💡 Репозиторий, где собрано 100+ проектов с нуля - от веба до ИИ. Всё максимально практично 👇
- 100+ готовых проектов: сайты, игры, нейросети, тулзы
- Современные технологии: ReactJS, NodeJS, VueJS, Flutter, Unity, TensorFlow, OpenCV и другие
- Пошаговые гайды с разными уровнями сложности — подойдёт даже новичку
- У каждого проекта указан технологический стек
Без воды - только практика и понятные объяснения.
🚀 https://github.com/Xtremilicious/projectlearn-project-based-learning
- 100+ готовых проектов: сайты, игры, нейросети, тулзы
- Современные технологии: ReactJS, NodeJS, VueJS, Flutter, Unity, TensorFlow, OpenCV и другие
- Пошаговые гайды с разными уровнями сложности — подойдёт даже новичку
- У каждого проекта указан технологический стек
Без воды - только практика и понятные объяснения.
🚀 https://github.com/Xtremilicious/projectlearn-project-based-learning
🔥8❤2👍1😁1
С помощью какого ключевого слова в SQL отменяется транзакция?
Anonymous Quiz
6%
CANCEL
5%
REVERT TRANSACTION
4%
UNDO
4%
RESET TRANSACTION()
6%
ABORT
1%
STOP
61%
ROLLBACK
5%
DISCARD TRANSACTION
4%
TERMINATE
4%
RECALL TRANSACTION (name)
❤2
🚀 Мониторинг PostgreSQL с pgexporter
pgexporter — это экспортер для Prometheus, который позволяет отслеживать работу нескольких экземпляров PostgreSQL. Он поддерживает безопасное соединение через TLS и предоставляет различные метрики для мониторинга.
🚀 Основные моменты:
- Экспортер для Prometheus
- Поддержка JSON и удаленного управления
- Режим демона
- Безопасность через TLS v1.2+
- Использует нативный протокол PostgreSQL
📌 GitHub: https://github.com/pgexporter/pgexporter
pgexporter — это экспортер для Prometheus, который позволяет отслеживать работу нескольких экземпляров PostgreSQL. Он поддерживает безопасное соединение через TLS и предоставляет различные метрики для мониторинга.
🚀 Основные моменты:
- Экспортер для Prometheus
- Поддержка JSON и удаленного управления
- Режим демона
- Безопасность через TLS v1.2+
- Использует нативный протокол PostgreSQL
📌 GitHub: https://github.com/pgexporter/pgexporter
👍3🔥1
Курс научит создавать надёжные REST API-сервисы на базе PostgreSQL, используя FastAPI на Python.
Пошаговое объяснение материала - от установки среды и основ SQL до полноценного API-приложения с безопасностью, связями и масштабируемостью.
На практике разбирается:
•работу с таблицами, типами данных, фильтрацией и агрегатами
• группировки, подзапросы и оптимизацию SQL-запросов
• взаимодействие Python с базой данных
• создание REST API с FastAPI и подключением PostgreSQL
• проектирование структуры БД и нормализацию
• реализацию CRUD-операций и валидацию данных
• postgres для профессионалов
• разбор вопросов с реальных собеседований технические вопросы, SQL-задачи, разбор хитрых приемов.
Сегодня дарим промокод на скидку - 30%, действует
🚀 Начать учиться
Please open Telegram to view this post
VIEW IN TELEGRAM
👍6❤3🔥2🥰1
Выберите корректно составленный запрос с функцией GROUP BY
Anonymous Quiz
5%
SELECT COUNT(*) FROM Orders GROUP seller_id;
6%
SELECT seller_id, COUNT(*) FROM Orders GROUP seller_id;
85%
SELECT seller_id, COUNT(*) FROM Orders GROUP BY seller_id;
4%
SELECT COUNT(*) FROM Orders GROUP ON seller_id;
🥱9👍7🔥3💊1
This media is not supported in your browser
VIEW IN TELEGRAM
—
brew install cube2222/octosqlOctoSQL — CLI-инструмент, который позволяет работать с множеством баз данных (и файлов) с помощью SQL через единый интерфейс и выполнять JOIN между ними.
Например, OctoSQL может помочь объединить JSON-файл с таблицей PostgreSQL.
В то же время OctoSQL — это легко расширяемый движок потока данных, и его можно использовать для добавления SQL-интерфейса в свои собственные приложения.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3👍2🔥2
Шпаргалка по SQL-функциям
- Агрегатные функции (COUNT, SUM, AVG, MIN, MAX),
- оконные функции (ROW_NUMBER, RANK, LAG, LEAD),
- строковые функции (LOWER, SUBSTRING, CONCAT),
- работа с датами (NOW, DATE_PART, TRUNC),
- управление потоком (CASE, COALESCE),
- фильтры (IN, LIKE),
- математика (ROUND, MOD).
- Агрегатные функции (COUNT, SUM, AVG, MIN, MAX),
- оконные функции (ROW_NUMBER, RANK, LAG, LEAD),
- строковые функции (LOWER, SUBSTRING, CONCAT),
- работа с датами (NOW, DATE_PART, TRUNC),
- управление потоком (CASE, COALESCE),
- фильтры (IN, LIKE),
- математика (ROUND, MOD).
👍20❤5🔥3
This media is not supported in your browser
VIEW IN TELEGRAM
«Я — Гатс, иду по дороге меча».
Теперь такие видео можно делать в два клика — хоть про «Берсерк», хоть про ваш выпускной, хоть про корпоратив.
Просто вставляете тему, и нейросеть ставит сцену, пишет сценарий и снимает всё за вас.
Вот промпт:
Локация:
Пост-советская школа
— Качество видео как будто снято на слегка пиксельную камеру 90-х, школьный спектакль в день выступления
— Группа детей в костюмах на тематику разговаривает друг с другом
— Дети показывают сценку и читают слова на тему, будто в школе рассказывая тематику
— Аудитория поддерживающих родителей тихо ахает, и одна из мам в зале шепчет себе под нос что-то на тему выступления
Please open Telegram to view this post
VIEW IN TELEGRAM
👍8❤1🔥1
SQL-инъекции остаются одной из самых частых и опасных уязвимостей в веб-приложениях. Ошибка в одном запросе — и злоумышленник получает доступ к базе данных, паролям и пользовательским данным.
В этом материале — полный практический разбор:
как именно происходят SQL-инъекции, какие ошибки разработчиков к ним приводят, как их распознать в коде и главное — как защититься.
Разберём реальные примеры на Python, PHP и Go, посмотрим, как атакующий «взламывает» запрос, и научимся писать безопасный код с параметризованными запросами и ORM.
Это не теория, а руководство, которое поможет понять уязвимость изнутри и навсегда закрыть её в своих проектах.
👉 Читать гайд
Please open Telegram to view this post
VIEW IN TELEGRAM
❤4👍3🥰1
PostgreSQL – одна из самых мощных СУБД с открытым исходным кодом. Этот гайд подробно охватывает ключевые аспекты PostgreSQL: от внутренней архитектуры до приёмов оптимизации. Мы рассмотрим администрирование, производительность, расширения, инструменты, а также сравним популярные ORM для Python и Go. В конце приведён список продвинутых вопросов, часто встречающихся на собеседованиях.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤5
🪄 Открытая альтернатива Firebase — на стероидах PostgreSQL
Платформа, которая даёт всё, чтобы собрать современное веб-, мобильное или AI-приложение — без проприетарных SDK и боли.
Что внутри:
⚙️ Хостинг Postgres с realtime-синхронизацией
🧩 Автогенерация REST и GraphQL API
🔐 Аутентификация и авторизация через JWT
⚡ Edge-функции и серверные триггеры
📦 Хранилище файлов с поддержкой S3
🧠 AI-инструменты: векторные индексы, эмбеддинги, семантический поиск
🪶 Всё open source и доступно для self-host.
По сути это Firebase-опыт, но построенный на «взрослых» open-source технологиях:
PostgreSQL, Elixir, GoTrue, PostgREST, pg_graphql.
Платформа, где можно запустить идею, вырастить продукт и не упереться в чьи-то закрытые лимиты.
#Postgres #OpenSource #Backend #AI #GraphQL #Realtime #FirebaseAlternative
https://github.com/supabase/supabase
Платформа, которая даёт всё, чтобы собрать современное веб-, мобильное или AI-приложение — без проприетарных SDK и боли.
Что внутри:
⚙️ Хостинг Postgres с realtime-синхронизацией
🧩 Автогенерация REST и GraphQL API
🔐 Аутентификация и авторизация через JWT
⚡ Edge-функции и серверные триггеры
📦 Хранилище файлов с поддержкой S3
🧠 AI-инструменты: векторные индексы, эмбеддинги, семантический поиск
🪶 Всё open source и доступно для self-host.
По сути это Firebase-опыт, но построенный на «взрослых» open-source технологиях:
PostgreSQL, Elixir, GoTrue, PostgREST, pg_graphql.
Платформа, где можно запустить идею, вырастить продукт и не упереться в чьи-то закрытые лимиты.
#Postgres #OpenSource #Backend #AI #GraphQL #Realtime #FirebaseAlternative
https://github.com/supabase/supabase
❤2👍1
Какой SQL-оператор отвечает за удаление всей таблицы?
Anonymous Quiz
14%
DELETE
0%
EVAPORATE
1%
ALTER
65%
DROP
12%
TRUNCATE
1%
UPDATE
4%
REMOVE
2%
ERASE
👍12😁7💯1
Forwarded from Machinelearning
• Содержание: Курс 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.
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.
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.
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.
Вы узнаете, как масштабировать базы данных через шардинг - 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 много базы по SQL
Читать
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.
👉 Еще больше полезного.
@ai_machinelearning_big_data
#AI #MachineLearning #DataScience #ML #ИИ #freecourses
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3👍3🔥2
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-activityРаботает 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
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6👍3❤1🥰1
Где верно прописано удаление поля в таблице?
Anonymous Quiz
18%
DROP Users COLUMN name;
8%
SELECT Users DROP COLUMN name;
9%
TRUNCATE Users DROP COLUMN name;
55%
ALTER TABLE Users DROP COLUMN name;
10%
Узнать ответ
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:
Если делать обычный индекс, он будет огромный. Но partial index:
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.
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.
👍21🔥5❤3
— 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
Please open Telegram to view this post
VIEW IN TELEGRAM
🤔7❤3👍1
Как MySQL обрабатывает повторяющиеся ключи при использовании INSERT IGNORE?
Anonymous Quiz
20%
Вставляет все строки, включая дубликаты
64%
Игнорирует строки с конфликтующими ключами без ошибки
7%
Выдаёт ошибку и откатывает всю операцию
9%
Обновляет существующие строки с конфликтом