NYT in story-first mode

Read: https://junkcharts.typepad.com/numbersruleyourworld/2023/06/nyt-in-story-first-mode.html

Оптимизация выборок в больших коллекциях MongoDB

При работе с большими коллекциями в MongoDB, размер которых превышал десятки миллионов записей, возникла необходимость формировать случайные выборки уникальных значений полей, принадлежащих документам этой коллекции.

Для такой операции, в MongoDB штатно предусмотрена функция $sample, которую можно использовать в составе pipeline при проведении агрегации данных. Однако, как показала практика, выполнение выборки полей таким образом на большой коллекции может занимать весьма ощутимое время. Чтобы сократить время выполнения таких выборок, потребовалось разработать собственный алгоритм, который на порядки увеличил скорость работы. Ниже приведен подход и вариант реализации данного алгоритма.


Читать: https://habr.com/ru/companies/stc_spb/articles/735512/

«Инженеров данных заменит автоматика» и другие мифы о DE

Инженеры данных (англ. data engineer) готовят данные для анализа, машинного обучения и других целей. В деталях это означает множество операций с данными: сбор, хранение, обработка, интеграция, трансформация и представление в нужной для работы приложений и систем форме.

Из краткого определения сложно понять нюансы профессии и тем более захотеть стать инженером данных. Поэтому мы с коллегами собрали мифы о data engineering и выделили наиболее популярные.

Если вы неплохо знакомы с работой дата-инженера, мифы про бесконечный кодинг или однообразие задач могут показаться глупыми и смешными. Но не делайте поспешных выводов: при подготовке статьи мы тоже узнали что-то новое.


Читать: https://habr.com/ru/specials/740058/

Дообучение модели машинного перевода

Разработчики машинного перевода часто рассказывают об использовании предварительно обученных моделей. Захотелось дообучить такую модель самому, но пришлось приложить усилия, чтобы найти понятный пример. Поэтому после того, как код заработал, решил поделиться скриптами.


Читать: https://habr.com/ru/articles/738086/

Почему Trino такой быстрый: динамические фильтры

Принцип большинства оптимизаций производительности в аналитических SQL-движках — ответить на запрос пользователя, затратив минимум вычислительных ресурсов. Динамические фильтры — это оптимизация, которая создает дополнительный предикат для одной из сторон оператора Join на основе данных другой стороны.

Так как аналитические запросы часто содержат операции Join и сканируют таблицы большого размера, наличие динамических фильтров позволяет существенно сократить объем обрабатываемой информации, а значит повысить производительность.

Рассмотрим реализацию динамических фильтров на примере Trino.
Узнать, как работают динамические фильтры

Читать: https://habr.com/ru/companies/cedrusdata/articles/740274/

Расчет скидки за первый и последний этаж в Excel (Часть 2)

В первой части иллюстрированной инструкции по проведению расчета величины скидки за первый и последний этаж был показан порядок сбора данных с сайтов объявлений силами Excel и первичный анализ собранных данных.

Во второй части завершаем подготовку данных и рассчитываем величину скидки за первый и последний этаж.


Читать: https://habr.com/ru/articles/740302/

Как Почта моделирует риски потери отправлений

Привет! Я Кирилл Мамонов, главный аналитик отдела монетизации данных в Почтатехе. Расскажу, как мы создали модель, которая предсказывает до 97% возможных пропаж международных отправлений.


Читать: https://habr.com/ru/companies/posttech/articles/739964/

Кейс внедрение Dbt в Детском Мире

Всем привет! Меня зовут Антон и я руковожу Big Data платформой в Детском Мире.

На Хабре проходит сезон Больший данных, и я решил что это отличная возможность поделиться нашим опытом внедрения Dbt (инструмент для оркестрации Sql витрины). На хабре уже статьи по инструменту, в моей статье, покажу как пришли от запуска ноутбука в Zeppelin к промышленному решению запуска большого количества витрин написанных на SparkSql в OnPrem Hadoop.


Читать: https://habr.com/ru/articles/740348/

Дайджест Python #10: генерация голоса и оценка скорости Mojo

Собрали новости Python с 15 по 31 мая. Узнайте, как сгенерировать голос человека на Python и во сколько раз Mojo быстрее Python на самом деле.

Читать: «Дайджест Python #10: генерация голоса и оценка скорости Mojo»

Практика работы с файлами и базой данных в Laravel и ChatGPT

Рассказываем, как ChatGPT справилась с обработкой данных. Модель попросили взять данные из таблицы, перенести их в БД и экспортировать в csv.

Читать: «Практика работы с файлами и базой данных в Laravel и ChatGPT»

Дайджест Python #10: генерация голоса и оценка скорости Mojo

Собрали новости Python с 15 по 31 мая. Узнайте, как сгенерировать голос человека на Python и во сколько раз Mojo быстрее Python на самом деле.

Читать: «Дайджест Python #10: генерация голоса и оценка скорости Mojo»

Спринт-интенсив Visiology: +300 к HR-карме бренда и куча красивых дашбордов

Привет, Хабр! Буквально на прошлой неделе мы завершили наш небольшой спринт-интенсив. Он доказал, что за 10 дней вполне можно познакомиться с платформой Visiology до такой степени, чтобы начать делать свои собственные дашборды, разбираться с особенностями загрузки данных и построения модели и другими нюансами работы с BI. Что интересно, в нашем спринте принимали участие как опытные BI-щики, так и начинающие специалисты. Под катом — несколько мнений активных участников, а также примеры дашбордов, созданных в ходе обучения.
Узнать, как это было...

Читать: https://habr.com/ru/companies/visiology/articles/740438/

Is it worth it to flaunt parking rules?

Read: https://junkcharts.typepad.com/numbersruleyourworld/2023/06/is-it-worth-it-to-flaunt-parking-rules.html

Overview of Areas of Responsibility and Custom Security in Oracle Fusion HCM Analytics

This article provides an overview of Areas of Responsibility and how they are used to set up custom security in Oracle Fusion HCM Analytics. It provides links to additional blogs that cover detailed use cases.

Read: https://blogs.oracle.com/analytics/post/overview-of-aor-custom-security-in-hcm-analytics

Discover Insights with Oracle Analytics Cloud and OCI AI Anomaly Detection

Learn how you can take advantage of Oracle Analytics and OCI AI Anomaly Detection to reveal insights from detected anomalies.

Read: https://blogs.oracle.com/analytics/post/discover-insights-with-oracle-analytics-cloud-and-oci-ai-anomaly-detection

PySpark для аналитика. Как выгружать данные с помощью toPandas и его альтернатив

Тимлид команды аналитики и DS в Авито Александр Ледовский рассказал, как быть, когда нужно посчитать что-то на pySpark, чтобы потом выгрузить.


Читать: https://habr.com/ru/companies/avito/articles/740232/

BI система на прокачку: как мы используем плагины Fine BI

Вот уже больше года, мы в BI Consult работаем с китайской платформой self service BI-анализа – Fine BI. Работаем, изучаем, интегрируем и рассказываем. На этот раз хотим сделать акцент на интересном и актуальном вопросе - Плагины.

Расскажем про магазин плагинов, составим для вас список полезных плагинов, покажем как устанавливаются плагины без смс, регистрации и одноразовых SIM карт.

В конце статьи вы найдете список всех плагинов, поддерживающих английский язык с описанием, которые подтверждены вендором и готовы к работе.


Читать: https://habr.com/ru/articles/741304/

Почему для MLOps лучше выбирать Open Source, а не проприетарное ПО

Самому обеспечивать гибкость и контроль собственного ML-пайплайна — это важно. Команды по машинному обучению могут использовать проприетарные платформы или создавать собственные решения с помощью Open-Source-инструментов. Компании часто представляют проприетарные платформы как более мощные, эффективные и простые в использовании. Но в действительности они часто оказываются более сложными и менее мощными, чем их Open-Source-конкуренты.


Читать: https://habr.com/ru/companies/vk/articles/735720/

Что такое Dython

Обозреваем Dython (Dynamic Python) – библиотеку Python для лёгкого анализа данных, особенно в области анализа зависимостей и корреляций.

Читать: «Что такое Dython»