SQL Community

⚡️ Бесплатный 7-часовой курс MIT по генеративному ИИ MIT выложил полный интенсив по современным генмоделям — от LLM до диффузионных моделей. Разбирают архитектуры, принципы обучения, практические применения и ключевые идеи, которые лежат в основе сегодняшних систем. Подойдёт тем, кто хочет быстро собрать цельную картину без воды. Курс: https://www.youtube.com/playlist?list=PLXV9Vh2jYcjbnv67sXNDJiO8MWLA3ZJKR

📚 Курс, который прокачает твои AI-скиллы в BigQuery Этот курс учит работать с Gemini прямо внутри BigQuery и закрывает полный набор практических навыков: - генерация и отладка SQL-запросов с помощью Gemini - анализ тональности текста - автоматические суммари и выделение ключевых слов - генерация эмбеддингов - построение RAG-пайплайна - мультимодальный векторный поиск Если хочешь уверенно использовать AI-инструменты в аналитике и продуктах — этот курс даёт полный набор необходимых умений. https://www.skills.google/paths/1803/course_templates/1232

🔥Прими участие в Хакатоне от ИТ-холдинга Т1 в Москве и поборись за призовой фонд 1 200 000 рублей! Когда: 25–28 ноября Формат: онлайн + финал на площадке Участвуй, если ты: 🔹обучаешься на технической или ИТ-специальности 🔹развиваешься в направлении разработки, системной администрации, AI/ML или DevOps 🔹сможешь быть в Москве 28 ноября. Выбери свой кейс: ✴️VibeCode Jam: собеседование будущего. Создай ИИ-платформу для прохождения технических собеседований с виртуальным интервьюером. ✴️Self-Deploy: CI/CD без DevOps. Автоматизируй генерацию CI/CD пайплайнов по анализу структуры Git-репозитория. Почему стоит участвовать: 🔘Кейс в портфолио и полезная обратная связь от менторов Т1 🔘Шанс проявить себя, чтобы начать карьеру в одной из крупнейших ИТ-компаний 🔘Реальный опыт командной работы 🔘Мерч и атмосфера сильного комьюнити — в Т1 более 5 000 джунов из 580+ вузов России и Беларуси. Регистрация открыта! ➡️ Успей до 23 ноября по ссылке. #реклама О рекламодателе

✔️ ИИ-ассистент, который сам пишет и оптимизирует SQL запросы — уже работает с PostgreSQL, а MySQL и MongoDB на очереди — понимает обычный язык: достаточно спросить «какие пользователи были активны за месяц?» — шифрует всё — строки подключения, пароли, запросы — позволяет выбрать модель, на которой крутится ассистент Опенсорс, безопасно и реально экономит время. https://github.com/wannabespace/conar

Продвинутый SQL-совет: используйте partial indexes как «селективный ускоритель», но не только для WHERE — ещё и для JOIN-ов. Большинство разработчиков делают частичные индексы так: CREATE INDEX idx_active_users ON users(id) WHERE active = true; Но фишка в том, что partial index может радикально ускорить запросы, где фильтр стоит не в WHERE, а «прячется» в JOIN-условии. Оптимизатор всё равно понимает условие и использует индекс. Например, у вас есть таблица logs, где 95% строк — архив, и только 5% актуальные. Запрос делает join:

    
        
SELECT u.id, l.event
FROM users u
JOIN logs l ON l.user_id = u.id AND l.is_archived = false;
{}
    

Если делать обычный индекс, он будет огромный. Но partial index:

    
        
CREATE INDEX idx_logs_active ON logs(user_id)
WHERE is_archived = false;
{}
    

Теперь: - индекс в 20–30 раз меньше - cache hit rate выше - планы меняются с seq scan на index scan - JOIN начинает работать почти как в in-memory базе Прикольно, что работает даже если в SELECT самого условия нет — главное, чтобы оно было в ON. Это отличный способ ускорять «холодные» большие таблицы, где часто обращаются только к маленькому активному сегменту.

Жалкое зрелище

🖥 Инструмент для мониторинга активности PostgreSQL Следит за запросами, блокировками, использованием памяти и CPU - помогает мгновенно понять, что происходит с базой в реальном времени. 💻 Устанавливается одной командой: sudo apt install pg-activity Работает как локально, так и по сети. Если запускать от postgres или root, открывается полная статистика - системные процессы, временные файлы и всё, что нужно для анализа нагрузки. https://github.com/dalibo/pg_activity

✔️ **Подборка полезных бесплатных курсов и гайдов на выходные. ** **🖥**** Microsoft представила свежий цикл лекций по Python и и ИИ. ** • **Содержание:** [Курс](https://t.me/pythonl/5181) включает 9 лекций, дополненных видео, подробными презентациями и примерами кода. Цикла - обучение разработке ИИ-агентов доступен написан понятно, даже для новичков в программирование. • **Темы:** В лекциях рассматриваются такие темы, такие как RAG (Retrieval-Augmented Generation), эмбеддинги, агенты и протокол MCP. 👉 [Курс](https://github.com/orgs/azure-ai-foundry/discussions/166) 💡**Гарвардский курс по машинному обучению** Культовый трек CS 249 превратили в интерактивный учебник - и это, пожалуй, один из лучших стартов для инженеров, которые хотят делать **реальные ML-системы**, а не просто играться с моделями. • Вся база по ML: объясняют фундамент с нуля, нужно только знание Python • Проектирование систем и инженерия данных • Подготовка датасетов, MLOps и мониторинг • Развёртывание ИИ в IoT и продакшене Это **практический** курс: не о формулах, а о том, как внедрять ML так, чтобы он приносил бизнесу прибыль. Если хочешь понять, как модели живут в проде - идеальный вариант для старта. 👉[Курс](https://github.com/harvard-edge/cs249r_book/) 🖥 **Создай своего Bash-агента с NVIDIA Nemotron за 1 час** NVIDIA показала, как собрать AI-агента, который понимает твои запросы на естественном языке и сам выполняет команды Bash. В основе модель Nemotron Nano 9B v2: компактная, быстрая, идеально подходит для локального эксперимента. Агент умеет: - распознавать команды на естественном языке («создай папку», «покажи файлы»), - превращать эти команды в рабочие Bash-срипты - спрашивать подтверждение перед выполнением. Весь код занимает ~200 строк Python, работает через FastAPI и LangGraph. Можно расширить под DevOps, Git-операции, анализ логов или управление сервером. 👉[Гайд](http://developer.nvidia.com/blog/create-your-own-bash-computer-use-agent-with-nvidia-nemotron-in-one-hour) ⚡️ **Kaggle Learn**: **интерактивные мини-курсы по Python, Data Science и машинному обучению. Полностью бесплатно и максимально практично.** Что внутри: • Python, Pandas, визуализация • Основы машинного обучения и фичеринжиниринг • Подготовка данных и работа с моделями Практика без лишней теории учишься и сразу применяешь. 👉[Курс](http://kaggle.com/learn) 🖥 **Гайд по шардингу баз данных от PlanetScale** Вы узнаете, как масштабировать базы данных через [шардинг](https://t.me/Golang_google/3234) - разбиение данных по серверам для роста производительности и отказоустойчивости. Главное: • Шардинг нужен, когда одна база больше не справляется с нагрузкой. • Есть два популярных подхода — по диапазону (range) и по хешу (hash). • Важно выбрать стабильный ключ (например, user_id) и избегать кросс-шардовых запросов. • Прокси-слой немного увеличивает задержку, но даёт масштабируемость. Отличный материал, если хочешь понять, как строят системы уровня YouTube. А [здесь](https://github.com/DataWithBaraa/sql-ultimate-course) много базы по SQL [Читать](https://planetscale.com/blog/database-sharding) 🧠 **60 готовых проектов по генеративному ИИ** Список из 60 проектов на GitHub с открытым кодом по генеративному ИИ 0от текстовых моделей до аудио и видео. Каждый проект - с описанием и ссылкой на репозиторий. Можно выбрать идею, запустить локально и собрать своё AI-портфолио. 👉 [Github](http://github.com/aishwaryanr/awesome-generative-ai-guide/blob/main/resources/60_ai_projects.md) 👉 [Еще больше полезного.](https://uproger.com/data-science-luchshie-besplatnye-kursy/) @ai_machinelearning_big_data #AI #MachineLearning #DataScience #ML #ИИ #freecourses