🔥 Дайджест полезных материалов из мира SQL за неделю
Почитать:
— Разворачиваем и заворачиваем в docker проект ASP.NET core на Ubuntu в связке с PostgreSQL
— Оптимизация хранения данных в Greenplum
— Наиболее часто используемые команды Linux
— 79 Ресурсов, которые следует прочитать, чтобы улучшить свои навыки в области проектирования систем:
— Бесплатные сертификационные курсы для специалистов по данным
— Курс «PostgreSQL для начинающих»: #1 — Основы SQL
— Рекомендации по ведению SQL-кода
— Сравнительный анализ методов аппроксимации на основе SQL-запросов
— Как мы наводим порядок с данными в столичном транспортном институте
— Сборка pgModeler в Windows 10 без знания Qt
— Exploring Columnar Indexes in PostgreSQL
— How the Relational Database Came to Be
— Use SQL without Databases
— About Using SQL for Big Data Computing
— Unit of Work pattern in Go
— DB2 Cheat Sheet
— High Availability in SQL: A Guide to High Availability Databases
— SQL vs No-SQL
— Understan How Sql works
— Sql Beginners Tutorials
Посмотреть:
🌐Azure SQL DB High Availability & Disaster Recovery overview | Data Exposed
🌐 Mixtral 8x7B - это сет из 8 нейронок, которые работают вместе
🌐 Ollama — модель уровня GPT. Используй GPT без ограничений и абсолютно бесплатно. (⏱ 07:40)
🌐 Shutil: лучший инструмент для управления файлами Python. (⏱ 17:05)
🌐 Как использовать API ChatGpt. Работа с Api c нуля (⏱ 12:42)
🌐 💡Задача Python: Максимальное среднее подмассива (⏱ 01:00)
🌐 Нахождение позиций в отсортированном массиве #python #array #shorts #сортировка (⏱ 00:40)
Хорошего дня!
@sqlhub
Почитать:
— Разворачиваем и заворачиваем в docker проект ASP.NET core на Ubuntu в связке с PostgreSQL
— Оптимизация хранения данных в Greenplum
— Наиболее часто используемые команды Linux
— 79 Ресурсов, которые следует прочитать, чтобы улучшить свои навыки в области проектирования систем:
— Бесплатные сертификационные курсы для специалистов по данным
— Курс «PostgreSQL для начинающих»: #1 — Основы SQL
— Рекомендации по ведению SQL-кода
— Сравнительный анализ методов аппроксимации на основе SQL-запросов
— Как мы наводим порядок с данными в столичном транспортном институте
— Сборка pgModeler в Windows 10 без знания Qt
— Exploring Columnar Indexes in PostgreSQL
— How the Relational Database Came to Be
— Use SQL without Databases
— About Using SQL for Big Data Computing
— Unit of Work pattern in Go
— DB2 Cheat Sheet
— High Availability in SQL: A Guide to High Availability Databases
— SQL vs No-SQL
— Understan How Sql works
— Sql Beginners Tutorials
Посмотреть:
🌐Azure SQL DB High Availability & Disaster Recovery overview | Data Exposed
🌐 Mixtral 8x7B - это сет из 8 нейронок, которые работают вместе
🌐 Ollama — модель уровня GPT. Используй GPT без ограничений и абсолютно бесплатно. (⏱ 07:40)
🌐 Shutil: лучший инструмент для управления файлами Python. (⏱ 17:05)
🌐 Как использовать API ChatGpt. Работа с Api c нуля (⏱ 12:42)
🌐 💡Задача Python: Максимальное среднее подмассива (⏱ 01:00)
🌐 Нахождение позиций в отсортированном массиве #python #array #shorts #сортировка (⏱ 00:40)
Хорошего дня!
@sqlhub
🔥10❤1🥰1😁1
🔥 Дайджест полезных материалов из мира SQL за неделю
Почитать:
— Как создать сервис по оценке транспортной доступности новостроек при горящих дедлайнах
— Полный отчет Github за 2023 о состоянии проектов.
— 100 вопросов для подготовки к собесу Python
— PostgreSQL: вернуть место после delete
— 9 вопросов для собеседования по SQL в Apple
— PostgreSQL 17: Часть 3 или Коммитфест 2023-11
— SQL HowTo: итоги по строкам и столбцам «в одно действие»
— Победа над ORM путем кодогенерации
— Курс «PostgreSQL для начинающих»: #2 — Простые SELECT
— Nota, Typst и Evidence. Языки программирования для генерации документов
— A Guide to Sargable Queries
— Understanding PostgreSQL and MongoDB Databases: Know When to Use Each
— MySQL: Everything You Need To Know
— Database Monitoring Metrics: Key Indicators for Performance Analysis
— SQL Cheat Sheet: A Comprehensive Guide to SQL Commands and Queries
— Surrogate Key vs Primary Key: What's the Difference?
— Discord economy bot using python
— The Top 10 GitHub Repositories Making Waves 🌊📊
— `OR` Filter on Two Tables, and Batched Nested Loops
— AI in 2024: Art Thrives, Open-Source Battles GPT
Посмотреть:
🌐 Azure OpenAI and copilot meet Azure SQL | Data Exposed
🌐 100 вопросов с собеседований Python. Полный разбор реальных вопросов. (⏱ 34:27)
🌐 💡Задача #Python:Комбинация сумм II #python #программирование #код #yotube #youtube #пито (⏱ 00:54)
🌐 💡Крутая задача #Python: #python #программирование #код #yotube #youtube #питон (⏱ 00:49)
🌐 Mixtral 8x7B - новый ИИ. Нейросети, которые ДОМИНИРУЮТ на другими моделями (⏱ 08:04)
Хорошего дня!
@sqlhub
Почитать:
— Как создать сервис по оценке транспортной доступности новостроек при горящих дедлайнах
— Полный отчет Github за 2023 о состоянии проектов.
— 100 вопросов для подготовки к собесу Python
— PostgreSQL: вернуть место после delete
— 9 вопросов для собеседования по SQL в Apple
— PostgreSQL 17: Часть 3 или Коммитфест 2023-11
— SQL HowTo: итоги по строкам и столбцам «в одно действие»
— Победа над ORM путем кодогенерации
— Курс «PostgreSQL для начинающих»: #2 — Простые SELECT
— Nota, Typst и Evidence. Языки программирования для генерации документов
— A Guide to Sargable Queries
— Understanding PostgreSQL and MongoDB Databases: Know When to Use Each
— MySQL: Everything You Need To Know
— Database Monitoring Metrics: Key Indicators for Performance Analysis
— SQL Cheat Sheet: A Comprehensive Guide to SQL Commands and Queries
— Surrogate Key vs Primary Key: What's the Difference?
— Discord economy bot using python
— The Top 10 GitHub Repositories Making Waves 🌊📊
— `OR` Filter on Two Tables, and Batched Nested Loops
— AI in 2024: Art Thrives, Open-Source Battles GPT
Посмотреть:
🌐 Azure OpenAI and copilot meet Azure SQL | Data Exposed
🌐 100 вопросов с собеседований Python. Полный разбор реальных вопросов. (⏱ 34:27)
🌐 💡Задача #Python:Комбинация сумм II #python #программирование #код #yotube #youtube #пито (⏱ 00:54)
🌐 💡Крутая задача #Python: #python #программирование #код #yotube #youtube #питон (⏱ 00:49)
🌐 Mixtral 8x7B - новый ИИ. Нейросети, которые ДОМИНИРУЮТ на другими моделями (⏱ 08:04)
Хорошего дня!
@sqlhub
❤7👍5🔥4🥰2😁1
1. Python+SQL работа с базами данных
2. Python анализ данных с Pandas. PandaSQL
3. Python анализ данных с Pandas. Join, merge, concat в Pandas
4. Python+SQL часть 2, создание таблиц
5. Python+SQL. Операции с записями
6. Устраиваемся на работу. Решаем тестовое задание на позицию Python Junior
#video #python #sql
https://youtube.com/watch?v=Q7FtqwF5GDw&list=PLysMDSbb9HcxdvtQSkYoO7xaF3SvGUD8n
@sqlhub
Please open Telegram to view this post
VIEW IN TELEGRAM
❤9👍2🔥1😁1🎉1
🔥 Дайджест полезных материалов из мира SQL за неделю
Почитать:
— 100 вопросов для подготовки к собесу Data Science
— Немного про OR в SQL запросах
— Вот так я изучаю ML
— Версионная миграция структуры базы данных через PHP атрибуты
— Миграции в YDB с помощью «goose»
— Использование Postgres-триггеров для исторических таблиц
— Введение в SQL & СУБД на примере доступа к данным через Python
— PostgreSQL в «Тензоре» — публикации за год (#4)
— Version up test for Aurora MySQL 2 EOL with SQL test tool
— ORDER BY x LIMIT y Gotcha
— Summary of results
— Finding the best SQL query for the task.
— How Modern SQL Databases Are Changing Web Development - #4 Into the AI Era
— Mastering SQL Transactions: The Power of COMMIT and ROLLBACK in Database Management
— Reading Postgres Execution Plans doesn't have to be so complicated
— SQL vs NoSQL Databases: Which is Better?
— Unlock Complex Time Series Analysis in SQL with Range Queries
— The Syntax of Discreteness - Using SQL as an Example
— Десять самых ярких ИИ-работ от NVIDIA Research за 2023 год
Посмотреть:
🌐 100 вопросов с собеседований Data Science — часть 1 (⏱ 36:48)
🌐 💡Топ задача #Python: Бинарный поиск #python #программирование #код #yotube #питон #собеседование (⏱ 00:41)
🌐 💡 Задача: Ряд клавиатуры #Python #yotube #код #алгоритмы #программирование #собеседование #кодинг (⏱ 00:40)
🌐 💡 Задача: Ряд клавиатуры #Python #yotube #код #алгоритмы #программирование #собеседование #кодинг (⏱ 01:00)
Хорошего дня!
@sqlhub
Почитать:
— 100 вопросов для подготовки к собесу Data Science
— Немного про OR в SQL запросах
— Вот так я изучаю ML
— Версионная миграция структуры базы данных через PHP атрибуты
— Миграции в YDB с помощью «goose»
— Использование Postgres-триггеров для исторических таблиц
— Введение в SQL & СУБД на примере доступа к данным через Python
— PostgreSQL в «Тензоре» — публикации за год (#4)
— Version up test for Aurora MySQL 2 EOL with SQL test tool
— ORDER BY x LIMIT y Gotcha
— Summary of results
— Finding the best SQL query for the task.
— How Modern SQL Databases Are Changing Web Development - #4 Into the AI Era
— Mastering SQL Transactions: The Power of COMMIT and ROLLBACK in Database Management
— Reading Postgres Execution Plans doesn't have to be so complicated
— SQL vs NoSQL Databases: Which is Better?
— Unlock Complex Time Series Analysis in SQL with Range Queries
— The Syntax of Discreteness - Using SQL as an Example
— Десять самых ярких ИИ-работ от NVIDIA Research за 2023 год
Посмотреть:
🌐 100 вопросов с собеседований Data Science — часть 1 (⏱ 36:48)
🌐 💡Топ задача #Python: Бинарный поиск #python #программирование #код #yotube #питон #собеседование (⏱ 00:41)
🌐 💡 Задача: Ряд клавиатуры #Python #yotube #код #алгоритмы #программирование #собеседование #кодинг (⏱ 00:40)
🌐 💡 Задача: Ряд клавиатуры #Python #yotube #код #алгоритмы #программирование #собеседование #кодинг (⏱ 01:00)
Хорошего дня!
@sqlhub
🔥7👍6❤3
Основные темы включают:
▪️ работу со строками;
▪️ List Comprehension;
▪️ основы алгоритмического дизайна;
▪️ структуры данных;
▪️ классы и объекты.
Цель курса — дать учащимся прочные навыки для работы с научными данными и их обработкой, используя Python.
🔗 Ссылка на курс
#курс #python
@sqlhub
Please open Telegram to view this post
VIEW IN TELEGRAM
❤11🔥5👍3
Это самая популярная в мире библиотека обработки данных, но она медленная, и многие библиотеки значительно превзошли ее.
Проблема альтернатив Pandas в том, что никто не хочет изучать новый API.
Давайте посмотрим правде в глаза: люди не будут переносить свои проекты, га другие фреймворки, без особой причины.
Я уже давно работаю с FireDucks
Эта библиотека в разы быстрее Pandas, и вам не придется менять код старых проектов для перехода на нее.
Вы можете изменить *одну* строку кода и весь остальной код будет работать на FireDucks :
import fireducks.pandas as pd
Вы также можете запустить свой код *не* изменяя ни одной строки, используя хук:
python
$ python -mfireducks.imhook yourfile[.]py
FireDucks — это многопоточная библиотека с ускорением компилятора и полностью совместимым с pandas API.
Она быстрее, чем Polars. Ниже приведена ссылка на некоторые бенчмарки, сравнивающие Pandas, Polars и FireDucks.
FireDucks побеждает с отрывом.
⛓️Здесь находится репозиторий FireDucks на GitHub:
https://github.com/fireducks-dev/fireducks
⛓️Если вы хотите пощупать либу, откройте этот пример:
https://github.com/fireducks-dev/fireducks/tree/main/notebooks/nyc_demo
⛓️Если вы хотите сравнить FireDucks с Polars и Pandas, вот еще один блокнот:
https://github.com/fireducks-dev/fireducks/blob/main/notebooks/FireDucks_vs_Pandas_vs_Polars.ipynb
⛓️И наконец, бенчмарки, с которыми стоит ознакомиться:
https://fireducks-dev.github.io/docs/benchmarks/
@sqlhub
#fireducks #Pandas #dataanalysis #datascience #python #opensource
Please open Telegram to view this post
VIEW IN TELEGRAM
👎21🤔13👍8👏1😁1
Forwarded from Machinelearning
Reachy Mini — это выразительный и полностью open-source робот, созданный для взаимодействия с человеком, коммуникации и экспериментов с ИИ.
- 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
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6🔥5👍1
Огромная Python-шпаргалка с удобной навигацией!
В репозитории собраны шпаргалки (на русском) по Python и не только, разделённые по категориям. Каждая ссылка ведёт к PDF с нужной темой.
🗂 Кроме Python, есть материалы по Git, CORS, Docker, API, SQL, CI/CD, Kubernetes и другим темам разработки.
👉 https://github.com/Dv-nn/Cheat-Sheet-Python
#Python #Программирование #Шпаргалки
@sqlhub
В репозитории собраны шпаргалки (на русском) по Python и не только, разделённые по категориям. Каждая ссылка ведёт к PDF с нужной темой.
🗂 Кроме Python, есть материалы по Git, CORS, Docker, API, SQL, CI/CD, Kubernetes и другим темам разработки.
👉 https://github.com/Dv-nn/Cheat-Sheet-Python
#Python #Программирование #Шпаргалки
@sqlhub
❤10🔥4🥰2
This media is not supported in your browser
VIEW IN TELEGRAM
Иногда нужно найти пары строк, которые почти совпадают — например, из-за опечатки в одной букве. Такой кейс часто встречается при поиске дублей в именах, email или товарах.
С помощью функции
levenshtein() из расширения pg_trgm в PostgreSQL, можно находить строки, отличающиеся ровно на 1 символ. Это удобно для очистки данных, поиска дублей и реализации "умного" поиска в интерфейсе.
-- Убедись, что pg_trgm расширение включено
CREATE EXTENSION IF NOT EXISTS pg_trgm;
-- Найдём строки из таблицы users, у которых name отличается на 1 символ
SELECT a.name AS name1, b.name AS name2
FROM users a
JOIN users b ON a.id < b.id
WHERE levenshtein(a.name, b.name) = 1;
-- Пример: найдёт пары вроде ('Anna', 'Anya') или ('John', 'Joan')
📌Больше видео
@sqlhub
Please open Telegram to view this post
VIEW IN TELEGRAM
👍20🔥9❤3👎1🥰1
🚀 Умная система мониторинга Alerta
Alerta — это масштабируемый инструмент мониторинга, который легко настраивается и принимает оповещения из различных источников. Он предлагает быструю визуализацию данных с возможностью глубокого анализа.
🚀 Основные моменты:
- Масштабируемая архитектура
- Минимальная конфигурация
- Поддержка MongoDB и PostgreSQL
- Удобная веб-консоль для визуализации
- Легкая интеграция с облачными платформами
📌 GitHub: https://github.com/alerta/alerta
#python
Alerta — это масштабируемый инструмент мониторинга, который легко настраивается и принимает оповещения из различных источников. Он предлагает быструю визуализацию данных с возможностью глубокого анализа.
🚀 Основные моменты:
- Масштабируемая архитектура
- Минимальная конфигурация
- Поддержка MongoDB и PostgreSQL
- Удобная веб-консоль для визуализации
- Легкая интеграция с облачными платформами
📌 GitHub: https://github.com/alerta/alerta
#python
👍6❤5🥰2