SQL Community

Проект растет, и быстро искать нужные данные становится все сложнее? Ждем вас на авторском практикуме Дмитрия Кириллова «Разработка корпоративных RAG-систем на PostgreSQL» от ОТУС! О чём будет эфир: 💾Почему классический поиск и документация перестают работать в сложных системах 💾Что такое RAG-системы и как они устроены 💾Архитектура решения: от данных до ответа пользователю 💾Практика: реализация RAG на базе PostgreSQL 💾Как улучшать качество ответов и снижать галлюцинации Ведущий: Дмитрий Кириллов — педагог, соучредитель и технический директор одного из крупнейших сервисов онлайн-регистрации бизнеса в России. 🎁Бонусы для участников: 7% скидка на любой курс ОТУС + доступ к бесплатному пробному периоду корпоративной платформы 🎁Подарок - мини-курс по PostgreSQL Регистрация открыта: https://tglink.io/e20c556baf89e7 Увидимся на эфире! Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963. erid: 2W5zFJUUT4d

Claude можно превратить из «чат-бота» в полноценного агента, если правильно организовать проект. Вся магия - в структуре папки: your-project/ ├── CLAUDE.md → инструкции для команды (сохраняется в репозитории) ├── CLAUDE.local.md → личные настройки (игнорируется git) ├── .claude/ → центр управления │ ├── settings.json → права доступа и конфигурация (в репозитории) │ ├── settings.local.json → локальные настройки │ ├── commands/ → кастомные slash-команды │ │ ├── review.md → /project:review │ │ ├── fix-issue.md → /project:fix-issue │ │ └── deploy.md → /project:deploy │ ├── rules/ → модульные инструкции │ │ ├── code-style.md │ │ ├── testing.md │ │ └── api-conventions.md │ ├── skills/ → авто-запускаемые workflow │ │ ├── security-review/ │ │ │ └── SKILL.md │ │ └── deploy/ │ │ └── SKILL.md │ └── agents/ → субагенты (роли) │ ├── code-reviewer.md │ └── security-auditor.md Фактически ты собираешь мини-систему из агентов внутри репозитория. https://www.youtube.com/shorts/ej5qiDJ0Ibo

🔥 Microsoft Critique: deep research на стероидах, где одна модель генерирует, а вторая её критикует Microsoft выкатили Critique. Это инструмент для deep research, который одновременно запускает несколько моделей на один запрос. Работает так: первая модель берёт на себя генерацию, вторая выступает рецензентом и вычищает ошибки и неточности до того, как вы увидите финальный ответ. Какие именно модели работали над ответом, видно в шапке. По бенчмарку DRACO показывают SOTA, других замеров пока нет. Так что насколько это реально лучше обычного deep research, вопрос открытый. Отдельно интересен режим Council для обычных запросов. Ваш промпт прогоняется через несколько моделей параллельно, и вы видите все варианты сразу. Плюс краткая выжимка: где модели согласны, а где разошлись во мнениях. На широкую аудиторию пока не раскатили, можно подать заявку на ранний доступ. Будет ли это в обычной подписке за $20, неизвестно. Хотя, если честно, мультимодельный пайплайн с критиком можно собрать самому за вечер через API. И точно выйдет дешевле. techcommunity.microsoft.com/blog/microsoft365copilotblog/introducing-multi-model-intelligence-in-researcher/4506011

⚡️Что если одного SQL недсотаточно? Как стать аналитиком данных в 2026? Вы вроде уже давно изучаете SQL, но стать аналитиком с хорошим оффером не получается? На самом деле одного SQL мало для того чтобы полноценно ворваться в аналитику данных, но мы расскажем вам о том, что нужно делать и что учить, чтобы получить оффер аналитика данных. Приглашаем на бесплатный вебинар, где Андрон Алексанян - эксперт в области аналитики и CEO школы аналитики Simulative — в прямом эфире разберет все важные аспекты в работе аналитика, а также расскажет как получить оффер быстрее других. Кстати на вебинаре разберут и то как стать аналитиком в 30/40/50 и более лет. На вебинаре будет: 🟠Разберем полный роадмап: что учить, в каком порядке, до какого уровня; 🟠Структура хорошего портфолио с примерами; 🟠Что говорят реальные наниматели - какие у них сейчас требования:

— Покажем реальные примеры, как оформить резюме и портфолио, чтобы привлекать внимание; — Обсудим какие отклики работают, а какие сразу отправляют в корзину; — Изнанка найма: инсайдерский взгляд на процессы отбора

🟠 Практические техники для новичков: разберём, как компенсировать недостаток опыта и быстро закрывать пробелы в знаниях. 💬 Всем зарегистрировавшимся Simulative пришлют полезный материал — карту компетенций аналитика данных со всеми нужными инструментами для освоения. 😶Зарегистрироваться на бесплатный вебинар

Почему одного CLAUDE.md недостаточно и что реально дают Hooks в Claude Code Многие ограничиваются CLAUDE.md и на этом останавливаются. Но это всего лишь рекомендации для модели, а не строгие правила. Claude старается им следовать, но не всегда. Отсюда и проблемы: может забыть прогнать линтер, выполнить нежелательную команду или «закончить» задачу с падающими тестами. Hooks решают это иначе. Они не про просьбы, а про контроль. Любое действие проходит через этапы - до выполнения, после и перед завершением. И в каждый из этих моментов можно встроить свои проверки. Например, перед запуском команды можно отфильтровать опасные действия и просто не дать им выполниться. После - автоматически привести код в порядок. А перед завершением — не выпустить результат, пока тесты не проходят. Важный момент - коды завершения. Только exit code 2 действительно останавливает выполнение и возвращает ошибку обратно модели. Остальные коды не дают нужного контроля. В итоге разница простая: CLAUDE.md - это возможность того, что всё будет сделано правильно Hooks - это гарантия, что иначе просто не получится.

🖥 SQL-концепции, которые реально нужно знать: • CRUD → SELECT, INSERT, UPDATE, DELETE • Ключи → PRIMARY KEY, FOREIGN KEY • Ограничения → NOT NULL, UNIQUE, CHECK, DEFAULT • JOIN’ы → INNER JOIN, LEFT JOIN, RIGHT JOIN • Агрегации → COUNT, SUM, AVG, MIN, MAX • Группировка → GROUP BY, HAVING • Фильтрация → WHERE, BETWEEN, IN, LIKE • Сортировка → ORDER BY • Подзапросы → SELECT (SELECT …) • Индексы → CREATE INDEX • Представления → CREATE VIEW • Транзакции → BEGIN, COMMIT, ROLLBACK • Пагинация → LIMIT, OFFSET • Оптимизация → EXPLAIN

👊 GAN - это две нейросети, которые соревнуются друг с другом #python #chatgpt #нейросеть Первая - генератор. Она создаёт фейковые изображения из случайного шума. Вторая - дискриминатор. Она пытается понять: это реальное изображение или подделка. Если находит ошибку — генератор учится и делает лучше. Если ошибается — дискриминатор тоже становится умнее. И так по кругу. В итоге они доходят до уровня, где фейк невозможно отличить от реальности. Именно так создаются реалистичные изображения в AI https://www.youtube.com/shorts/7dZznnkTNCM

🖥 FalkorDB — это масштабируемая графовая база данных с низкой задержкой, предназначенная для команд разработчиков, управляющих структурированными и неструктурированными взаимосвязанными данными в реальном времени или интерактивных средах! 🌟 Она использует разреженные матрицы для представления матриц смежности и линейную алгебру для выполнения запросов, что обеспечивает высокую производительность и эффективность. 🖥 Github

🚀 Qianfan-OCR - end-to-end модель на 4B параметров для работы с документами. Главная идея - одна модель вместо целого пайплайна. Что умеет: • 📄 Парсинг документов в один проход Без разбиения на OCR → post-processing → extraction. Модель сразу выдаёт структурированный результат. • 📊 Таблицы Корректно извлекает структуру таблиц, строки и значения. • 🧮 Формулы Распознаёт математические выражения и приводит их к читаемому виду. • 📈 Графики и диаграммы Понимает визуальные данные и извлекает из них смысл. • 🔍 Key information extraction Автоматически достаёт ключевые поля: суммы, даты, названия и т.д. Почему это важно: Раньше для этого требовался сложный стек: OCR → layout detection → table parser → rule-based extraction. Теперь всё это заменяется одной моделью, которая делает всё сразу. Фактически это шаг к системам, которые могут понимать документы так же, как человек. #AI #OCR #LLM #MachineLearning 🎯Полезные Мл-ресурсы 🚀 Max @databases_tg

Ваши дашборды грузятся по минуте? SQL-запросы «падают» на продакшене, а бизнес требует отчеты «еще вчера»? Руководители команд аналитики и senior-разработчики знают: узкое место — не мощность сервера, а эффективность кода и архитектуры запросов. Прокачайте скорость - получите бесплатно урок «Аналитика без тормозов» от Георгия Семенова, руководителя команды Analytics Engineering в Яндексе с 14-летним опытом (экс-VK, Wildberries, ВТБ). Вы узнаете: 🔸Тактические и стратегические методы ускорения запросов и дашбордов, применимые к любой СУБД 🔸Специфические нюансы оптимизации, которые отличают middle от senior. Но это не всё. Мы понимаем: результат дает прокачка всей команды и внедрение знаний в конкретные рабочие задачи. Для руководителей отделов аналитики: хотите масштабировать этот эффект? Симулейтив предлагает корпоративное обучение под ключ:

🔸Преподаватели-практики из “биг-теха” адаптируют программу под ваши бизнес-задачи 🔸Индивидуальный итоговый проект каждого сотрудника строится на его реальной рабочей задаче 🔸Бессрочная поддержка преподавателей и доступ к закрытым мастер-классам 🔸Выгода до 30% при пакетном обучении команды

Примените практику из бесплатного урока уже сегодня, а затем внедрите её в работу всего отдела аналитики - сделайте шаг, чтобы ваши процессы полетели: ТРЕНИНГ ПО SQL