@leftjoin
LEFT JOIN
Telegram-канал @leftjoin: 41,4 тыс. подписчиков, 2,5 тыс. просмотров на пост, оценка 39
39DВыше, чем у 1 из 10 каналов категории
Середина категории 43–65Этот канал 39
- 41,4 тыс.
- Подписчики
- 2,5 тыс.
- Медиана просмотров за 30 дней
- 6,0%
- Просмотры / подписчики за 30 дней
- 13
- Постов за 30 дней
Данные на 19 ноября 2026 г.
Про новости искусственного интеллекта, разборы моделей и инструментов для работы с данными: релизы OpenAI, обновления Excel, бенчмарки и СУБД — простым языком и с примерами. На 3 октября: подписчиков 41,9 тыс. — заметно больше медианы категории, при этом ER держится на 6,4 %, что ниже медианы по категории в 22,5 %. За 30 дней вышло 10 постов — реже, чем у соседей по категории. В последних выпусках разбирали, что показали на OpenAI Dev Day — автономных агентов dots на GPT-6 Astra, новое хранение массивов значений в ячейке Excel, скандал вокруг доказательства для уравнений Навье-Стокса и эссе «Чуждый разум» научного сотрудника OpenAI Джейкоба Пачоки. Также разбирали устройство Redis и PostgreSQL и обсуждали делегирование задач ИИ в выпуске подкаста «Доверительный интервал».
описание каталога О канале от автора
Понятно про анализ данных, технологии, нейросети и, конечно, SQL. Услуги — leftjoin.ru Курсы по аналитике — stepik.org/users/431992492 Автор — Николай Валиотти Реклама — @valiotti Перечень РКН: tapthe.link/PpkTHavwS
Частые вопросы
- Сколько подписчиков?
- Подписчиков — 41,4 тыс. Медиана просмотров поста — 2,5 тыс. Просмотров на подписчика — 6,0%. Данные на 19 ноября 2026 г.
- Как часто выходят посты?
- За 30 дней вышло постов: 13 — это почти каждый день. Данные на 19 ноября 2026 г.
- Есть ли у канала галочка Telegram?
- Галочки Telegram нет.
- Кто ведёт страницу канала в каталоге?
- Пока никто. Если это ваш канал — заберите страницу: сможете отвечать на отзывы и видеть её статистику.
Это ваш канал?
Подтвердите владение — точные метрики и что улучшить, ответы на отзывы от лица канала и бейдж владельца на странице.
Подтвердить владениеЗаймёт минуту: пост с кодом или бот в администраторах
Ваша страница в tg.place
Знаете владельца?
Перешлите ему это сообщение — он подтвердит права и заберёт накопленное: статистику страницы и ответы на отзывы.
42 32841 376
19 нояб.41 376−16 за день
Наведите на график или проведите пальцем — покажем день.
| Из чего складывается | |
|---|---|
| Вовлечённость | 3,2 из 30 |
| Качество роста | 12 из 20 |
| Реакции и пересылки | 4,8 из 15 |
| Регулярность | 7,8 из 12 |
| Доверие | 4,9 из 8 |
| Отзывы | недостаточно данныхотзывов пока нет |
Оценка 39 — по 5 показателям из 6: остальные пока не измерены. Методология
Последние посты
- Nvidia поделилась фреймворком Auto Ontology Auto Ontology — Python-фреймворк для создания семантического слоя для ИИ-агентов. Для эффективной работы с данными ИИ-агентам нужен контекст: понимание, какими терминами и метриками принято оперировать в компании. Auto Ontology собирает эту информацию из корпоративных метаданных и создает на ее основе структурированную онтологию (или дополняет существующую, если она уже была в компании). Это особенно полезно, если данных много, в них есть неточности и противоречия — фреймворк должен привести их к общему знаменателю. 🔵Auto Ontology анализирует БД, таблицы, ключи и историю запросов, фиксирует связи, генерирует описания и словарь терминов с синонимами, которые могут использовать люди в своих вопросах. 🔵Векторные представления таблиц сохраняются в pgvector, а сама онтология — в Postgres. Ее можно тестировать и дорабатывать, пока вы не будете довольны результатом, а затем отдать своему ИИ. 🔵Фреймворк также создает граф, где каждый узел — это отдельный термин с определением и связанными с ним столбцами в таблицах. В итоге, даже если агенту зададут сложный, неоднозначный вопрос, он сможет понять, что пользователь имеет в виду, и сгенерировать точный ответ с графиками и SQL-запросами. Фреймворк частично решает проблему, про которую мы писали недавно. При этом человек из контура никуда не девается: он именно он тестирует и сертифицирует онтологию перед использованием. Что думаете про этот инструмент? Приходилось работать с чем-то похожим?
- Data Intelligence Engineer: новая роль в дата-сфере? Неизбежное следствие проникновения ИИ во все профессии и сферы жизни — появление отдельной категории специалистов, которые за этот ИИ отвечают. Всевозможными экспертами по внедрению уже никого не удивишь, но можно попробовать представить, какие еще роли могут возникнуть со временем. Например, один из инженеров облачной платформы для аналитики MotherDuck предсказал, что скоро дата-командам могут понадобиться Data Intelligence Engineers. И что они будут делать? 🔵Погружать ИИ в контекст конкретной компании или команды: объяснять, как у них принято считать метрики, в какой из десятка почти одинаковых таблиц лежат актуальные данные и как вообще тут дела делаются. 🔵Оценивать качество работы агентов и убеждаться, что все обучение было не зря и они корректно отвечают на вопросы. Конечная цель всей этой деятельности — сделать максимально удобной самостоятельную работу с данными для всех сотрудников, чтобы они всегда могли сами обратиться к ИИ-агенту, получить адекватные ответы, создать на их основе графики или целые дашборды и так далее. Конечно, есть риск, что это приведет к хаосу — причем этот хаос станет головной болью всей дата-команды, которой надо будет разбираться, что там понаделали коллеги вместе с агентами. Но от ИИ уже все равно никуда не убежать. Так что, может быть, есть смысл в том, чтобы нанять специальных людей, которые будут его контролировать? Кстати, как бы вы перевели Data Intelligence Engineer? ИИ-инженер данных? Инженер ИИ-данных? Предлагайте свои варианты.
- Реклама
- Стоит ли верить бенчмаркам? Каждый релиз новой версии БД (да и любого другого инструмента) всегда сопровождается скринами бенчмарков с доказательствами, насколько она стала лучше. Это вроде бы объективный, измеримый показатель, но даже ему полностью доверять нельзя. Разработчики максимально оптимизируют выполнение запросов, чтобы получить хорошие результаты — даже если на практике, в реальной работе, эти оптимизации могут быть бесполезны или вообще вредны. Из-за этого некоторые бенчмарки теряют смысл и перестают использоваться, им на смену приходят новые, разработчики адаптируются и под них, и весь этот цикл повторяется. Ситуация становится еще интереснее благодаря ИИ, который может довести оптимизацию до таких высот, до которых человеку добраться сложно, и подстроиться под любые тесты. Что с этим делать? Вот тут автор попытался представить, как должен выглядеть идеальный бенчмарк: 🔵Ad-hoc-подход — то есть, работа БД должна проверяться на произвольных, не подготовленных заранее запросах. 🔵Должна учитываться не только скорость чтения, но и записи. 🔵Он должен регулярно обновляться. В идеале время от времени должны появляться новые тесты — и проверять с их помощью надо версии БД, выпущенные раньше, чем был разработан тест. С одной стороны, это действительно не даст разработчикам подстроиться под требования бенчмарка. С другой — как будто нивелирует главную пользу таких измерений, которая состоит в том, что работу нескольку инструментов замеряют с помощью одинаковых тестов в одинаковых условиях. А что вы думаете? Вы обращаете внимание на результаты бенчмарков, когда выбираете БД или другой софт?
- Релиз Claude Data: ИИ-инструмент для аналитики доступен для всех платных пользователей Anthropic опять нагенерировали новостей — например, представили Fable/Mythos 5.2. Но нас интересует другой их релиз, поскромнее. 🔜 В октябре они показали Claude Dashboards. Через месяц он вышел из беты, а заодно получил новое имя: Claude Data, потому что «работа с данными для компаний — это больше, чем создание дашбордов». Дашбордами от Claude можно делиться с коллегами, настраивать оформление, отслеживать историю изменений. Из интересного можно отметить две детали: 🔵Claude Data позволяет задавать сертифицированные определения метрик, чтобы все в компании использовали одинаковые запросы и методы расчета. На дашбордах, построенных с помощью таких запросов, будет стоять специальная плашка «сертифицировано». Это должно помочь избежать ситуации, когда разные люди считают одни и те же метрики по-своему. Учитывая, что ИИ в теории должен позволить каждому легко сделать дашборд своими силами — полезная функция. 🔵На основе данных можно создавать «истории» — видео со сгенерированной озвучкой. Видимо, что-то похожее на другой их инструмент, Claude Motion. 🔜 В той же статье рассказали про Claude Whiteboards и Claude Sheets: первое — это инструмент для совместной работы и брейнштормов, а второе — ИИ-Excel. Оба пока в бете.
- Что нового в Apache Airflow 3.4.0? В конце прошлой недели Apache выкатили новую версию Airflow, где представили несколько интересных изменений: 1️⃣Появилась нативная поддержка циклов — Task Loops, которые могут повторяться либо до выполнения определенного условия, либо некое заранее заданное максимальное число итераций. Каждая итерация строится на результатах предыдущей. Прежде чем двигаться дальше, стоит прояснить один момент: «Как в DAG могут быть циклы, если DAG — это Directed Acyclic Graph (направленный ациклический граф)?» Ответ: очень осторожно. По сути, никаких циклических зависимостей не возникает, задачи внутри DAG по-прежнему образуют граф без циклов. Повторение задач реализуется исключительно во время выполнения. 2️⃣DAG’и теперь можно писать не только на Python, но и на TypeScript, Java, Go и YAML. В оригинальном посте есть пример одного DAG’а на разных языках. Отдельно стоит выделить поддержку YAML. Она позволит писать простые, короткие, декларативные схемы без кода, которые Airflow валидирует и превращает в полноценные DAG'и. 3️⃣LLM и ИИ-агентов можно запускать как обычные задачи Airflow и подключать к БД, объектным хранилищам, различным инструментам. Они могут работать автономно, но перед особо важными шагами отправлять задачу в
awaiting_inputи ждать одобрения. Человек все еще в контуре. А вы работаете с Airflow? Как вам новая версия? - 2,3 тыс.Открыть в TelegramНаступила пятница, и это значит, что пора подводить итоги нашего розыгрыша билетов на Матемаркетинг'26! Рандомайзер постановил, что: 🔵Офлайн-билет достается @gottameow 🔵Онлайн-доступ — @Lidialit и @Gofromchu Скоро с вами свяжутся организаторы конференции и расскажут про дальнейшие шаги. Благодарим всех, кто принял участие, и поздравляем победителей! До встречи на Матемаркетинге🔥
- Напоминаем про две важных вещи: 1️⃣ 26-27 ноября пройдет Матемаркетинг — конференция по маркетинговой и продуктовой аналитике. 2000+ участников, 100+ докладов про данные, метрики, инжиниринг и искусственный интеллект. 2️⃣ Вы можете попасть туда (или посмотреть прямой эфир онлайн) бесплатно, если примете участие в нашем розыгрыше. Условия — в посте. Итоги подводим уже в эту пятницу.
- OccupySaaS: протест инженеров против ИТ-индустрии Дискуссия про отнимающий работу ИИ получила неожиданное (или, наоборот, вполне ожидаемое?) развитие: уволенные инженеры скооперировались и начали делать опен-сорсные аналоги популярных платформ. Они собирают данные из публичных документов, на их основе ИИ-агенты пишут код, который затем оценивают и тестируют люди. Команда проекта подчеркивает, что они не декомпилируют чужой софт, а все делают с нуля по принципу clean room. Даже если к разработке присоединяются бывшие сотрудники компаний, для чьих продуктов OccupySaaS создает аналог, они должны опираться только на данные из открытых источников, а не сливать корпоративные тайны. Продуктов у команды пока только два, оба на ранней стадии разработки: 🔵Zero Authy — open-source-аналог Auth0. 🔵Sales Compel — open-source-аналог Salesforce. OccupySaaS уже присматриваются к следующим жертвам: на очереди корпоративные вики, трекеры заданий и системы мониторинга. Для разработки им всегда нужны руки, так что если вам близка миссия проекта, вы тоже можете к нему присоединиться и делать бесплатный народный SaaS. Как вам эта идея? 👀
- Разыгрываем 3 билета на Матемаркетинг’26! 🔵 Как ИИ меняет работу аналитиков, маркетологов и продактов? 🔵 Как посчитать, сколько людей на самом деле используют ИИ в работе в вашей компании? 🔵 Как контролировать и проверять работу ИИ и можно ли ему вообще доверять? Эти и другие вопросы обсудят на Матемаркетинге’26. Это одна из крупнейших технических конференций для аналитиков, продактов и маркетологов в РФ. В этом году посетителей ждут 100+ докладов, мастер-классов и разборов кейсов от спикеров из VK, Avito Tech, Сбера, Magnit Tech, ИТ-холдинга Т1, UIS, Лемана Тех, UX Rocket и других компаний. Конференция пройдет 26 и 27 ноября в Москве, онлайн-день — 17 ноября. Подробности смотрите на сайте. 🔜 Билеты уже в продаже, но у вас есть шанс попасть на Матемаркетинг’26 бесплатно! Мы разыгрываем 3 билета — 2 онлайн и 1 офлайн для тех, кто в эти даты будет в Москве. Чтобы принять участие, надо подписаться на канал и написать комментарий под этим постом: «Хочу онлайн-доступ» или «Хочу офлайн-билет» + рассказать, какие темы докладов вам наиболее интересны. 6 ноября мы выберем победителей с помощью рандомайзера.
- Датавиз и классовое неравенство Разница между состоянием какого-нибудь Джеффа Безоса и обычного человека со средней зарплатой настолько огромна, что словами ее передать не получается. Зато можно попробовать это сделать с помощью датаиза. Депрессивные визуализации все растущего разрыва между богатыми и бедными — это неустаревающая классика. Инфографик на эту тему уже немало и рисовать не перестанут, наверное, никогда, но смотреть на них всегда интересно. 🔜 Сайт dreamagainusa — очередной пример, который показывает, как недостижимо далек даже относительно успешный и состоятельный американец от настоящего богатства. Чтобы увидеть вершину графика, где расположился 1% самых богатых людей страны, придется долго и упорно скроллить наверх — за это время как раз можно прочувствовать всю несправедливость этого разрыва.
О канале в цифрах
- Создан
- 12 ноября 2018 г.
- Фото
- 974
- Видео
- 31
- Файлы
- 6
- Ссылки
- 1,3 тыс.
По данным Telegram на 19 ноября 2026 г.
Контакты
- Реклама
- @valiotti
Из описания канала
Отзывы
Оставить отзыв
Отзывов пока нет. Ваш будет первым.
Реклама