Data Science. SQL hub

Google Research представила Gemini-SQL2 - новую систему text-to-SQL на базе Gemini 3.1 Pro.Она превращает вопросы на обычном языке в исполняемые SQL-запросы, позволяя получать данные из баз без ручного написания кода.На бенчмарке BIRD система показала state-of-the-art результат - 80,04% execution accuracy.BIRD реально запускает запрос и проверяет, возвращает ли он правильный результат.https://x.com/GoogleResearch/status/2065475343205740911

📚 Библиотека для работы с SQLite в C++26 с использованием рефлексииReflite — это библиотека на C++26, которая упрощает взаимодействие с SQLite, позволяя использовать обычные структуры как основу для выполнения запросов. Она поддерживает основные операции: вставка, удаление, выборка и обновление, избавляя от лишнего шаблона кода.🚀 Основные моменты:- Легковесная библиотека в одном файле- Поддержка операций INSERT, DELETE, SELECT, UPDATE- Использует рефлексию для работы с типами структур- Не требует полной реализации SQL, фокус на простоте- Совместима с современными компиляторами C++26📌 GitHub: https://github.com/KaruroChori/reflite#cpp

OptimizerDuck - open-source утилита, после которой CCleaner уже не нуженOptimizerDuck собирает в одном приложении 30+ твиков системы: от отключения телеметрии, Copilot, Cortana и рекламного ID до тонкой настройки автозагрузки, служб, питания и задержек ввода.Укаждой настройки есть рейтинг риска. То есть вы заранее видите, что безопасно применить, а где лучше подумать, вместо классического сценария «нажал всё подряд и потом откатываешь систему».Что умеет:* отключать телеметрию Windows, Cortana, Copilot и рекламный ID* управлять автозагрузкой приложений* настраивать службы хоста под объём RAM* включать кастомный план питания для высокой производительности* снижать задержку клавиатуры для игр* применять GPU-твики, которые обычно правят вручную через реестрВсе изменения обратимы. Не понравилось, можно откатить назад. можно откатить назад.https://github.com/itsfatduck/optimizerDuck

✔️ IPO OpenAI произойдет в 2027 годуСэм Альтман сообщил сотрудникам, что выход на биржу откладывается на год. Поданный проспект эмиссии он назвал маневром для сохранения тактической свободы. В качестве альтернативы сотрудникам предложили выкупить их акции по цене $687,69 за штуку.Задержка объясняется прогрессом в разработке самообучающегося ИИ. По мнению главы OpenAI, в период непредсказуемого развития технологий компании безопаснее оставаться непубличной.Дополнительный фактор переноса - размещение акций Anthropic. Конкурент показывает лучшие метрики роста, тогда как OpenAI сжигает капитал.В июне компания планирует выпустить новую модель с индексом 5.6, которую внутри оценивают как серьезный шаг вперед по сравнению с GPT-5.5.theinformation.com✔️ Arcee AI переезжает из AWS на Hugging FaceДанные компании разместят в сервисе Hugging Face Buckets, который оснащен встроенной CDN и оптимизирован для работы с весами моделей.Главная причина миграции в отсутствии платы за исходящий трафик. Единое хранилище позволит Arcee AI избежать вендор-лока и запускать обучающие кластеры у любых облачных провайдеров без затрат на перенос данных.На Hugging Face лаборатория поддерживает более 200 проектов. Среди них - файнтюн SuperNova на базе Llama 3.1, семейство моделей Trinity и открытый датасет The-Tome, включающий 1,75 млн образцов для обучения ИИ-агентов. huggingface.co✔️ NotebookLM получил среду для запуска кода, агентов и модель Gemini 3.5Google обновила платформу NotebookLM. Система перешла на Gemini 3.5 и движок Antigravity, получила поддержку автономных агентов и возможность запуска кода.Каждый блокнот теперь оснащается облачным инстансом, который включает более 100 скиллов для выполнения кода и анализа данных. В тестах новая архитектура превосходит предыдущую в 65% случаев по 5 ключевым метрикам.В сервисе появилась возможность начинать исследования без загрузки данных через агентный поиск релевантных материалов. Результаты попадают в базу с сохранением атрибуции. Расширились фо

Готов к космическому разгону AI‑продукта? Приходи на One Day Offer для Product Analysts! 🚀20 июня команда GigaChat планирует найти будущего коллегу — продуктового аналитика, который поможет вывести LLM‑платформу на новую орбиту.Ты будешь:✔️ анализировать поведение пользователей;  ✔️ проводить A/B‑тесты; ✔️ создавать дашборды; ✔️ работать с метриками. А ещё ты станешь частью крупнейшего IT‑комьюнити.Хочешь влиять на продукт для миллионов? Регистрируйся на One Day Offer прямо сейчас!

SQLModel использует аннотации типов Python, чтобы объединить Pydantic и SQLAlchemy и уменьшить дублирование кода при работе с SQL-базами.* одна аннотация типа заменяет отдельные модели Pydantic и SQLAlchemy* хорошо совместим с FastAPI, Pydantic и SQLAlchemy* внутри работает на базе Pydantic и SQLAlchemy* разумные настройки по умолчанию уменьшают количество шаблонного кодаhttps://github.com/fastapi/sqlmodel

Сотрудники Авито ведут свой telegram-канал ⭐️И знаете, получается мегалампово и увлекательно. Всего через несколько постов начинаешь уже чувствовать себя частью их уютного офиса: рядом знакомые весёлые коллеги из постов, и вам точно есть что обсудить.А вообще, хвалим и одобряем. Во-первых, смело и интересно. Во-вторых, для тех, кто рассматривает работу в компании, это возможность изучить культуру и атмосферу в команде ещё до трудоустройства.🔥 Однозначно подписка — @TeamAvito🔥🔥 Если думаешь о работе в Авито, то добавляй сразу — @avito_career

PostgreSQL 19 Beta 1 добавляет ON CONFLICT DO SELECT.Выглядит как незначительно изменение, но для разработки это очень удобная штука: теперь можно атомарно сделать get-or-create.То есть логика становится простой:- вставить строку- если такой ключ уже есть - не обновлять её- просто вернуть существующую записьПример:INSERT INTO users (email, name)VALUES ('alice@example.com', 'Alice')ON CONFLICT (email) DO SELECTRETURNING *;Раньше для такого случая часто приходилось городить обходные варианты через DO NOTHING, отдельный SELECT, CTE или искусственный DO UPDATE, который ничего по сути не меняет.Теперь PostgreSQL закрывает один из самых частых кейсов в backend-разработке: безопасно создать запись или получить уже существующую без лишней гонки между запросами.Простой синтаксис, большой плюс к читаемости.

Хорошая история из серии «скрипт был почти правильный, пока не удалил всё».The Register рассказал кейс консультанта по тест-автоматизации. У клиента была система управления тестами, куда складывались видеозаписи test evidence. Роликов накопилось около 600, вручную удалять их было долго, поэтому консультант написал скрипт для очистки.Он отладил код, прошёлся по значениям, проверил один файл, всё выглядело нормально. Потом скрипт удалил не только этот файл, а весь контейнер с видео и другими данными.Проект был в разгаре, данные были важные, но консультант решил не признаваться. Он сообщил о потере данных как о проблеме системы и завёл тикет в поддержку.Через неделю данные восстановили из бэкапа. Поддержка так и не нашла точную причину, зато взяла вину на себя: мол, один из SaaS-скриптов вышел из-под контроля и удалил контент.Смешно читать, страшно узнавать себя.Инженерный урок тут простой:- destructive scripts должны сначала работать в dry-run- удаление по контейнеру или префиксу требует явного allowlist- перед массовой операцией нужен лимит на количество затронутых объектов- лог «что будет удалено» важнее, чем уверенность автора- бэкап спасает не от ошибки, а от катастрофы после ошибкиhttps://www.theregister.com/software/2026/06/08/consultant-mistakenly-deleted-a-ton-of-data-but-reported-it-as-a-bug/5245952

SQL-приём: FILTER в агрегатах вместо пачки CASE WHEN.Обычно пишут так:SELECT COUNT(*) AS total_orders, SUM(CASE WHEN status = 'paid' THEN 1 ELSE 0 END) AS paid_orders, SUM(CASE WHEN status = 'failed' THEN 1 ELSE 0 END) AS failed_orders, SUM(CASE WHEN amount > 1000 THEN amount ELSE 0 END) AS big_order_revenueFROM orders;Но в PostgreSQL это можно сделать чище:SELECT COUNT(*) AS total_orders, COUNT(*) FILTER (WHERE status = 'paid') AS paid_orders, COUNT(*) FILTER (WHERE status = 'failed') AS failed_orders, SUM(amount) FILTER (WHERE amount > 1000) AS big_order_revenueFROM orders;Чем полезно:• запрос читается как аналитическая таблица• меньше шума от CASE WHEN• проще добавлять новые метрики• условия не смешиваются с логикой агрегации• особенно удобно для дашбордов и отчётовА ещё можно делать несколько метрик по разным условиям за один проход по данным:SELECT date_trunc('day', created_at) AS day, COUNT(*) FILTER (WHERE status = 'paid') AS paid, COUNT(*) FILTER (WHERE status = 'refunded') AS refunded, AVG(amount) FILTER (WHERE status = 'paid') AS avg_paid_amountFROM ordersGROUP BY 1ORDER BY 1;Это маленькая фича, но в реальной аналитике она сильно повышает читаемость SQL.

🖥 На stepik обновили курс Python в 2026 - рабочий инструмент для автоматизации, ботов, парсинга, API, данных и разработки с ИИ.Проблема новичков в том, что они учат Python кусками: синтаксис, пару задач, немного теории - и потом не понимают, как собрать из этого реальный проект.Этот курс закрывает именно этот разрыв. Здесь вы не просто смотрите уроки, а учитесь писать код, разбирать ошибки и собирать рабочие решения на практике.Внутри:- Python с нуля- много практики без сухой теории- реальные задачи и проекты- автоматизация рутины- работа с файлами, данными и API- понятная логика программирования- современная разработка с ИИ- отдельный блок по вайбкодингуВайбкодинг это нормальный навык 2026 года и вас научат- правильно ставить задачу, проверять код, понимать результат и быстрее доводить проект до рабочего состояния.48 часов скидка 60%: https://stepik.org/course/288218/

Nvidia выложила Nemotron 3 Ultra в открытых весах.Архитектура та же, что в варианте Super: гибрид Mamba-2 с attention плюс LatentMoE. Только теперь всё крупнее и соотношение «качество к стоимости инференса» выглядит сильно.Гибрид с Mamba бьёт в больное место трансформеров: линейная сложность по длине вместо квадратичной, дешевле на длинном контексте. LatentMoE добавляет ёмкости без пропорционального роста вычислений.Веса открыты - можно гонять локально и щупать самим.🤗BF16 checkpoint: https://huggingface.co/nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16🤗NVFP4 checkpoint: https://huggingface.co/nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-NVFP4📜Technical Report: https://research.nvidia.com/labs/nemotron/files/NVIDIA-Nemotron-3-Ultra-Technical-Report.pdf

Как получить БЕСКОНЕЧНЫЕ лимиты ChatGPT, Gemini, Claude и других хайповых нейронок - нашел инструмент, который позволяет максимально экономить токены.Нашли расширение, которое делает почти магию: переносит диалог с нейронкой в другой аккаунт в один клик.Когда лимит в ChatGPT, Gemini, Claude или другом сервисе заканчивается, не нужно вручную копировать промпты, ответы и весь контекст. Расширение сохраняет текущий чат и позволяет продолжить разговор с того же места.Что умеет:• переносить диалог между аккаунтами • сохранять контекст, результаты и важные данные • избавлять от ручного копирования • быстро продолжать работу после упора в лимитыДля тех, кто постоянно работает с нейронками, это прям находка.Ссылка на расширение - https://addons.mozilla.org/ru/firefox/addon/limit-skip/

⚡️ Когда аналитика разнесена по отдельным системам, бизнес долго ждет данные и платит за лишние кластеры, ETL и серверы.🐘 Postgres Pro AXE — аналитическая СУБД от Postgres Professional на знакомом PostgreSQL. Ускоряет доставку аналитики и снижает TCO на хранение и обработку данных.✅ До 20 раз быстрее GreenplumНа сложных запросах в тестах ClickBench, TPC-H и TPC-DS.✅ До 10 раз меньше ресурсовПри сопоставимой нагрузке с MPP-аналогами.✅ Аналитика ближе к рабочим даннымPostgres Pro AXE работает как отдельная аналитическая СУБД или расширяет Postgres Pro Enterprise аналитическими возможностями на существующих узлах.✅ Быстрый старт для командыЗнакомый диалект PostgreSQL снижает порог входа для администраторов и разработчиков.✅ Свобода хранения и BIЛокальный сервер, сетевая шара или S3. Данные — в формате Parquet.🔗 Приходите 28 мая на бесплатный вебинар: покажем, как построить аналитику без зоопарка технологий.Реклама ООО «ППГ» Инн: 7707083893 Erid: 2VtzqwzwH4t

🐍 Python Roadmap 2026: наконец-то полноценная актуальная карта изучения Python, а не список ссылок «разберись сам»На GitHub выложили большой русскоязычный роадмап по Python на 2026 год - от первых скриптов до уровня Middle+/Senior. Маршрут собран под современный Python:- Python 3.13+- free-threaded mode без GIL- JIT- uv вместо боли с pip/venv/poetry- ruff, pyright, pytest, hypothesis- async-first подход- типизация- CPython внутри- web, базы, ML/AI, DevOps и архитектураВ роадмапе есть нормальная последовательность: сначала окружение и база, потом идиомы, ООП, типы, стандартная библиотека, асинхронность, тестирование, внутренности CPython, web, базы данных, AI-направление, продакшн и архитектура.Отдельный плюс - практический формат. На каждом этапе есть задачи, чеклисты, примеры кода и бесплатные ресурсы. То есть это не мотивационная простыня, а маршрут, по которому реально можно идти несколько месяцев и видеть прогресс.Для новичков - понятный путь без хаоса.Для джунов - способ закрыть дыры.Для тех, кто уже пишет на Python - хороший чеклист, чтобы понять, где ты всё ещё плаваешь.Python в 2026 году - это tooling, типы, async, инфраструктура, AI и продакшн-дисциплина. И этот роадмап как раз про такой Python.https://github.com/justxor/pythonroamap2026