📊 Бесплатные материалы для изучения визуализации данных:

Недавно в комментариях меня спросили про ресурсы для изучения визуализации. Материалов много — и платных, и бесплатных — и, как это часто бывает, бесплатные ничем не уступают платным.

Я собрал набор видеокурсов и книг, которые можно найти в открытом доступе. Сохраняйте себе, чтобы не потерять 👇


Видеокурсы (видеоматериалы): 🔵

Python (matplotlib):
1) Практикум по математике и Python
2) Deep Learning (семестр 1, осень 2025)
3) Готовые notebook на kaggle

Системы BI:
1) DataLens: анализ и визуализация данных
2) Симулятор SQL (от Карпова) [там есть отдельный блок про визуализацию в Redash]


Excel:
1) БАЗА. Основы визуализации данных в Excel

Книги:
1) Графики, которые убеждают всех (Александр Богачёв)

🤔 Подборку бесплатных материалов по статистике смотрите в этом посте

Итог:

🍸 Если хотите, могу собрать аналогичные подборки по Python, SQL или другим темам — просто напишите в комментариях!
❤️Поддержать канал бустами, чтобы у автора появился дополнительный функционал можно - здесь (это бесплатно и доступно с подпиской telegram premium)

❓ Пользовались ли вы этими материалами? Что посоветуете добавить?
✔️ Подпишитесь на канал, чтобы не пропустить следующие посты.

Сделал сайт - оцените:
🚬 Вопросы, обучение, консультации

@dima_sqlit

📚 Бесплатные материалы для изучения SQL — от азов до продвинутых тем:

Продолжаю делиться бесплатными материалами.
Сегодня на очереди SQL.

Видеокурсы (видеоматериалы): 🔵

1) Интерактивный тренажер по SQL
2) Симулятор SQL (от Карпова)
3) ClickHouse с нуля (Курс - чтобы понять особенности ClickHouse от других СУБД)
4) Тестовые по SQL (Глеб Михайлов) [для насмотренности]
5) Бесплатный курс «Основы SQL» (от Simulative)

Итог:

🍸 По каким инструментам вам хочется увидеть ещё бесплатные подборки? Просто напишите в комментариях!
❤️Поддержать канал бустами, чтобы у автора появился дополнительный функционал можно - здесь (это бесплатно и доступно с подпиской telegram premium)

❓ Пользовались ли вы этими материалами? Что ещё добавить в подборку?
✔️ Подпишитесь на канал, чтобы не пропустить следующие посты.

Сделал сайт - оцените:
🚬 Вопросы, обучение, консультации

@dima_sqlit

⚡️ Как ускорить ad-hoc аналитику с помощью Streamlit:

В ад-хоке мы часто делаем одно и то же: выгрузили данные → отфильтровали → построили график → отправили.
Каждый раз заново.
И именно на это уходит больше всего времени.

Python позволяет автоматизировать почти любую рутину, но запуск скриптов — это всегда не самый удобный формат. Что если сделать проще: добавить к вашему Python-коду фильтры, селекторы, кнопки и всё это завернуть в аккуратный UI?

Streamlit ровно для этого и нужен — он позволяет превращать обычный код в небольшой аналитический инструмент, который экономит время и ускоряет ad-hoc аналитику без BI-систем

Если вы ещё не пробовали, я нашёл одно максимально понятное видео, которое позволит быстро освоить данный инструмент 👇

🟢 Видео здесь

Что полезного разберёте:
• как запустить Streamlit и превратить скрипт в веб-интерфейс
• как добавить кнопки, селекторы
• как выводить графики
• как бесплатно задеплоить инструмент в общий доступ
• прийдет понимание как использовать Streamlit именно для аналитики


Итог:
Streamlit — отличный способ перестать делать ad-hoc «вручную» и собрать быстрый инструмент под любую задачу.
Видео — хороший старт, сохранить точно стоит.

🎁 Бонус:
Оставил вам готовый Python-файл и CSV-пример, чтобы вы могли сразу попробовать Streamlit и повторить инструмент с картинки из поста (смотрим комментарии и ставим много реакций).

🍸 Если формат быстрых разборов инструментов вам заходит — накидайте реакций!
❤️Поддержать канал бустами, чтобы у автора появился дополнительный функционал можно - здесь (это бесплатно и доступно с подпиской telegram premium)

❓ Уже делали свои Streamlit-инструменты? Расскажите!
✔️ Подпишитесь на канал, чтобы не пропустить следующие посты.

Сделал сайт - оцените:
🚬 Вопросы, обучение, консультации

@dima_sqlit

🐍 Бесплатные материалы для изучения Python — базовый минимум для аналитики:

Продолжаю делиться бесплатными материалами.
Сегодня на очереди Python — язык, который нужен всем: аналитикам, дата-сайентистам, инженерам и просто тем, кто хочет автоматизировать рутину.

Курсы по Python:
1) Поколение Python: курс для начинающих
2) Поколение Python: курс для продвинутых
3) Бесплатный курс по Pandas (от Simulative)
4) Анализ Данных на Python и Pandas (Глеб Михайлов)

Итог:

🍸 Вроде рассмотрел все что просили или есть еще какие-то предложения? Напишите в комментариях!
❤️Поддержать канал бустами, чтобы у автора появился дополнительный функционал можно - здесь (это бесплатно и доступно с подпиской telegram premium)

❓ Пользовались ли вы этими материалами? Что посоветуете добавить?
✔️ Подпишитесь на канал, чтобы не пропустить следующие посты.

Сделал сайт - оцените:
🚬 Вопросы, обучение, консультации

@dima_sqlit

🗒 Оптимизация SQL запросов: что такое партиции и индексы простыми словами. Часть 1

На собеседованиях часто спрашивают:
«Какие методы оптимизации SQL-запросов вы знаете?»

И спрашивают не зря. При работе с большими объёмами данных с этим сталкиваешься постоянно. В этом посте разберём базовые вещи — что такое партиционирование и индексирование и как они работают на уровне идеи. Практические примеры будут во второй части.

1) Что такое партиции? 🟢
• Представим таблицу, в которой хранятся списания клиентов банка. Объём данных там огромный. Часто кажется, что достаточно просто написать фильтр по дате, и всё будет быстро. Но если таблица большая, SQL начнёт читать её целиком — строка за строкой, проверяя условие у каждой записи. Это полный скан таблицы, и он дорогой.

• Теперь представим жизненный пример. У вас есть тысячи фотографий. Обычно люди раскладывают их по годам. И если нужно посмотреть фотографии за конкретный год, вы не открываете все остальные — сразу идёте в нужную папку и экономите время.

• Партиционирование работает точно так же. Таблица физически делится на части — партиции. Чаще всего это делают по дате. В итоге, когда мы хотим посчитать списания клиента за конкретный месяц, запрос сразу идёт только в нужный диапазон дат и не читает всё остальное. На больших объёмах данных это даёт очень ощутимый прирост.

2) Что такое индексы? 🟢
• Продолжим аналогию с фотографиями. Мы уже разложили фото по годам — стало быстрее. Но допустим, в одном году фотографий всё равно очень много, и мы хотим найти конкретные — например, с дня рождения.

• Было бы удобно иметь файл с описанием, где написано:
фото 1–10 — путешествие
фото 20–25 — день рождения
фото 40–50 — работа
По сути, это содержание книги. Именно так работают индексы.

• Индекс — это отдельная структура, которая хранит значения столбца и знает, где физически лежат строки с этими значениями. Когда в запросе используется условие в WHERE или JOIN, база данных сначала смотрит в индекс, а затем читает только нужные строки, а не всю таблицу.

• Важно понимать: индекс не уменьшает объём данных, он ускоряет поиск внутри них.

3) Партиции и индексы вместе: 🟢
• Теперь картинка складывается полностью.
Партиционирование помогает не читать лишние данные.
Индексы помогают быстро находить нужные строки.

• На практике часто делают так: таблицу партиционируют, например, по дате, а внутри каждой партиции создают индексы.

Итог:

Партиционирование физически делит большую таблицу на части.
Индексы ускоряют поиск данных внутри таблицы или партиции.
Это разные инструменты, которые дополняют друг друга.

❤️Поддержать канал бустами, чтобы у автора появился дополнительный функционал можно - здесь (это бесплатно и доступно с подпиской telegram premium)
❓ А вы в своей работе чаще используете индексы или партиционирование?
✔️ Подпишитесь на канал, чтобы не пропустить следующие посты.

Провожу консультации (подробности здесь):
🚬 Вопросы, обучение, консультации

@dima_sqlit

🎉 Итоги года и большое спасибо вам:

Хочу подвести итоги года и просто сказать спасибо.

Канал я начал активно вести с начала июля этого года.
Цель была максимально простая и понятная — набрать 1000 подписчиков до конца года.
И мы с вами эту цель перевыполнили.🚬

Почему вы не видели постов про 500 или 1000 подписчиков? 🤩
Я сознательно их пропускал и ждал одно конкретное число.

📊 1106 человек. Почему именно оно для меня важно:
• По данным на 1 декабря 2025 года, именно столько населения в поселении, откуда я родом
• И получается, что мы с вами здесь собрали больше людей, чем живёт в месте, где я вырос

Если честно — это просто вау.
Очень сильное ощущение масштаба и ценности того, что происходит.

Отдельно хочу отметить, что результат был достигнут: 💡
• без рекламы
• только взаимный пиар, комментарии и контент

Для меня это показатель, что формат и темы действительно вам откликаются.

Что дальше? ☺️
Хочется развивать канал и делать его ещё полезнее, поэтому очень важно ваше мнение.

Что бы вы хотели видеть больше: 🔨
• больше SQL / Python / аналитики
• больше разборов задач и собесов
• больше life-контента
• или есть другие идеи — пишите, всё читаю

Ну и, конечно, поздравляю вас с наступающим Новым годом 🎄
Спасибо, что читаете, комментируете и поддерживаете — это реально мотивирует продолжать.

🍆 Принимаю поздравления в комментариях — считаю, что результат действительно хороший.
❤️Поддержать канал бустами, чтобы у автора появился дополнительный функционал можно - здесь (это бесплатно и доступно с подпиской telegram premium)
✔️ Подпишитесь на канал, чтобы не пропустить следующие посты.

Провожу консультации (подробности здесь):
🚬 Вопросы, обучение, консультации

@dima_sqlit

❔ Ловушка оператора OR в SQL и Python:

Мало кто понимает, что OR — ленивый оператор, который проверяет условия слева направо и останавливается на первом истинном.
Звучит как оптимизация, но может сыграть злую шутку, если этого не знать.

Как работает ленивое вычисление? 😀

Когда Python или SQL видит OR, он работает так:
• Проверяет первое условие слева
• Если оно истинно — возвращает результат и останавливается
• Если ложно — идёт проверять второе условие

Простыми словами: как только нашёл хоть одну правду — всё, дальше не смотрит. Это экономит ресурсы, но может пропустить важную логику.

Пример проблемы в Python: 🟢

Представим: мы проверяем пользователя — есть ли у него права админа или он прошёл дополнительную проверку безопасности.

def is_admin(user):
    print("Проверяем права админа")
    return user == 'admin'

def security_check(user):
    print("Запускаем проверку безопасности")
    # Тут могла быть запись в лог, отправка в аналитику и т.д.
    return True

# Проверяем пользователя
user = 'admin'
access = is_admin(user) or security_check(user)
print(f"Доступ: {access}")

Вывод:

Проверяем права админа
Доступ: True

Проблема: Функция security_check() вообще не запустилась. Python увидел, что is_admin() вернул True, и дальше не пошёл. А там могла быть важная логика — запись в лог, отправка метрики, валидация. Всё это пропустилось из-за особенности работы оператора OR.
​
Пример проблемы в SQL: 🟢

Представим таблицу users с миллионом записей. Хотим найти пользователей, которые либо из Москвы, либо потратили больше 100 тысяч рублей.

SELECT
    user_id,
    city,
    total_spent
FROM users
WHERE
    1=1
    AND (calculate_total_spent(user_id) > 100000  -- Тяжёлая функция
   OR city = 'Moscow');

Проблема: Функция calculate_total_spent() очень дорогая — считает сумму по всем заказам пользователя. Если поставить её первой, она будет вычисляться для каждой строки. А если бы мы поставили city = 'Moscow' первым — для москвичей функция могла бы не считаться.

Важно: В SQL такая логика оператора OR не гарантирована стандартом. PostgreSQL и другие СУБД могут переставить условия или выполнить их параллельно. Оптимизатор сам решает, в каком порядке проверять.

Итог:
Оператор OR останавливается на первом истинном условии. В Python это гарантировано и работает всегда. В SQL — не гарантировано, оптимизатор может переставить условия.

❤️Поддержать канал бустами, чтобы у автора появился дополнительный функционал можно - здесь (это бесплатно и доступно с подпиской telegram premium)
❓ Сталкивались с такими проблемами? Знали про отличия между Python и SQL? Делитесь в комментариях!
✔️ Подпишитесь на канал, чтобы не пропустить следующие посты.

Обучаю АНАЛитике и Провожу консультации (подробности здесь):
🚬 Вопросы, обучение, консультации

@dima_sqlit

🥰 Как эффективно искать работу на HeadHunter — без массовых откликов и скриптов:

Слышал от многих, что на hh.ru нужно отправлять по 50+ откликов в день и даже скрипты для этого пишут.
Но давайте честно: массовые отклики — это ,большая потеря энергии. Лучше точечно находить компании, где действительно хочется работать.

Разберёмся пошагово, как это делать правильно.

1️⃣Шаг 1: Составьте свой чек-лист требований:

Возьмите ручку и листок (или заметки в телефоне — не важно) и напишите, что для вас критично:
• Выдача техники (MacBook, монитор)
• Наличие IT-аккредитации у компании
• Конкретные технологии: SQL, Python, Superset, Redash, А/Б-тесты
• Полная удалёнка или гибрид
• ДМС и другие плюшки

2️⃣ Шаг 2: Используйте продвинутый поиск с AND/OR:

Большинство ищет просто «аналитик данных» — и получает сотни нерелевантных вакансий.
А можно искать точечно, используя логические операторы прямо в строке поиска hh.ru.

Пример запроса:

Python AND Superset

Вернёт только те вакансии, где упоминаются оба инструмента.

Ещё круче:

SQL AND Python AND (ДМС OR удалённо)

Найдёт вакансии, где обязательно есть SQL и Python, плюс либо ДМС, либо удалёнка.

Это работает как WHERE в SQL — комбинируйте условия под себя.

3️⃣ Шаг 3: Пишите сопроводительное письмо под вакансию:

Нашли интересную вакансию — не отправляйте просто резюме.
Напишите короткое сопроводительное письмо:
• Приветствие
• Почему вам интересна эта вакансия (технологии, продукт, команда)
• Какой релевантный опыт у вас есть
• Контакты для связи
• И т.д.

Это займёт 10 минут, но выделит вас среди сотни откликов с пустым полем.

4️⃣ Шаг 4: Резюме решает:

Даже крутое сопроводительное не спасёт, если резюме составлено плохо.
Обновляйте его регулярно — это поднимает его в поиске у работодателей.

Если нужна помощь с составлением резюме / сопроводительного — можете обратиться ко мне @catdem, помогу разобраться. 🚬
Полный список c чем я могу помочь — mentor.dima-sqlit.ru


Итог:

🌟 Пересылайте друзьям и сохраняйте себе данный пост, чтобы не потерять.
❤️Поддержать канал бустами, чтобы у автора появился дополнительный функционал можно - здесь (это бесплатно и доступно с подпиской telegram premium)
✔️ Подпишитесь на канал, чтобы не пропустить следующие посты.

@dima_sqlit

👨‍💻 Подведу итоги канала при помощи сервиса, как многие это делают, а я не отстают от тренда)

Начнем сразу с ТОП 3 поста по реакциям:
1️⃣Итоги года и большое спасибо вам
2️⃣ Как посчитать медиану в SQL — разберем задачу с собеседования
3️⃣ Казалось бы, агрегатные функции в SQL (SUM, AVG, COUNT) просто считают значения — что тут сложного? Но есть скрытая ловушка: как они ведут себя с NULL?

Для тех кто вкатывается в IT (Аналитика данных), серия постов про бесплатные материалы:
1️⃣Бесплатные материалы для изучения статистики и проведения A/B тестов
2️⃣Бесплатные материалы для изучения визуализации данных
3️⃣Бесплатные материалы для изучения SQL — от азов до продвинутых тем
4️⃣Бесплатные материалы для изучения Python — базовый минимум для аналитики

ТОП 5 - Полезных постов по моему мнению:
1️⃣Повышаем продуктивность в Jupyter Notebook - мой личный топ горячих клавиш
2️⃣Как забирать данные из Google Sheets по API через Python
3️⃣ Копируем данные из DataFrame к себе в буфер обмена без лишних шагов с сохранением файлов
4️⃣ Как за 400 рублей в год получить доступ к Claude, ChatGPT, Gemini и Grok через Perplexity и без использования VPN
5️⃣ Как эффективно искать работу на HeadHunter — без массовых откликов и скриптов

☺️ Коротенькие итоги этого года:
🟠Спасибо, что остаетесь и подписывайтесь на канал, в следующем году постараюсь, делать как минимум не хуже, чем в этом (буду ждать от вас комментарии, что можно улучшить и чего по вашему мнению не хватает в блоге).
🟠В частности есть мысль, чтобы создать второй канал под life контент (спорт, покупки и т.п.). Хочется услышать ваше мнение (спойлер канал уже создан, но пока не знаю стоит ли делать под это отдельный канал, по моим ощущениям - стоит)
🟠В этом году открыл для себя направления менторства, всегда нравилось обучать кого-то и объяснять "сложное" простыми словами и при этом я тоже сам учусь
🟠Сделал интересные покупки в этом году, собираюсь это осветить чуть позже в канале (в этом или новом)
🟠Взял за практику стараться раз 1-1.5 месяца менять обстановку
🟠И т.д.

❓ А что вы поняли и сделали за этого год и что собираетесь осуществить в следующем ?

@dima_sqlit

#winter #winter2025 #итогигода #итоги2025 #christmas #NY #newyear

🔮 2026 год: чего ждать? Мой взгляд и ключевые тренды

Друзья, всем привет.
Первый пост в этом году решил написать о том, что реально будет важно в 2026 году.

Мы живём во времени, когда объём информации растёт экспоненциально.
И главный навык — уметь отфильтровывать важное от шума.

Раньше можно было:
• распыляться
• залипать в мемы
• учить всё подряд “понемногу”

Сейчас это становится слишком дорогой роскошью.

🤔 Почему фокус внимания — ключевой навык:
Раньше люди могли быть докторами наук сразу в нескольких областях.
Это было возможно, потому что объём знаний был ограничен.

Сегодня:
• каждая область перегружена информацией
• поверхностные знания почти ничего не стоят
• распыление = потеря времени и результата

2026 — это время точечного развития.

🧠 Когнитивные искажения — скрытый фактор 2026:

Когда информации становится слишком много, мозг начинает упрощать реальность, чтобы сэкономить энергию.
Он делает это неосознанно — через шаблоны и короткие пути мышления.

Эти систематические ошибки мышления и называются когнитивными искажениями.

Проще говоря:
👉 мозг не ищет истину, он ищет быстрое и удобное объяснение.

Почему это становится особенно важным в 2026:
• вокруг больше информации, чем мы способны переварить
• ИИ генерирует правдоподобные, но не всегда верные ответы
• маркетинг давит сильнее, чем факты
• решения нужно принимать быстрее

В такой среде именно когнитивные искажения:
• заставляют верить в хайп
• мешают учиться глубоко
• ломают фокус
• приводят к плохим карьерным и финансовым решениям

Примеры:
• эффект якорения — когда первое услышанное число/мнение сильно влияет на все последующие решения
• окно Овертона — когда через инфошум и многоразового повторения “нормализуют” то, что раньше казалось не мыслимым
• выученная беспомощность — когда человек перестаёт что-то менять (если предыдущий опыт был негативным), даже если может

Понимание этих механизмов напрямую влияет на:
• то, как вы учитесь
• какие решения принимаете
• кому и чему доверяете
• как зарабатываете деньги

Именно поэтому я планирую отдельную серию постов про когнитивные искажения — без заумных терминов, с примерами из работы и жизни.

🤖 Что по поводу ИИ (AI):
ИИ — полезный инструмент, но вокруг него сейчас не обосновано много "хайпа".

Что ИИ реально умеет:
• быстрее разобраться в теме
• быстрее сделать MVP / прототип
• быстрее написать код, SQL, аналитику
• быстрее накидать варианты решений

Если вы делаете серьёзный продукт, где важны:
• стабильность (чтобы не падал в проде)
• безопасность (доступы, уязвимости, данные)
• производительность (чтобы система быстро работала под нагрузкой)
• качество (минимум багов, поддерживаемость, тесты)

ИИ не сделает это за вас.

LLM — это модели, которые предсказывают ответ с определенной вероятностью, а не “думают”.
Без вашей проверки они легко ошибаются.

Маркетинга вокруг ИИ сейчас больше, чем реальной магии.
Используйте AI как ускоритель, а не как замену мышления.

💰 Почему ИИ хайпят из каждого утюга

Причина банальная — деньги.

• в ИИ влиты десятки миллиардов долларов
• инвесторам нужно показать рост и “будущее”
• рынку нужно верить, что «в этот раз всё точно окупится»

Поэтому:
• ИИ продают как магию
• сложности и ограничения замалчивают
• успехи масштабируют, провалы игнорируют

Это не заговор — это обычная экономика.

Итог:

🌟 Пересылайте друзьям и сохраняйте себе данный пост, чтобы не потерять.
❤️Поддержать канал бустами, чтобы у автора появился дополнительный функционал можно - здесь (это бесплатно и доступно с подпиской telegram premium)
❓ Как вы видите 2026 год? Согласны ли с моими выводами?
✔️ Подпишитесь на канал, чтобы не пропустить следующие посты.

💎 Полный список c чем я могу помочь — mentor.dima-sqlit.ru

@dima_sqlit

🪙 Получаем Gemini 3 PRO бесплатно:

Друзья, всем привет.
Есть реальная возможность потестить Gemini 3 PRO в Business-версии абсолютно бесплатно на 30 дней — благодаря акции от Google.

Пошаговый план доступа: ✅
1) Переходим по ссылке с акцией
2) Используем временную почту (если не хотим использовать свою), для этого я использовал вот этот сервис
3) Берем почту из пункта 2 и вводим ее на странице с акцией из пункта 1, далее вам придет на почту код верификации, вы его вводите и получаете доступ, все очень просто)

Какие проблемы могут быть: ✅
• Из-за того, что это бесплатно и просто получить на эту подписку особо большая нагрузка, по этой причине ваши запросы могут долго висеть в очереди (я пробовал вчера ночью, все достаточно шустро работало)
• В любой момент подписка может быть деактивирована, так как это бесплатно, но я думаю это не беда, наше дело попробовать
• Если аккаунт будет сделан на основе временной почты, то скорее всего через 1-2 дня вас попросит пере зайти в аккаунт и вы уже не сможете в него войти, так как у вас не будет доступа к почте с которой вы регистрировали аккаунт

Итог:

🌟 Пересылайте друзьям и сохраняйте пост — акция не вечная.
❤️Поддержать канал бустами, чтобы у автора появился дополнительный функционал можно - здесь (это бесплатно и доступно с подпиской telegram premium)
❓ Пробовали Gemini 3 PRO? Как vs Claude/Grok/ChatGPT для SQL/Python/других задач? Делитесь!
✔️ Подпишитесь на канал, чтобы не пропустить следующие посты.

💎 Полный список c чем я могу помочь — mentor.dima-sqlit.ru

@dima_sqlit

#gemini #ai #sql #python #dataanalytics #dima_sqlit