Data Analyst
რა განსხვავებაა WHERE ოპერატორსა და HAVING ოპერატორს შორის?
შესთავაზებული გადაწყვეტილების ასიმპტოტიკური სირთულე დროისა და მეხსიერების მხრივ რა არის?
მოგიყევით ცოტა საკუთარ შესახებ, გამოცდილებაზე, მთავარ მომენტებზე
რა ინფორმაციას შეიცავს პრეზენტაციის მომზადება უმაღლეს მენეჯმენტისთვის?
API კონტრაქტს რა ფორმატში აღწერდნენ? რა განყოფილებებიდან შედგებოდა სპეციფიკაცია?
გაქვს ფინანსური ან ოპერაციული მოდელირების გამოცდილება?
გააზიარეთ თქვენი პროექტები ვიბ-კოდინგთან და LLM-ის გამოყენებით
sum_series ამოცანის გადაწყვეტილების ლოგიკას ახსით: როგორ შევქმნათ ორი საფეხურიანი დროის სერიის ჯამი?
რა არის 95-ე პროცენტი?
// ჩვენ გვაქვს მეთოდი პროდუქციის შესახებ ინფორმაციის მისაღებად, ეს მეთოდი ძალიან ხშირად იძახება // არის თუ არა პრობლემები ამ კოდში და როგორ გამოვასწოროთ? postgress მონაცემთა ბაზა func (r *ProductRepository) GetProductDetails(ctx context.Context, productIDs []int) []Product { products := make([]Product, 0, len(productIDs)) for _, id := range productIDs { go func(id int) { var p Product query := "SELECT name, price, description FROM products WHERE id = $1" err := r.db.QueryRowContext(ctx, query, id).Scan(&p.Name, &p.Price, &p.Desc) if err != nil { r.logger.Error("error get product", "err", err) return } products = append(products, p) }(id) } return products }
როგორ მოიქეცით სეზონურობასა და გარე ზეგავლენებს დროის სერიებში?
თქვენ მუშაობდით ფანჯრის ფუნქციებთან? რომელებს იცით?
SQL დავალება: ექსპერიმენტის ჯგუფების მიხედვით კონვერსიის გამოთვლა (exp_id=90) Epic Match Start-დან Epic Fight Win-მდე მომხმარებლების მიხედვით, შემთხვევების სწორი მიბმით ექსპერიმენტთან დროით join-ის საშუალებით.
func (r *OrderRepository) GetActiveOrderIDs(ctx context.Context, offset, limit int) ([]uint32, error) { var ( res []uint32 args []interface{} ) query := `SELECT id FROM "order" WHERE is_terminated = false LIMIT $1 OFFSET $2;` args = append(args, limit, offset) rows, err := r.slave.Query(ctx, query, args...) if err != nil { return nil, err } for rows.Next() { var orderID uint32 if err = rows.Scan(&orderID); err != nil { return nil, err } res = append(res, orderID) } return res, nil }
როგორ განვახორციელოთ ცოდნის ბაზა LLM-ისთვის, თუ მონაცემთა მოცულობა მეტია კონტექსტის ფანჯარაზე? რა არის კონტექსტის ფანჯარა?
რომელი North Star მეტრიკა უნდა ავირჩიო კარშერინგისთვის?
რა შეიძლება და რა არ უნდა გაკეთდეს API-ის დიზაინში, რათა შეინარჩუნოს უკანა თავსებადობა?
სად არის რეალურ ცხოვრებაში ნორმალური განაწილება და სად არა? მიაწოდეთ კონკრეტული მაგალითები და ახსნათ, რატომ არის მონაცემები ნორმალურად განაწილებული ან არა.
როგორ იყენებ LLM-ებს? დაწერე, როგორ მუშაობენ აგენტები.
რატომ გამოიყენება COUNT და GROUP BY?