🖥 Почему PostgreSQL признан самым лбимой бд по результатам опроса разработчиков Stackoverflow?

На диаграмме показано множество вариантов использования PostgreSQL - одной базы данных, которая включает в себя почти все функции необходимых разработчикам.

🔹OLTP (Online Transaction Processing)
Мы можем использовать PostgreSQL для CRUD-операций (Create-Read-Update-Delete).

🔹OLAP (Online Analytical Processing)
Мы можем использовать PostgreSQL для аналитической обработки. PostgreSQL основан на архитектуре 𝐇𝐓𝐀𝐏 (Hybrid transactional/analytical processing), поэтому он может хорошо работать как с OLTP, так и с OLAP.

🔹FDW (Foreign Data Wrapper)
FDW - это расширение, доступное в PostgreSQL, которое позволяет нам обращаться к таблице или схеме одной базы данных из другой.

🔹Streaming
PipelineDB - это расширение PostgreSQL для высокопроизводительной агрегации временных рядов, предназначенное для работы с отчетами и аналитическими приложениями в реальном времени.

🔹Geospatial
PostGIS - это расширитель базы данных для объектно-реляционной базы данных PostgreSQL. Он добавляет поддержку географических объектов, позволяя выполнять запросы на определение местоположения в SQL.

🔹Временные ряды
Timescale расширяет PostgreSQL для работы с временными рядами и аналитикой. Например, разработчики могут объединять непрерывные потоки финансовых и тиковых данных с другими бизнес-данными для создания новых приложений и получения уникальных знаний.

🔹Распределенные таблицы
CitusData масштабирует Postgres за счет распределения данных и запросов.

Какая база данных вам нравится больше всего?

@machinelearning_interview

⚡️ 30+ проектов, которые помогут вам добиться успеха на собеседованиях и в поисках работы в области Data Science и Data Analytics.

Охватывает:

1. Начальный уровень
2. Срдений уровень
3. Продвинутый уровень

К проектам прилагаются датасет и пояснения к ним.

👉 Статья

@machinelearning_interview

⚡️ Если вы хотите начать изучать машинное обучение на практике:

Intro to Machine Learning от Kaggle поможет вам построить свою первую модель!

- 8 уроков.
- 100% бесплатно.

Поробовать: https://kaggle.com/learn/intro-to-machine-learning

@machinelearning_interview

🖥 100 вопросов для подготовки к собесу Python

https://uproger.com/bolee-100-voprosov-s-sobesedovaniya-python-razbor-realnyh-voprosov/

@machinelearning_interview

🖥 Google почти всегда задает вопросы по SQL во время собеседований на вакансии Data Analytics, Data Science и Data Engineering.

Поэтому, если вы готовитесь к собеседованию по SQL, решите эти 11 РЕАЛЬНЫХ вопросов для собеседования Google по SQL.

https://datalemur.com/blog/google-sql-interview-questions

@machinelearning_interview

⚡️ 100 вопросов с собеседований Data Science

Habr: https://habr.com/ru/articles/783766/

Видео: https://www.youtube.com/watch?v=6Pk4OgdNxXQ

@machinelearning_interview

📕 ML-Papers-of-the-Week
Public

Если вы ищете интересные и увлекательные статьи по ML и LLM, то предлагаем вам отличный репозиторий.

С начала года в этом репозитории собираются все самые модные и интересные статьи. Вы найдете здесь множество полезного чтива.

https://github.com/dair-ai/ML-Papers-of-the-Week

@machinelearning_interview

❔ В этом каталоге собраны советы и ресурсы для подготовки к поведенческим собеседованиям.

Суть поведенческого собеседованиям в том что успех в прошлом = успех в будущем, и еще рекрутеру важно понять являетcя ли кандидат “culture fit” для компании, то есть совпадаете ли вы по ценностям, точнее совпадает ли “поведение” (behavior) кандидата c ценностями компании. Эти ценности (values, mission) конечно лучше предварительно изучить на сайте компании.

▪Github

@machinelearning_interview

📚 Учебники по машинному обучению

Коллекция из 100 с лишним уроков по машинному обучению, написанных в основном на python.

▪Github

@machinelearning_interview