Data Science: SQL и Аналитика данных

Появился сервис для прожарки вашего стартапа — ShipOrDie Механика простая — вставляешь ссылку (или описываешь идею) и отдаёшь на растерзание боту и другим участникам. Сервис не щадя проходится по тексту и смыслам, находит размытые формулировки и перегретые обещания. Плюс внутри можно поставить цель компании по выручке, трафику или количеству пользователей и вести публичный лог прогресса — но будьте готовы к критике. Всё про Data Science

Project Genie: Google даёт поиграться с генеративными мирами Google запустили Project Genie — и это первая нормальная возможность для обычных пользователей потрогать Genie-3 руками. По сути, это генератор интерактивных миров: ты отдельно задаёшь промпт для окружения и для персонажа (или просто кидаешь картинку), сначала получаешь превью мира от Nano Banana, правишь детали, а уже потом «заходишь» внутрь. Фантазия вообще ничем не ограничена — можно, например, сделать мир “34th Street–Penn Station” и играть за “Discarded pack of cigarettes”, буквально управляя пачкой сигарет в метро. Плюс есть ремиксы: берёшь персонажа из одного мира, окружение из другого, или копаешься в галерее чужих миров и перекраиваешь их под себя. В итоге это выглядит как песочница между игрой, генеративным артом и прототипированием будущих виртуальных миров — залипнуть реально легко. Единственный минус: доступ пока только для подписчиков Ultra за $250, так что это скорее взгляд в будущее, чем массовый релиз. Всё про Data Science

➡️ Локальная панель для Cloudflare Workers Localflare — это инструмент для разработки, который упрощает взаимодействие с вашими ресурсами Cloudflare, такими как D1 базы данных, KV пространства и R2 бакеты. Он предлагает интуитивно понятный интерфейс для визуализации и управления данными в процессе разработки. Основные моменты: ⏺️ Полнофункциональный SQL-редактор для D1 баз данных ⏺️ Удобный браузер для работы с KV парами ⏺️ Менеджер файлов для R2 бакетов ⏺️Инспектор очередей для тестирования сообщений ⏺️ Работает с любыми фреймворками без настройки ➡️ GitHub: https://github.com/rohanprasadofficial/localflare Всё про Data Science

7 шаблонов для построения Multi-Agent систем Если вы работаете с LLM-агентами — сохраните эту шпаргалку. 👏 Эти паттерны — фундамент для создания масштабируемых и надёжных multi-agent систем. Всё про Data Science

ИИ для SQL: пусть он объяснит «почему запрос тормозит» Профессиональный лайфхак: не проси ИИ «оптимизировать запрос» вслепую. Вместо этого — давай ему EXPLAIN / EXPLAIN ANALYZE и структуру таблиц. ИИ отлично умеет: ⏺️ разбирать план выполнения ⏺️ находить узкие места (Seq Scan, лишние JOIN, сортировки) ⏺️ предлагать индексы и переписывание запроса по факту, а не наугад Алгоритм простой: 1️⃣ запускаешь EXPLAIN ANALYZE 2️⃣ прикладываешь схему таблиц 3️⃣ спрашиваешь: *где bottleneck и что бы ты поменял?* Так ты получаешь не магию, а обоснованные рекомендации с пониманием, зачем они нужны. пример «правильного» запроса к ИИ с реальными данными -- запрос SELECT * FROM orders o JOIN customers c ON c.id = o.customer_id WHERE o.created_at > NOW() - INTERVAL '30 days' AND c.country = 'US' ORDER BY o.created_at DESC LIMIT 100; -- план выполнения EXPLAIN ANALYZE SELECT ... -- (сюда вставь полный план: Seq Scan / Index Scan / сортировки и т.п.) -- схема таблиц (важно!) \d orders \d customers -- вопрос ИИ: "Разбери план выполнения. Где узкие места? Нужны ли индексы и какие именно? Можно ли переписать запрос быстрее, не меняя логику?" Всё про Data Science

Важно знать: избегай SELECT * для оптимизации запросов! Использование SELECT * может привести к излишней загрузке данных и снижению производительности. Вместо этого, укажите только необходимые столбцы для выборки. Это не только упростит обработку данных, но и позволит использовать индексы более эффективно. -- Вместо этого: SELECT * FROM orders WHERE customer_id = 123; -- Используйте явный выбор столбцов: SELECT order_id, order_date, total_amount FROM orders WHERE customer_id = 123; -- Дополнительно можно добавить индексы если это необходимо: CREATE INDEX idx_customer_id ON orders(customer_id); Всё про Data Science

👀 Навязчивый контроль #юмор Всё про Data Science

Gemini 3 Pro: новый лидер в решении сложных математических задач Не так давно Gemini 3 Pro стал настоящим фаворитом среди ИИ в области сложной математики. Система удивила даже самых требовательных специалистов. На бенчмарке FrontierMath (https://epoch.ai/frontiermath), который включает в себя задачи самой высокой сложности, эта модель показала феноменальные результаты 😐 Для начала, давайте разберёмся, что такое FrontierMath. Это набор задач, подготовленных профессиональными математиками, охватывающий широкий спектр тем — от теории чисел до алгебраической геометрии. Некоторые из этих задач могут занять у человека недели работы, а уровень сложности варьируется от бакалавриата до уровня исследовательской работы. Gemini 3 Pro, к слову, набрал 37,6% по общим результатам, значительно обогнав остальных соперников: Gemini 2.5 Deep Think с 29% и GPT-5 Thinking с 26,6%. На самом сложном уровне Tier 4, где ставятся задачи из мира научных исследований, Gemini 3 Pro также оказался вне конкуренции, решив девять задач. Для сравнения, GPT-5.1 Thinking и GPT-5 Pro справились только с шестью. Что это значит? Мы привыкли к тому, что ИИ пока уступает человеку в таких областях, как математика, но, похоже, это скоро изменится. Например, люди в среднем показывают около 30% правильных решений в таких задачах, а при совместной работе и нескольких попытках результат может подниматься до 50%. Если учесть, что ИИ сейчас добился 19% на самых сложных задачах (это ещё без дополнительных попыток), можно говорить о серьёзном прогрессе. На фоне того, что эти технологии становятся доступными для широких масс, можно ожидать настоящую революцию в области научных исследований и образования. Переплюнет ли ИИ человека в математике? Всё про Data Science

Cursor 2.1: новый релиз, который упрощает жизнь разработчикам Вышел новый релиз Cursor 2.1. В этот раз обновлений сразу несколько, и все они значительно улучшают работу с кодом. Давайте рассмотрим нововведения. Теперь в Cursor есть суперудобная функция «Find Issues», которая позволяет находить и исправлять баги буквально одной кнопкой. Агент проводит ревью вашего кода и моментально показывает все найденные проблемы в боковой панели. Не надо больше искать по строкам и угадать, где что-то пошло не так. Бонус: в течение этой недели вы можете потестировать эту фичу бесплатно! Греет сердце старый добрый grep, но с улучшениями 🍌 Не знаю, как вы, а я обожаю старый добрый grep, который позволяет быстро найти нужный фрагмент в коде. Так вот, теперь в Cursor это ещё и векторный поиск. А если вы всё-таки за традиции, то grep вынесли отдельно. Работает почти мгновенно и ищет по всей кодовой базе, включая точные совпадения и регулярки. Для тех, кто привык к скорости и точности — просто мастхэв. Режим планирования тоже не остался без внимания. Теперь, когда вы утверждаете план действий, агент будет задавать уточняющие вопросы. Простой и удобный интерактивный режим позволяет отвечать прямо на месте Всё про Data Science

Как ИИ помог организовать крупнейшую кибератаку 🔫 Вот вам и «цифровая эволюция». Anthropic зафиксировали первый случай массовой кибератаки, проведённой с помощью ИИ. Это не единичный случай, а целая кампания! Давайте разберемся, что случилось. Преступники, по версии Anthropic, использовали модель Claude, которую обманули с помощью джейлбрейка. В итоге модель начала выполнять задачи, скрывая от себя истинную цель операции и думая, что работает для вполне легитимной фирмы кибербезопасности. Всё как по маслу: разведка инфраструктуры, написание эксплойтов, получение доступа, создание бэкдоров, кража данных — и даже создание подробной документации по всей атаке. Почти без участия человека. Весь процесс был автоматизирован почти на 90%! Человек вмешивался только в самые критические моменты, когда нужно было принять решение. И самое интересное: аналитики заметили подозрительную активность, запустили расследование и вовремя поймали эту кибершпионскую операцию 🍴 Порог входа для проведения таких атак серьёзно снизился. Но то, что ИИ может использоваться как в атаке, так и для обороны, даёт надежду. Только если мы будем использовать ИИ для защиты и продолжать развивать механизмы безопасности, можно надеяться на стабильность в киберпространстве.