This media is not supported in your browser
VIEW IN TELEGRAM
24 сентября Yandex Cloud проведёт ежегодную флагманскую технологическую конференцию Yandex Scale 2026.
🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨
В программе четыре продуктовых трека — AI, Data, Security и Hybrid Infrastructure & DevOps, — и отдельный углублённый технологический трек DeepTech, который пройдёт только онлайн.
В треке Data расскажем, как Yandex Cloud развивает аналитику от отдельных сервисов к единой бесшовной среде: от загрузки данных до готовых бизнес-инсайтов, где ИИ помогает на каждом этапе. Разберём, как YDB помогает строить рекомендательные и поисковые системы и ИИ‑ассистентов. «Додо Пицца» представит честную историю миграции десятков терабайт данных в Yandex Cloud, а также расскажет о сравнении с западным облаком и совместном преодолении ограничений. Расскажем, как Yandex Cloud движется к самоуправляемым базам данных на основе опыта эксплуатации тысяч баз в Яндексе. «Азбука вкуса» разберёт миграцию Oracle Exadata на Lakehouse в Yandex Cloud без единого аврала. И покажем, как Yandex Managed Service for Valkey научили растягиваться под нагрузку — и вширь, и вглубь.
🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨
Отдельно пройдут воркшопы по Data: разберём ключевые сценарии использования ИИ‑агента Нейроаналитика в Yandex DataLens. На практике посмотрим, как PGHouse позволяет OLTP‑базе PostgreSQL прозрачно выполнять OLAP‑запросы в ClickHouse без переписывания SQL. И соберём поисковую систему на Serverless YDB с настройкой полнотекстовых и векторных индексов.
🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨 🎨
И это ещё не всё: демозоны, питчинг решений, IT-квест и мерч — офлайн, а розыгрыши призов и секретный гость — в онлайн-студии.
Вся программа — на сайте, регистрация занимает пару минут, а участие бесплатное!
Please open Telegram to view this post
VIEW IN TELEGRAM
Как в PostgreSQL называется виртуальная таблица, содержимое которой определяется SQL-запросом и не хранится физически на диске?
Anonymous Quiz
19%
Materialized View
26%
Temp Table
3%
Index
52%
View
❤1
В Steam выходит Ghost in the SQL - детективная игра, где главный инструмент расследования не лупа и не допросы, а SQL-запросы.
Чтобы найти подозреваемого, восстановить события или докопаться до нужной улики, придётся работать с базами данных, фильтровать информацию, связывать таблицы и писать запросы.
Каждое дело постепенно знакомит с SQL через практику - от простых выборок до более сложного анализа данных.
Обещают разные расследования - поджоги, убийства и другие преступления.
Редкий случай, когда
SELECT, JOIN и WHERE действительно помогают найти преступника.https://store.steampowered.com/app/5072430/Ghost_in_the_SQL_Data/
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍13❤3🔥1🥰1
Бесплатный доступ к ChatGPT и Claude без аккаунта? 👀
DuckDuckGo добавил в Duck.ai несколько популярных AI-моделей: Claude Haiku 4.5, GPT-5.4 mini, Mistral Small 4, gpt-oss-120b и Gemma 4 31B.
Можно переключаться между разными моделями прямо в одном диалоге: если одна AI застряла на задаче, передать разговор другой.
DuckDuckGo делает упор на приватность: запросы проходят через анонимизирующий прокси, а провайдеры моделей ограничены в использовании данных для обучения.
Получается удобный «AI-комбайн»: несколько нейросетей в одном месте вместо десятка вкладок.
https://duck.ai
DuckDuckGo добавил в Duck.ai несколько популярных AI-моделей: Claude Haiku 4.5, GPT-5.4 mini, Mistral Small 4, gpt-oss-120b и Gemma 4 31B.
Можно переключаться между разными моделями прямо в одном диалоге: если одна AI застряла на задаче, передать разговор другой.
DuckDuckGo делает упор на приватность: запросы проходят через анонимизирующий прокси, а провайдеры моделей ограничены в использовании данных для обучения.
Получается удобный «AI-комбайн»: несколько нейросетей в одном месте вместо десятка вкладок.
https://duck.ai
❤9👍3
Media is too big
VIEW IN TELEGRAM
SQL: Один NULL в списке, и NOT IN возвращает ноль строк
WHERE id NOT IN (1, 2, NULL) раскрывается в id <> 1 AND id <> 2 AND id <> NULL. Последнее сравнение всегда даёт UNKNOWN, а WHERE пропускает только TRUE, поэтому запрос молча возвращает пустой результат. Одно неизвестное значение отравляет весь фильтр. Если в подзапросе возможен NULL, бери NOT EXISTS: он на NULL не ломается и читается понятнее, чем костыль с IS NOT NULL.
#sql #deathnote
WHERE id NOT IN (1, 2, NULL) раскрывается в id <> 1 AND id <> 2 AND id <> NULL. Последнее сравнение всегда даёт UNKNOWN, а WHERE пропускает только TRUE, поэтому запрос молча возвращает пустой результат. Одно неизвестное значение отравляет весь фильтр. Если в подзапросе возможен NULL, бери NOT EXISTS: он на NULL не ломается и читается понятнее, чем костыль с IS NOT NULL.
#sql #deathnote
👍9❤2🔥1
Какие локальные AI-модели запускать на разном железе в 2026 году
Подборка от 8 до 512 ГБ памяти.
8 ГБ
LFM2.5-2.6B - небольшой, но крепкий вариант для локального запуска.
Подойдёт для:
- простых tool calls
- небольших автоматизаций
- экспериментов с локальной инфраструктурой
- лёгких чат-задач
https://huggingface.co/LiquidAI/LFM2.5-2.6B
16 ГБ
Здесь уже интереснее смотреть на две модели.
Gemma 4 12B - более универсальный вариант для чата и vision.
https://huggingface.co/google/gemma-4-12B-it
Ornith-1.5-9B - сильнее ориентирована на tool calling и agentic-сценарии.
https://huggingface.co/ornith-ai/Ornith-1.5-9B
24-96 ГБ
Qwen3.8-27B - уже серьёзный вариант для локального кодинга.
Для такого объёма памяти особенно интересны EXL3-квантизации.
https://huggingface.co/turboderp/Qwen3.8-27B-exl3/tree/SC_3.00bpw_H4_V4
96-196 ГБ
Qwen3.8-Flash-Next.
Модель хорошо подходит для более длинного контекста и высокой скорости. Часть нагрузки можно выносить в RAM, а KV-cache относительно компактный.
https://huggingface.co/Qwen/Qwen3.8-Flash-Next
196-384 ГБ
GLM-5.3-Flash - уже почти frontier-уровень дома.
Подходит для:
- coding
- agentic-задач
- 3D
- мультимодальных сценариев
- длинного контекста
- высокой параллельной нагрузки
https://huggingface.co/zai-org/GLM-5.3-Flash
384-512 ГБ
GLM-5.3.
Медленнее Flash-версии, но заметно сильнее в сложном coding и systems work.
https://huggingface.co/zai-org/GLM-5.3
Если коротко по уровням:
8 ГБ - маленькие локальные модели
16 ГБ - хороший универсальный локальный AI
24+ ГБ - уже нормальный coding
96+ ГБ - большие модели и длинный контекст
196+ ГБ - почти frontier дома
384+ ГБ - максимум качества среди open-weight моделей
Подборка от 8 до 512 ГБ памяти.
8 ГБ
LFM2.5-2.6B - небольшой, но крепкий вариант для локального запуска.
Подойдёт для:
- простых tool calls
- небольших автоматизаций
- экспериментов с локальной инфраструктурой
- лёгких чат-задач
https://huggingface.co/LiquidAI/LFM2.5-2.6B
16 ГБ
Здесь уже интереснее смотреть на две модели.
Gemma 4 12B - более универсальный вариант для чата и vision.
https://huggingface.co/google/gemma-4-12B-it
Ornith-1.5-9B - сильнее ориентирована на tool calling и agentic-сценарии.
https://huggingface.co/ornith-ai/Ornith-1.5-9B
24-96 ГБ
Qwen3.8-27B - уже серьёзный вариант для локального кодинга.
Для такого объёма памяти особенно интересны EXL3-квантизации.
https://huggingface.co/turboderp/Qwen3.8-27B-exl3/tree/SC_3.00bpw_H4_V4
96-196 ГБ
Qwen3.8-Flash-Next.
Модель хорошо подходит для более длинного контекста и высокой скорости. Часть нагрузки можно выносить в RAM, а KV-cache относительно компактный.
https://huggingface.co/Qwen/Qwen3.8-Flash-Next
196-384 ГБ
GLM-5.3-Flash - уже почти frontier-уровень дома.
Подходит для:
- coding
- agentic-задач
- 3D
- мультимодальных сценариев
- длинного контекста
- высокой параллельной нагрузки
https://huggingface.co/zai-org/GLM-5.3-Flash
384-512 ГБ
GLM-5.3.
Медленнее Flash-версии, но заметно сильнее в сложном coding и systems work.
https://huggingface.co/zai-org/GLM-5.3
Если коротко по уровням:
8 ГБ - маленькие локальные модели
16 ГБ - хороший универсальный локальный AI
24+ ГБ - уже нормальный coding
96+ ГБ - большие модели и длинный контекст
196+ ГБ - почти frontier дома
384+ ГБ - максимум качества среди open-weight моделей
huggingface.co
LiquidAI/LFM2.5-2.6B · Hugging Face
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
🔥3❤1
Forwarded from Machinelearning
Агент получает ¥100 000 и должен целый год управлять интернет-магазином:
- искать поставщиков
- торговаться
- выставлять цены
- запускать акции
- контролировать склад
- управлять денежным потоком
Среда построена на реальных данных электронной коммерции.
Внутри:
- 6886 товаров
- 576 поставщиков
- 152 из них мошенники
- комиссии за хранение
- возвраты
- репутация
- ограниченный рабочий день
Оценка идёт сразу по 7 направлениям, поэтому одной модели, которая была бы лучшей во всём, пока нет.
Blog: https://qwen.ai/blog?id=e-commerce-bench
Paper: https://arxiv.org/abs/2608.30730
Project: https://ecbench.github.io
Code: https://github.com/QwenLM/E-CommerceBench
@ai_machinelearning_big_data
#Qwen
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1👍1🔥1
GreptimeDB - open-source база для observability, которая пытается собрать metrics, logs и traces в одном backend.
Вместо отдельных систем для каждого типа телеметрии здесь используется общий табличный подход с тегами, timestamp и полями поверх колонночного движка и object storage.
Что умеет:
- объединять metrics, logs и traces и связывать их через SQL по service, host, trace ID и другим идентификаторам
- принимать данные через OpenTelemetry, Prometheus Remote Write, Loki Push, Elasticsearch Bulk, InfluxDB Line Protocol и gRPC
- поддерживать SQL, PromQL и Jaeger-совместимые запросы для traces
- хранить данные в S3, GCS, Azure Blob и S3-совместимых хранилищах
- настраивать retention, downsampling, continuous aggregation, partitioning и индексы
Может быть интересен тем, кто устал поддерживать несколько отдельных хранилищ для телеметрии и хочет свести observability-стек к одной системе.
Apache 2.0.
https://github.com/GreptimeTeam/greptimedb
Вместо отдельных систем для каждого типа телеметрии здесь используется общий табличный подход с тегами, timestamp и полями поверх колонночного движка и object storage.
Что умеет:
- объединять metrics, logs и traces и связывать их через SQL по service, host, trace ID и другим идентификаторам
- принимать данные через OpenTelemetry, Prometheus Remote Write, Loki Push, Elasticsearch Bulk, InfluxDB Line Protocol и gRPC
- поддерживать SQL, PromQL и Jaeger-совместимые запросы для traces
- хранить данные в S3, GCS, Azure Blob и S3-совместимых хранилищах
- настраивать retention, downsampling, continuous aggregation, partitioning и индексы
Может быть интересен тем, кто устал поддерживать несколько отдельных хранилищ для телеметрии и хочет свести observability-стек к одной системе.
Apache 2.0.
https://github.com/GreptimeTeam/greptimedb
👍1
Python и ИИ в 2026 году: как правильно работать с кодом через ChatGPT, Claude, Cursor и AI-агентов
Как использовать ИИ для написания, проверки, рефакторинга и отладки Python-кода.
Лучшие промпты, примеры, workflow и правила работы с AI-ассистентами в 2026 году.
https://uproger.com/python-i-ii-v-2026-godu-kak-pravilno-rabotat-s-kodom-cherez-chatgpt-claude-cursor-i-ai-agentov/
Как использовать ИИ для написания, проверки, рефакторинга и отладки Python-кода.
Лучшие промпты, примеры, workflow и правила работы с AI-ассистентами в 2026 году.
https://uproger.com/python-i-ii-v-2026-godu-kak-pravilno-rabotat-s-kodom-cherez-chatgpt-claude-cursor-i-ai-agentov/
👍3❤1🔥1
10 лучших промптов для программиста в 2026 году: готовые шаблоны для работы с кодом
Хороший промпт для программирования помогает получить проверяемый результат: найти причину ошибки, внести нужное изменение, оценить риски и проверить поведение программы. Для этого модели нужны контекст проекта, ограничения и понятные критерии готовности.
Ниже – 10 готовых промптов для повседневной разработки: от исправления багов до ревью pull request и знакомства с чужим репозиторием.
Подставьте свои данные вместо текста в квадратных скобках.
https://uproger.com/10-luchshih-promptov-dlya-programmista-v-2026-godu-gotovye-shablony-dlya-raboty-s-kodom/
Хороший промпт для программирования помогает получить проверяемый результат: найти причину ошибки, внести нужное изменение, оценить риски и проверить поведение программы. Для этого модели нужны контекст проекта, ограничения и понятные критерии готовности.
Ниже – 10 готовых промптов для повседневной разработки: от исправления багов до ревью pull request и знакомства с чужим репозиторием.
Подставьте свои данные вместо текста в квадратных скобках.
https://uproger.com/10-luchshih-promptov-dlya-programmista-v-2026-godu-gotovye-shablony-dlya-raboty-s-kodom/
❤1👍1🔥1
Какая оконная функция в PostgreSQL используется для присвоения уникального порядкового номера каждой строке в рамках раздела?
Anonymous Quiz
27%
RANK()
13%
DENSE_RANK()
58%
ROW_NUMBER()
2%
LAG()
👍1👏1
Forwarded from Golang
🐘 pgbot - диагностика PostgreSQL для AI-агентов и приложений, написанная на Go
Один исполняемый файл подключается к базе в режиме чтения, собирает встроенную статистику PostgreSQL и показывает проблемы:
* замедление запросов и ожидание блокировок
* неиспользуемые индексы
* состояние vacuum и репликации
* загрузку соединений и взаимные блокировки
* изменения относительно предыдущих проверок
Диагностика рассчитывается кодом на Go. Опциональный AI-слой объясняет найденные проблемы и позволяет задавать вопросы обычным текстом.
Для агентов и автоматизации предусмотрены MCP и версионированный JSON-вывод. Есть плагин для Claude Code.
Базовые проверки работают без ключа LLM и внешнего сервиса. Проект находится в бете.
GitHub - https://github.com/pgrundev/pgbot
@Golang_google
Один исполняемый файл подключается к базе в режиме чтения, собирает встроенную статистику PostgreSQL и показывает проблемы:
* замедление запросов и ожидание блокировок
* неиспользуемые индексы
* состояние vacuum и репликации
* загрузку соединений и взаимные блокировки
* изменения относительно предыдущих проверок
Диагностика рассчитывается кодом на Go. Опциональный AI-слой объясняет найденные проблемы и позволяет задавать вопросы обычным текстом.
Для агентов и автоматизации предусмотрены MCP и версионированный JSON-вывод. Есть плагин для Claude Code.
Базовые проверки работают без ключа LLM и внешнего сервиса. Проект находится в бете.
GitHub - https://github.com/pgrundev/pgbot
@Golang_google
❤6👍1
🔥 Хочешь расти в IT быстрее остальных? Перестань учиться в одиночку
Можно годами смотреть курсы, читать документацию и всё равно топтаться на месте.
А можно попасть в правильное окружение, где каждый день обсуждают новые инструменты, вакансии, реальные кейсы, ошибки и то, что уже завтра станет стандартом.
Здесь собраны папки и каналы по разным направлениям IT, чтобы ты быстрее находил нужных людей, идеи и полезный контент - без бесконечного поиска.
AI: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Хакинг: t.me/linuxkalii
DevOps: t.me/DevOPSitsec
Docker: https://t.me/+90Z5TAyfuNU5YmRi
Golang: t.me/Golang_google
Rust: t.me/rust_code
C++: t.me/cpluspluc
C#: t.me/csharp_ci
Java: t.me/javatg
JavaScript: t.me/javascriptv
React: t.me/react_tg
Frontend: t.me/front
PHP: t.me/phpshka
Android: t.me/android_its
Мобильная разработка: t.me/mobdevelop
Базы данных: t.me/sqlhub
Data Science: t.me/data_analysis_ml
Big Data: t.me/bigdatai
Математика: t.me/data_math
Физика: t.me/fizmat
Kubernetes: t.me/kubernetc
GameDev: https://t.me/gamedev
Haskell: t.me/haskell_tg
Собеседования и карьера:
DS собеседования: t.me/machinelearning_interview
Python собеседования: t.me/python_job_interview
Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
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
Полезное сверху:
ИТ-мемы: t.me/memes_prog
Английский для программистов: t.me/english_forprogrammers
ИИ и технологии: t.me/vistehno
954 ГБ open-source курсов: https://t.me/+rKBQEMccAA01MTcy
ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy
Max Ai: https://max.ru/ai_machinelearning_big_data
Max python: https://max.ru/pythonl
ТЕХНО: https://max.ru/vistehno
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Devops: https://max.ru/DevOPSitsec
C#: https://max.ru/csharp_ci
C++: https://max.ru/cpluspluc
SQL: https://max.ru/sqlhub
Java: https://max.ru/javatg
Подпишись и сохрани, здесь регулярно появляются новые подборки, инструменты и материалы, которые реально помогают расти быстрее.
Можно годами смотреть курсы, читать документацию и всё равно топтаться на месте.
А можно попасть в правильное окружение, где каждый день обсуждают новые инструменты, вакансии, реальные кейсы, ошибки и то, что уже завтра станет стандартом.
Здесь собраны папки и каналы по разным направлениям IT, чтобы ты быстрее находил нужных людей, идеи и полезный контент - без бесконечного поиска.
AI: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Хакинг: t.me/linuxkalii
DevOps: t.me/DevOPSitsec
Docker: https://t.me/+90Z5TAyfuNU5YmRi
Golang: t.me/Golang_google
Rust: t.me/rust_code
C++: t.me/cpluspluc
C#: t.me/csharp_ci
Java: t.me/javatg
JavaScript: t.me/javascriptv
React: t.me/react_tg
Frontend: t.me/front
PHP: t.me/phpshka
Android: t.me/android_its
Мобильная разработка: t.me/mobdevelop
Базы данных: t.me/sqlhub
Data Science: t.me/data_analysis_ml
Big Data: t.me/bigdatai
Математика: t.me/data_math
Физика: t.me/fizmat
Kubernetes: t.me/kubernetc
GameDev: https://t.me/gamedev
Haskell: t.me/haskell_tg
Собеседования и карьера:
DS собеседования: t.me/machinelearning_interview
Python собеседования: t.me/python_job_interview
Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
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
Полезное сверху:
ИТ-мемы: t.me/memes_prog
Английский для программистов: t.me/english_forprogrammers
ИИ и технологии: t.me/vistehno
954 ГБ open-source курсов: https://t.me/+rKBQEMccAA01MTcy
ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy
Max Ai: https://max.ru/ai_machinelearning_big_data
Max python: https://max.ru/pythonl
ТЕХНО: https://max.ru/vistehno
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Devops: https://max.ru/DevOPSitsec
C#: https://max.ru/csharp_ci
C++: https://max.ru/cpluspluc
SQL: https://max.ru/sqlhub
Java: https://max.ru/javatg
Подпишись и сохрани, здесь регулярно появляются новые подборки, инструменты и материалы, которые реально помогают расти быстрее.
❤1👍1
Один товар, два покупателя. Как не продать больше, чем есть на складе?
Если сначала прочитать остаток через
В PostgreSQL проверку и списание можно объединить:
Что получится при одновременных запросах:
• Первый покупатель уменьшит остаток с 1 до 0.
• Второй дождётся освобождения строки, и условие
• Его запрос не обновит строку и ничего не вернёт — товар закончился.
Так работает обычный уровень изоляции PostgreSQL
Добавьте защиту от отрицательных остатков:
Списание остатка и создание заказа выполняйте в одной транзакции, чтобы при ошибке заказа изменение остатка тоже откатилось.
Если сначала прочитать остаток через
SELECT, а потом уменьшить его отдельным запросом, два покупателя могут одновременно увидеть последнюю единицу.В PostgreSQL проверку и списание можно объединить:
UPDATE products
SET stock = stock - 1
WHERE id = 42
AND stock > 0
RETURNING id, stock;
Что получится при одновременных запросах:
• Первый покупатель уменьшит остаток с 1 до 0.
• Второй дождётся освобождения строки, и условие
stock > 0 будет проверено повторно.• Его запрос не обновит строку и ничего не вернёт — товар закончился.
Так работает обычный уровень изоляции PostgreSQL
READ COMMITTED.Добавьте защиту от отрицательных остатков:
ALTER TABLE products
ADD CONSTRAINT stock_nonnegative
CHECK (stock >= 0);
Списание остатка и создание заказа выполняйте в одной транзакции, чтобы при ошибке заказа изменение остатка тоже откатилось.
🔥6❤2👍2
🔥 Один из лучших обучающих курсов на StepiK по SQL
SQL можно знать годами и всё равно теряться, когда запрос внезапно начинает тормозить в проде.
Этот курс про уровень, где ты не просто пишешь SELECT, а понимаешь, что происходит внутри MySQL, почему запрос работает медленно и как ускорить его без новых проблем. Здесь разбираются EXPLAIN, индексы, CTE, оконные функции, транзакции, аналитические паттерны, legacy SQL и работа с AI-ассистентами.
Каждый урок - с практикой и реальными SQL-задачами на MySQL 8 с автопроверкой.
После курса ты сможешь увереннее разбирать чужой код, находить узкие места и предлагать решения, которые действительно работают.
Для подписчиков скидка - 49% в течение 2 суток: https://stepik.org/a/298827/
SQL можно знать годами и всё равно теряться, когда запрос внезапно начинает тормозить в проде.
Этот курс про уровень, где ты не просто пишешь SELECT, а понимаешь, что происходит внутри MySQL, почему запрос работает медленно и как ускорить его без новых проблем. Здесь разбираются EXPLAIN, индексы, CTE, оконные функции, транзакции, аналитические паттерны, legacy SQL и работа с AI-ассистентами.
Каждый урок - с практикой и реальными SQL-задачами на MySQL 8 с автопроверкой.
После курса ты сможешь увереннее разбирать чужой код, находить узкие места и предлагать решения, которые действительно работают.
Для подписчиков скидка - 49% в течение 2 суток: https://stepik.org/a/298827/