSERT INTO Orders(amount) VALUES(100);

Пример №2

-- Вставляем значение -5.
-- Ошибка при добавлении данных
INSERT INTO Orders(amount) VALUES(-5);

Примечание: Ограничение CHECK используется для проверки данных только при вставке. Чтобы проверить, существует ли строка, следует использовать оператор EXISTS. ❗️Создать именованное ограничение CHECK Популярной практикой является создание именованных ограничений, чтобы их было легче изменять и удалять. Например:

-- Создаем именнованое ограничение amountCK для столбца amount.
-- Ограничение проверяет, чтобы значение для вставки было больше 0
CREATE TABLE Orders (
  order_id INT PRIMARY KEY,
  amount INT,
  CONSTRAINT amountCK CHECK (amount > 0)
);

❗️Ограничение CHECK в существующей таблице Мы можем добавить ограничение CHECK к существующей таблице, используя оператор ALTER TABLE. Например:

-- Добавляем неименованное ограничение CHECK
 ALTER TABLE Orders
ADD CHECK (amount > 0);

Также можно добавить и именованное ограничение CHECK:

-- Добавляем именованное ограничение CHECK - amountCK 
ALTER TABLE Orders
ADD CONSTRAINT amountCK CHECK (amount > 0);

Примечание: Если мы попытаемся добавить ограничение amount > 0 к столбцу, значение которого уже меньше 0, мы получим ошибку. ❗️Удалить ограничение CHECK Мы можем удалить ограничение CHECK, используя оператор DROP. Например: SQL Server, PostgreSQL, Oracle

-- Удаляем ограничение CHECK - amountCK
ALTER TABLE Orders
DROP CONSTRAINT amountCK;

MySQL

-- Удаляем ограничение CHECK - amountCK
ALTER TABLE Orders
DROP CHECK amountCK;

@sqlhub

35 825

Мы - команда разработчиков компании РЕЛЭКС разрабатываем ультрасовременную высокопроизводительную реляционную СУБД SoQoL. В нашем канале вы сможете узнать и обсудить: · С какими сложностями мы сталкиваемся при разработке СУБД? · Какие решения используем и почему? · Почему не стали разрабатывать еще один Postgres? · Как протестировать альфа-версию SoQoL? · Как принять участие в пилотном проекте с новой СУБД? Подписывайтесь 🤝 на канал и будьте в курсе последних новостей разработки CУБД SoQoL https://t.me/soqol_dbms

35 825

🖥 BACKUP DATABASE в SQL Важно регулярно создавать резервные копии базы данных, чтобы данные не были потеряны в случае повреждения базы данных (БД). В SQL мы можем создавать резервные копии БД с помощью оператора BACKUP DATABASE. Например:

BACKUP DATABASE orders
TO DISK = 'C:\orders_backup.bak';

Здесь мы создаем файл резервной копии базы данных orders на диске C с именем orders_backup.bak. Примечание: Распространено использование расширения .bak для файлов резервных копий БД, однако это не является обязательным. Резервное копирование только новых изменений в SQL В SQL мы также можем сделать резервную копию только новых изменений по сравнению с предыдущей резервной копией, используя команду WITH DIFFERENTIAL. Например:

BACKUP DATABASE orders
TO DISK = 'C:\orders_backup.bak'
WITH DIFFERENTIAL;

Здесь мы добавляем только новые изменения в предыдущий файл резервной копии. Следовательно, эта команда работает быстрее, нежели создание резервной копии БД с нуля. Восстановление базы данных из резервной копии Для восстановления файла резервной копии в системе управления базой данных (СУБД) используется оператор RESTORE DATABASE. Например:

RESTORE DATABASE orders
FROM DISK = 'C:\orders_backup.bak';

Здесь мы восстанавливаем файл резервной копии orders_backup.bak в базе данных orders. @sqlhub

35 825

🖥 Оператор FULL OUTER JOIN в SQL Оператор FULL OUTER JOIN объединяет две таблицы на основе общего столбца и выбирает не только записи с совпадающими значениями в этих столбцах, но и все оставшиеся строки из обеих таблиц. Например:

SELECT Customers.customer_id, Customers.first_name, Orders.amount
FROM Customers
FULL OUTER JOIN Orders
ON Customers.customer_id = Orders.customer;

На картинке видно как отработает данный код. Здесь мы выбираем столбцы customer_id и first_name (из таблицы Customers) и столбец amount (из таблицы Orders). В результате получаем те строки, в которых есть совпадение между customer_id (таблицы Customers) и customer (таблицы Orders) вместе со всеми остальными строками из обеих таблиц. Синтаксис оператора FULL OUTER JOIN Синтаксис оператора FULL OUTER JOIN следующий:

SELECT столбцы
FROM таблица1
FULL OUTER JOIN таблица2
ON таблица1.имя_столбца = таблица2.имя_столбца;
Оператор FULL OUTER JOIN с оператором WHERE

Вот пример использования оператора FULL OUTER JOIN с оператором WHERE:

SELECT Customers.customer_id, Customers.first_name, Orders.amount
FROM Customers
FULL OUTER JOIN Orders
ON Customers.customer_id = Orders.customer
WHERE Orders.amount >= 500;

Здесь мы объединяем две таблицы и выбираем строки, в которых сумма (amount) больше или равна 500. Оператор FULL OUTER JOIN с псевдонимами AS Мы можем использовать псевдонимы AS с оператором FULL OUTER JOIN, чтобы сделать наш код короче и чище. Например:

SELECT C.cat_name, P.prod_title
FROM Categories AS C
FULL OUTER JOIN Products AS P
ON C.cat_id = P.cat_id;

Здесь мы выбираем общие строки между таблицами Categories и Products. @sqlhub

35 825

🖥 Как в sql посчитать количество повторяющихся значений Можно попробовать использовать функцию COUNT() в сочетании с оператором GROUP BY. Предположим, у нас есть таблица "orders" с колонками "customer_name" и "order_date", и мы хотим посчитать, сколько заказов было сделано каждым клиентом. Мы можем написать следующий SQL-запрос:

SELECT customer_name, COUNT(*) as order_count
FROM orders
GROUP BY customer_name

Этот запрос выберет все уникальные значения из колонки "customer_name" в таблице "orders" и подсчитает количество строк, связанных с каждым уникальным значением. Результатом запроса будет таблица со столбцами "customer_name" и "order_count", в которой каждая строка будет показывать клиента и количество его заказов. @sqlhub

35 825

🖥 Как работает CASE SQL Оператор CASE в SQL используется для создания условий, когда нужно выполнить различные операции в зависимости от значения столбца или выражения. Оператор CASE может быть использован в двух форматах:

CASE без ELSE:
SELECT column1,
       CASE
         WHEN column2 = 'value1' THEN 'result1'
         WHEN column2 = 'value2' THEN 'result2'
       END AS column3
FROM table;

В этой форме оператора CASE используется блок WHEN для проверки значения столбца column2. Если значение равно value1, то будет возвращено значение result1. Если значение равно value2, то будет возвращено значение result2. Если значение не соответствует ни одному из условий, то для столбца column3 будет возвращено значение NULL.

CASE с ELSE:
SELECT column1,
       CASE column2
         WHEN 'value1' THEN 'result1'
         WHEN 'value2' THEN 'result2'
         ELSE 'result3'
       END AS column3
FROM table;

В этой форме оператора CASE используется значение столбца column2 в блоке CASE. Если значение равно value1, то будет возвращено значение result1. Если значение равно value2, то будет возвращено значение result2. Если значение не соответствует ни одному из условий, то будет возвращено значение result3. Оба формата оператора CASE могут использоваться в запросах на выборку данных в SQL. Они позволяют создавать условия, когда нужно выполнить различные операции в зависимости от значения столбца или выражения. @sqlhub

35 825

Прокачать скилл с нуля и устроиться работать аналитиком данных можно всего за 2 месяца. Учебная программа одобрена экспертным советом Томского государственного университета. Почему мы? 📚 Официальный образовательный партнер Томского государственного университета 🏅 Преподаватели-практики с высокой экспертизой 🎓 Удостоверение о повышении квалификации установленного образца 🙍‍♀️ Поддержка тьютора в зачислении и обучении 🙌 Увлеченное коммьюнити и новые полезные контакты 👥 Сотни довольных выпускников прошлых лет Приглашаем принять участие: — Студентов старшего курса и выпускников — Женщин в декрете и неработающих мам детей до 7 лет — Безработных и лиц под риском увольнения — Лиц 50 лет и старше, предпенсионеров Подробные условия участия на сайте проекта. У нас есть и другие программы! 👨‍💻 Тестировщик ПО 🖌 Графический дизайн 🎲 Системный аналитик 📊 Аналитик маркетплейсов Подайте заявку и начните учиться уже через 2 недели! https://clck.ru/34GSDU

35 825

🖥 Как создать временную таблицу в sql запросе Для создания временной таблицы используется ключевое слово TEMPORARY в команде CREATE TABLE: CREATE TEMPORARY TABLE название_таблицы Удобно создавать временную таблицу на выборке из другой таблицы: CREATE TEMPORARY TABLE customer_temp SELECT * FROM customer; @sqlhub

35 825

Try Redis — тренажёр для освоения Redis БД Redis — это удобное и быстрое хранилище данных класса NoSQL, которое хранит и работает с данными типа «ключ — значение». Redis известен своей высокой производительностью, простотой и универсальностью. А потренироваться в использовании вам поможет тренажёр Try Redis, который может генерировать запросы: https://try.redis.io/ #redis @sqlhub

35 825

🖥 Создание базы данных для маркетплейса с помощью SQL В этой статье мы разработаем БД для практики. В этом проекте перед вами стоит задача создать реляционную базу данных для веб-сайта, предлагающего продажу подержанных автомобилей. Общее описание этого проекта заключается в том, что любой желающий может предлагать свои товары (подержанные автомобили) в виде рекламы, а потенциальные покупатели могут осуществлять поиск по нескольким категориям. ▪ Читать дальше @sqlhub

35 825

Хотите самостоятельно и оптимально готовить срезы и витрины данных? 📊 Приходите учиться этому 25 апреля 20:00 на открытый урок онлайн-курса «Data Warehouse» в OTUS. Начинаем обучение с важной темы: «Аналитика ключевых метрик компании с использованием dbt Metrics». На вебинаре вы узнаете: - Что такое семантический слой, и в чем разница между метрикой и витриной данных - О правилах декларативной конфигурации метрик в yaml - Как использовать продвинутые возможности dbt Metrics (derived metrics, secondary calculations) Продолжить обучение вы сможете уже на курсе. Возможны разные формы оплаты. Спикер: Артемий Козырь, Analytics Engineer в британской компании Wheely. Имеет 7+ лет опыта в области хранилищ данных, ELT pipelines, анализа данных и визуализации. Для участия пройдите вступительный тест 👉 https://otus.pw/sktk/ Нативная интеграция. Информация о продукте на сайте otus.ru

35 825

🖥 Как работает like в SQL Думаю можно ответить так - оператор LIKE используется для сравнения значений в столбцах с шаблоном, который вы задаете. Он позволяет искать строки, которые содержат определенные символы или фразы. Шаблон запроса: SELECT column_name(s) FROM table_name WHERE column_name LIKE pattern;

Пример: SELECT * FROM customers WHERE last_name LIKE 'Sm%';

Этот запрос вернет все строки из таблицы customers, в которых last_name начинается с букв "Sm". Оператор LIKE чувствителен к регистру символов, то есть "A" и "a" будут восприниматься как разные символы. Однако, для того чтобы выполнить поиск, игнорируя регистр символов, можно использовать функцию UPPER или LOWER, например:

SELECT * FROM employees WHERE UPPER(first_name) LIKE '%JOHN%';

@sqlhub

35 825

💪 Пройди тест по MS SQL и проверь свои знания. Ответишь — пройдешь на углубленный курс "MS SQL Server разработчик" от OTUS по специальной цене + получишь запись мастер-класса от преподавателя курса🎁 . 📌 ПРОЙТИ ТЕСТ: https://otus.pw/s4Xo/ Нативная интеграция. Информация о продукте www.otus.ru