ݺߣ

ݺߣShare a Scribd company logo
Работа с базой.
Django ORM
СергейЛихобабин
Техносфера.2014
Где хранить данные
На клиенте
Cookie (4кб)
Web Storage
На сервере
В памяти
На диске
На диске и в памяти
Работа с базой
Представление о СУБД
Проектирование БД
Основные операции SQL
Работа с БДв Python
Работа с БДв Django
БД
Взаимосвязанные даные специальным образом
хранящиеся на каком-либо носителе
СУБД
Программный комплекс обеспечивающий работу с
данными в БД
Функции СУБД
Управление данными на дисках и в
оперативной памяти
Журнализация, резервное копирование
Реляционная модель
данных
Таблица -отношение, relation
Строка -кортеж, tuple
Столбец -атрибут, column
Реляционная модель
данных
Реляционная модель
данных
Задачи проектирования
Обеспечение хранения всей необходимой
информации
Обеспечение возможности получения данных
по всем запросам
Сокращение избыточности и дублирования
данных
Обеспечение целостности данных
Проектирование на
практике
Логическое разделение сущностей
Выделение первичных ключей
Связи 1:Nреализуются через внешний ключ
Связи N:M реализуются через промежуточную
таблицу
Аттрибут с фиксированным числом значений -
внешняя таблица либо enum
Основные операции SQL
SELECT
ELECT*FROMusersWHEREage>10;
ELECT*FROMusersWHEREname='masha';
ELECTMAX(age)FROMusers;
ELECTid,name,LENGTH(name)ASlen
ROMusers
HEREemailLIKE'%@mail.ru'ANDage>10
RDERBYnameDESC
IMIT10OFFSET15;
Агрегатные функции
COUNT, SUM, AVG, GROUP
ELECTname,count(id)cnt
ROMusers
ROUPBYname
RDERBYcnt
AVINGcnt>1
Join
ELECTh.name,a.name
ROMheroesh,abilitiesa
HEREh.id=a.hero_id;
ELECTh.name,a.name
ROMheroesh
NNERJOINabilitiesaONh.id=a.hero_id;
ELECTh.name,a.name
ROMheroesh
EFTJOINabilitiesaONh.id=a.hero_id;
Вложенные запросы
ELECTtitle
ROMarticlet1
OIN(
SELECTrubric_id,MAX(id)max_id
FROMarticle
GROUPBYrubric_idLIMIT5
t2
t1.id=t2.max_id;
INSERT, UPDATE, DELETE
NSERTINTOusers(name,age)VALUES('Petr',10);
PDATEusersSETage=20WHEREname='Petr';
PDATEusersSETrating=rating+1;
ELETEFROMusersWHEREname='Masha';
ELETEFROMusersWHEREage>150;
Индексы
Индексы на практике
Индексы для полей, по которым происходит
JOIN
Индексы для полей, по которым фильтруются
записи
Индексы для полей, по которым идет
сортировка
Проверять план выполнения запроса EXPLAIN
Управление оптимизатором запросов
Работа с БД в python
MySQLdb
mportMySQLdb
b=MySQLdb.connect(
host="localhost",user="bob",
passwd="secret",db="goodies"
ursor=db.cursor()
MySQLdb
ursor.execute(
'updateuserssetage=age+1wherename=%s',(name,)
ursor.execute('select*fromusers')
sers=cursor.fetchall()
ursor.execute(
'select*fromuserswherename=%s',(name,)
ser=cursor.fetchone()
MySQLdb
ursor.executemany(
"INSERTINTOusers(name,age)VALUES(%s,%s)",
[
("Igor",18),
("Petr",16),
("Dasha",17)
]
b.close()
Плейсхолдеры
mail="'OR'1'='1"
ursor.execute(
"SELECT*FROMusersWHEREemail='%s'"%email
Работа с БД в django
Классы в python
lassEmployee(object):
def__init__(self,name,salary):
self.name=name
self.salary=salary
defget_info(self):
return"Name:%s,Salary:%s"%(self.name,self.sal
lassProgrammer(Employee):
def__init__(self,name,salary,lang):
super(Programmer,self).__init__(name,salary)
self.lang=lang
Классы в python
>>e1=Programmer(u'Vasya',100,'VB')
>>printu'Welcome%s'%e1
elcomeVasya
>>e1.get_info()
'Name:Vasya,Salary:100'
>>e1.lang
VB'
Raw SQL vs ORM
ursor.execute('select*fromuserswhereage>18')
oruserincursor.fetchall():
pk,name,age=user
printname
VS
oruserinUser.objects.filter(age__gt=18):
printuser.name
Модели и типы данных
lassPost(models.Model):
title=models.CharField(max_length=255)
content=models.TextField()
creation_date=models.DateTimeField(
default=datetime.datetime.now
)
def__unicode__(self):
returnself.title
defget_absolute_url(self):
return'/post/%d/'%self.pk
classMeta:
ordering=['-creation_date’]
Модели и типы данных
Связи между таблицами
lassPost(models.Model):
title=models.CharField(max_length=255)
content=models.TextField()
creation_date=models.DateTimeField(
default=datetime.datetime.now
)
category=models.ForeignKey(
Category,on_delete=models.SET_NULL
)
tags=models.ManyToManyField(Tag)
ForeignKey, OneToOne
ForeignKey= IntegerField + Constraint
OneToOneField = ForeignKey+ unique
post.categoryVS post.category_id
Обратная связь -category.post_set
ForeignKey, OneToOne
Реакция на удаление внешнего ключа
RESTRICT-> models.PROTECT
CASCADE -> models.CASCADE
SETNULL -> models.SET_NULL
NO ACTION-> models.DO_NOTHING
ManyToManyField
post.tags -related manager
Обратная связь -tag.post_set
ORM API
ythonmanage.pyshell
>>fromblog.modelsimportCategory,Post
>>fromdjango.dbimportconnection
>>#Вставкаизамена
>>c=Category(title="Python")
>>c.save()
>>c.id
>>c.title="AboutPython"
>>c.save()
ORM API
>>print'n'.join(q['sql']forqinconnection.queries)
NSERTINTO`blog_category`(`title`,
description`)VALUES('Python','')
ELECT(1)AS`a`FROM`blog_category`WHERE
blog_category`.`id`=1LIMIT1
PDATE`blog_category`SET`title`='About
ython',`description`=''WHERE
blog_category`.`id`=1
ORM API
>>Category.objects.all()
<Category:AboutPython>]
>>printCategory.objects.all().query
ELECT`blog_category`.`id`,
blog_category`.`title`,
blog_category`.`description`FROM`blog_category`
>>Category.objects.filter(id=1)
<Category:AboutPython>]
>>c=Category.objects.get(id=1)
>>c
Category:AboutPython>
>>c.post_set.all()
ORM API
>>c.post_set.create(title="Newpost",content="Manywords")
Post:Newpost>
>>c.post_set.count()
>>p=Post.objects.get(title="Newpost")
>>p.category
Category:AboutPython>
>>p.category_id
>>Post.objects.filter(category__title="AboutPython")
Post:Newpost>
>>c.delete()
Debug Toolbar
https://github.com/django-debug-
toolbar/django-debug-toolbar
Manager
slice [10:20]
.all(), .filter(), exclude(), .order_by()
.values(), .values_list()
.get(), .get_or_create(), .count(), .exists()
.select_related(), prefetch_related()
.update(), .delete()
RelatedManager
.create(**kwargs)
.add(obj1[, obj2, ...])
.remove(obj1[, obj2, ...])
.clear()
Ленивое выполнение
QuerySet
s=Category.objects.all()
notuser.is_admin:
qs=qs.filter(active=True)
rintqs.count()
Избегайте лишних
запросов в базу
Foreign keyкэшируется
ost.category
Queryset-нет
uestion_list=list(Question.objects.all())
Атомарное обновление
QuerySet
uestion.objects.filter(pk=10)
update(rating=models.F('rating')+1)
Полезные команды
Проверка моделей
ythonmanage.pyvalidate
Вывод SQL
ythonmanage.pysqlall<app_name>
</app_name>
Выполнение SQL в базе
ythonmanage.pysyncdb
Миграции
DROP DATABASE, CREATE DATABASE
DROP TABLE, CREATE TABLE
ALTERTABLE
South
South
Автоматическое создание миграций
Поддержка различных СУБД
Прямые и обратные миграции
Инициализация South
1. Создать миграцию
2. Применить миграцию
./manage.pyschemamigrationask--initial
./manage.pymigrateask
Миграция с South
1. Изменить модель
2. Создать миграцию
3. Применить миграцию
./manage.pyschemamigrationask--auto
/manage.pymigrateask
Полезные ссылки
MySQL
http://dev.mysql.com/doc/refman/5.5/en/index.html
Mysqldb http://mysql-
python.sourceforge.net/MySQLdb.html
Django http://docs.djangoproject.com/en/dev/
Django DebugToolbar https://github.com/django-
debug-toolbar/django-debug-toolbar
Спасибо за внимание
СергейЛихобабин
s.lihobabin@corp.mail.ru

More Related Content

What's hot (12)

MongoDB. Области применения, преимущества и узкие места, тонкости использован...
MongoDB. Области применения, преимущества и узкие места, тонкости использован...MongoDB. Области применения, преимущества и узкие места, тонкости использован...
MongoDB. Области применения, преимущества и узкие места, тонкости использован...
phpdevby
Презентация "1С:Документооборот на интерфейсе ТАКСИ – легкое решение"
Презентация "1С:Документооборот на интерфейсе ТАКСИ – легкое решение"Презентация "1С:Документооборот на интерфейсе ТАКСИ – легкое решение"
Презентация "1С:Документооборот на интерфейсе ТАКСИ – легкое решение"
Helen Kopteva
Возможности 1С Документооборот 8
Возможности 1С Документооборот 8Возможности 1С Документооборот 8
Возможности 1С Документооборот 8
share_1ab
Ссылки в нормативных документах
Ссылки в нормативных документахСсылки в нормативных документах
Ссылки в нормативных документах
Andrey Subbota
MongoDB в продакшен - миф или реальность?
MongoDB в продакшен - миф или реальность?MongoDB в продакшен - миф или реальность?
MongoDB в продакшен - миф или реальность?
Alexey Tokar
Кратко о MongoDB
Кратко о MongoDBКратко о MongoDB
Кратко о MongoDB
Gleb Lebedev
Android - 12 - Data types
Android - 12 - Data typesAndroid - 12 - Data types
Android - 12 - Data types
Noveo
DBD lection 1. Intro in Database Design. In Russian.
DBD lection 1. Intro in Database Design. In Russian.DBD lection 1. Intro in Database Design. In Russian.
DBD lection 1. Intro in Database Design. In Russian.
mikhaelsmirnov
Не SQL'ем единым
Не SQL'ем единымНе SQL'ем единым
Не SQL'ем единым
Alexander Byndyu
Презентация 1С:Документооборот 8
Презентация 1С:Документооборот 8Презентация 1С:Документооборот 8
Презентация 1С:Документооборот 8
Антон Чуйко
MongoDB. Области применения, преимущества и узкие места, тонкости использован...
MongoDB. Области применения, преимущества и узкие места, тонкости использован...MongoDB. Области применения, преимущества и узкие места, тонкости использован...
MongoDB. Области применения, преимущества и узкие места, тонкости использован...
phpdevby
Презентация "1С:Документооборот на интерфейсе ТАКСИ – легкое решение"
Презентация "1С:Документооборот на интерфейсе ТАКСИ – легкое решение"Презентация "1С:Документооборот на интерфейсе ТАКСИ – легкое решение"
Презентация "1С:Документооборот на интерфейсе ТАКСИ – легкое решение"
Helen Kopteva
Возможности 1С Документооборот 8
Возможности 1С Документооборот 8Возможности 1С Документооборот 8
Возможности 1С Документооборот 8
share_1ab
Ссылки в нормативных документах
Ссылки в нормативных документахСсылки в нормативных документах
Ссылки в нормативных документах
Andrey Subbota
MongoDB в продакшен - миф или реальность?
MongoDB в продакшен - миф или реальность?MongoDB в продакшен - миф или реальность?
MongoDB в продакшен - миф или реальность?
Alexey Tokar
Android - 12 - Data types
Android - 12 - Data typesAndroid - 12 - Data types
Android - 12 - Data types
Noveo
DBD lection 1. Intro in Database Design. In Russian.
DBD lection 1. Intro in Database Design. In Russian.DBD lection 1. Intro in Database Design. In Russian.
DBD lection 1. Intro in Database Design. In Russian.
mikhaelsmirnov
Презентация 1С:Документооборот 8
Презентация 1С:Документооборот 8Презентация 1С:Документооборот 8
Презентация 1С:Документооборот 8
Антон Чуйко

Viewers also liked (20)

Л8 Django. Дополнительные темы
Л8 Django. Дополнительные темыЛ8 Django. Дополнительные темы
Л8 Django. Дополнительные темы
Technosphere1
Лекция 5 Серверная разработка
Лекция 5 Серверная разработкаЛекция 5 Серверная разработка
Лекция 5 Серверная разработка
Technosphere1
L4: Решающие деревья
L4: Решающие деревьяL4: Решающие деревья
L4: Решающие деревья
Technosphere1
L8: Л7 Em-алгоритм
L8: Л7 Em-алгоритмL8: Л7 Em-алгоритм
L8: Л7 Em-алгоритм
Technosphere1
Мастер-класс: "Интеграция в промышленную разработку"
Мастер-класс: "Интеграция в промышленную разработку"Мастер-класс: "Интеграция в промышленную разработку"
Мастер-класс: "Интеграция в промышленную разработку"
Technosphere1
L6: Метод опорных векторов
L6: Метод опорных векторовL6: Метод опорных векторов
L6: Метод опорных векторов
Technosphere1
Webdev7: Обработка HTTP запросов. Django Views
Webdev7: Обработка HTTP запросов. Django ViewsWebdev7: Обработка HTTP запросов. Django Views
Webdev7: Обработка HTTP запросов. Django Views
Technosphere1
Л9: Взаимодействие веб-приложений
Л9: Взаимодействие веб-приложенийЛ9: Взаимодействие веб-приложений
Л9: Взаимодействие веб-приложений
Technosphere1
L5: Л5 Байесовские алгоритмы
L5: Л5 Байесовские алгоритмыL5: Л5 Байесовские алгоритмы
L5: Л5 Байесовские алгоритмы
Technosphere1
Мастер-класс: Особенности создания продукта для мобильного веб
Мастер-класс: Особенности создания продукта для мобильного вебМастер-класс: Особенности создания продукта для мобильного веб
Мастер-класс: Особенности создания продукта для мобильного веб
Technosphere1
Web лекция 1
Web   лекция 1Web   лекция 1
Web лекция 1
Technosphere1
L10: Алгоритмы кластеризации
L10: Алгоритмы кластеризацииL10: Алгоритмы кластеризации
L10: Алгоритмы кластеризации
Technosphere1
L1 Вводная лекция. Обзор основных задач Data Science (Лекция №1)
L1 Вводная лекция. Обзор основных задач Data Science (Лекция №1)L1 Вводная лекция. Обзор основных задач Data Science (Лекция №1)
L1 Вводная лекция. Обзор основных задач Data Science (Лекция №1)
Technosphere1
L3: Линейная и логистическая регрессия
L3: Линейная и логистическая регрессияL3: Линейная и логистическая регрессия
L3: Линейная и логистическая регрессия
Technosphere1
L13: Заключительная
L13: ЗаключительнаяL13: Заключительная
L13: Заключительная
Technosphere1
L7:Задача кластеризации. Метрики качества
L7:Задача кластеризации. Метрики качестваL7:Задача кластеризации. Метрики качества
L7:Задача кластеризации. Метрики качества
Technosphere1
Лекция №12 "Ограниченная машина Больцмана"
Лекция №12 "Ограниченная машина Больцмана" Лекция №12 "Ограниченная машина Больцмана"
Лекция №12 "Ограниченная машина Больцмана"
Technosphere1
L11: Метод ансамблей
L11: Метод ансамблейL11: Метод ансамблей
L11: Метод ансамблей
Technosphere1
L2: Задача классификации и регрессии. Метрики ошибок
L2: Задача классификации и регрессии. Метрики ошибокL2: Задача классификации и регрессии. Метрики ошибок
L2: Задача классификации и регрессии. Метрики ошибок
Technosphere1
Л8 Django. Дополнительные темы
Л8 Django. Дополнительные темыЛ8 Django. Дополнительные темы
Л8 Django. Дополнительные темы
Technosphere1
Лекция 5 Серверная разработка
Лекция 5 Серверная разработкаЛекция 5 Серверная разработка
Лекция 5 Серверная разработка
Technosphere1
L4: Решающие деревья
L4: Решающие деревьяL4: Решающие деревья
L4: Решающие деревья
Technosphere1
L8: Л7 Em-алгоритм
L8: Л7 Em-алгоритмL8: Л7 Em-алгоритм
L8: Л7 Em-алгоритм
Technosphere1
Мастер-класс: "Интеграция в промышленную разработку"
Мастер-класс: "Интеграция в промышленную разработку"Мастер-класс: "Интеграция в промышленную разработку"
Мастер-класс: "Интеграция в промышленную разработку"
Technosphere1
L6: Метод опорных векторов
L6: Метод опорных векторовL6: Метод опорных векторов
L6: Метод опорных векторов
Technosphere1
Webdev7: Обработка HTTP запросов. Django Views
Webdev7: Обработка HTTP запросов. Django ViewsWebdev7: Обработка HTTP запросов. Django Views
Webdev7: Обработка HTTP запросов. Django Views
Technosphere1
Л9: Взаимодействие веб-приложений
Л9: Взаимодействие веб-приложенийЛ9: Взаимодействие веб-приложений
Л9: Взаимодействие веб-приложений
Technosphere1
L5: Л5 Байесовские алгоритмы
L5: Л5 Байесовские алгоритмыL5: Л5 Байесовские алгоритмы
L5: Л5 Байесовские алгоритмы
Technosphere1
Мастер-класс: Особенности создания продукта для мобильного веб
Мастер-класс: Особенности создания продукта для мобильного вебМастер-класс: Особенности создания продукта для мобильного веб
Мастер-класс: Особенности создания продукта для мобильного веб
Technosphere1
L10: Алгоритмы кластеризации
L10: Алгоритмы кластеризацииL10: Алгоритмы кластеризации
L10: Алгоритмы кластеризации
Technosphere1
L1 Вводная лекция. Обзор основных задач Data Science (Лекция №1)
L1 Вводная лекция. Обзор основных задач Data Science (Лекция №1)L1 Вводная лекция. Обзор основных задач Data Science (Лекция №1)
L1 Вводная лекция. Обзор основных задач Data Science (Лекция №1)
Technosphere1
L3: Линейная и логистическая регрессия
L3: Линейная и логистическая регрессияL3: Линейная и логистическая регрессия
L3: Линейная и логистическая регрессия
Technosphere1
L13: Заключительная
L13: ЗаключительнаяL13: Заключительная
L13: Заключительная
Technosphere1
L7:Задача кластеризации. Метрики качества
L7:Задача кластеризации. Метрики качестваL7:Задача кластеризации. Метрики качества
L7:Задача кластеризации. Метрики качества
Technosphere1
Лекция №12 "Ограниченная машина Больцмана"
Лекция №12 "Ограниченная машина Больцмана" Лекция №12 "Ограниченная машина Больцмана"
Лекция №12 "Ограниченная машина Больцмана"
Technosphere1
L11: Метод ансамблей
L11: Метод ансамблейL11: Метод ансамблей
L11: Метод ансамблей
Technosphere1
L2: Задача классификации и регрессии. Метрики ошибок
L2: Задача классификации и регрессии. Метрики ошибокL2: Задача классификации и регрессии. Метрики ошибок
L2: Задача классификации и регрессии. Метрики ошибок
Technosphere1

Similar to Лекция 6: Работа с данными. Django ORM (20)

NoSQL внутри SQL: приземленные вопросы практического применения / Дмитрий До...
NoSQL внутри SQL: приземленные вопросы практического применения /  Дмитрий До...NoSQL внутри SQL: приземленные вопросы практического применения /  Дмитрий До...
NoSQL внутри SQL: приземленные вопросы практического применения / Дмитрий До...
Ontico
Firebird DataGuard - Еще раз об уверенности в завтрашнем дне
Firebird DataGuard -  Еще раз об уверенности в завтрашнем днеFirebird DataGuard -  Еще раз об уверенности в завтрашнем дне
Firebird DataGuard - Еще раз об уверенности в завтрашнем дне
Alexey Kovyazin
Firebird Dataguard (Russian)
Firebird Dataguard (Russian)Firebird Dataguard (Russian)
Firebird Dataguard (Russian)
Alexey Kovyazin
Бизнес-контекст, совместная работа и согласованность для интеллектуального уп...
Бизнес-контекст, совместная работа и согласованность для интеллектуального уп...Бизнес-контекст, совместная работа и согласованность для интеллектуального уп...
Бизнес-контекст, совместная работа и согласованность для интеллектуального уп...
Andrew Sovtsov
8 класс ктп
8 класс ктп8 класс ктп
8 класс ктп
kpako
Database Tuning Method & Technics
Database Tuning Method & TechnicsDatabase Tuning Method & Technics
Database Tuning Method & Technics
Denis Beskov
Базы данных лекция №11
Базы данных лекция №11Базы данных лекция №11
Базы данных лекция №11
Vitaliy Pak
11 - Web-технологии. Работа с СУБД
11 - Web-технологии. Работа с СУБД11 - Web-технологии. Работа с СУБД
11 - Web-технологии. Работа с СУБД
Roman Brovko
Мониторинг, тюнинг и оптимизация баз данных, используя продукты Dell Software
Мониторинг, тюнинг и оптимизация баз данных, используя продукты Dell SoftwareМониторинг, тюнинг и оптимизация баз данных, используя продукты Dell Software
Мониторинг, тюнинг и оптимизация баз данных, используя продукты Dell Software
BAKOTECH
Мониторинг, тюнинг и оптимизация баз данных, используя продукты Dell Software
Мониторинг, тюнинг и оптимизация баз данных, используя продукты Dell SoftwareМониторинг, тюнинг и оптимизация баз данных, используя продукты Dell Software
Мониторинг, тюнинг и оптимизация баз данных, используя продукты Dell Software
Marina Gryshko
рит2007 оптимизация бд бесков доронин
рит2007   оптимизация бд   бесков доронинрит2007   оптимизация бд   бесков доронин
рит2007 оптимизация бд бесков доронин
Media Gorod
8 класс ктп
8 класс ктп8 класс ктп
8 класс ктп
kpako
Введение в gRPC / Introduction to gRPC
Введение в gRPC / Introduction to gRPCВведение в gRPC / Introduction to gRPC
Введение в gRPC / Introduction to gRPC
Mad Devs
Введение в gRPC
Введение в gRPCВведение в gRPC
Введение в gRPC
Колёса Крыша Маркет
Введение в gRPC
Введение в gRPCВведение в gRPC
Введение в gRPC
Mad Devs
Windows Phone School HSE Lecture 3
Windows Phone School HSE Lecture 3Windows Phone School HSE Lecture 3
Windows Phone School HSE Lecture 3
Dmitry Gridnev
Перепись приложения. Нативного. На JS. Done. | Odessa Frontend Meetup #10
Перепись приложения. Нативного. На JS. Done. | Odessa Frontend Meetup #10Перепись приложения. Нативного. На JS. Done. | Odessa Frontend Meetup #10
Перепись приложения. Нативного. На JS. Done. | Odessa Frontend Meetup #10
OdessaFrontend
Новые возможности распределенной обработки данных в памяти (Coherence)
Новые возможности распределенной обработки данных в памяти (Coherence)Новые возможности распределенной обработки данных в памяти (Coherence)
Новые возможности распределенной обработки данных в памяти (Coherence)
Andrey Akulov
Lan-Crawler Bachlor RU
Lan-Crawler Bachlor RULan-Crawler Bachlor RU
Lan-Crawler Bachlor RU
cDima
Управление Данными. Лекция 1
Управление Данными. Лекция 1Управление Данными. Лекция 1
Управление Данными. Лекция 1
Dmitriy Krukov
NoSQL внутри SQL: приземленные вопросы практического применения / Дмитрий До...
NoSQL внутри SQL: приземленные вопросы практического применения /  Дмитрий До...NoSQL внутри SQL: приземленные вопросы практического применения /  Дмитрий До...
NoSQL внутри SQL: приземленные вопросы практического применения / Дмитрий До...
Ontico
Firebird DataGuard - Еще раз об уверенности в завтрашнем дне
Firebird DataGuard -  Еще раз об уверенности в завтрашнем днеFirebird DataGuard -  Еще раз об уверенности в завтрашнем дне
Firebird DataGuard - Еще раз об уверенности в завтрашнем дне
Alexey Kovyazin
Бизнес-контекст, совместная работа и согласованность для интеллектуального уп...
Бизнес-контекст, совместная работа и согласованность для интеллектуального уп...Бизнес-контекст, совместная работа и согласованность для интеллектуального уп...
Бизнес-контекст, совместная работа и согласованность для интеллектуального уп...
Andrew Sovtsov
8 класс ктп
8 класс ктп8 класс ктп
8 класс ктп
kpako
Database Tuning Method & Technics
Database Tuning Method & TechnicsDatabase Tuning Method & Technics
Database Tuning Method & Technics
Denis Beskov
Базы данных лекция №11
Базы данных лекция №11Базы данных лекция №11
Базы данных лекция №11
Vitaliy Pak
11 - Web-технологии. Работа с СУБД
11 - Web-технологии. Работа с СУБД11 - Web-технологии. Работа с СУБД
11 - Web-технологии. Работа с СУБД
Roman Brovko
Мониторинг, тюнинг и оптимизация баз данных, используя продукты Dell Software
Мониторинг, тюнинг и оптимизация баз данных, используя продукты Dell SoftwareМониторинг, тюнинг и оптимизация баз данных, используя продукты Dell Software
Мониторинг, тюнинг и оптимизация баз данных, используя продукты Dell Software
BAKOTECH
Мониторинг, тюнинг и оптимизация баз данных, используя продукты Dell Software
Мониторинг, тюнинг и оптимизация баз данных, используя продукты Dell SoftwareМониторинг, тюнинг и оптимизация баз данных, используя продукты Dell Software
Мониторинг, тюнинг и оптимизация баз данных, используя продукты Dell Software
Marina Gryshko
рит2007 оптимизация бд бесков доронин
рит2007   оптимизация бд   бесков доронинрит2007   оптимизация бд   бесков доронин
рит2007 оптимизация бд бесков доронин
Media Gorod
8 класс ктп
8 класс ктп8 класс ктп
8 класс ктп
kpako
Введение в gRPC / Introduction to gRPC
Введение в gRPC / Introduction to gRPCВведение в gRPC / Introduction to gRPC
Введение в gRPC / Introduction to gRPC
Mad Devs
Введение в gRPC
Введение в gRPCВведение в gRPC
Введение в gRPC
Mad Devs
Windows Phone School HSE Lecture 3
Windows Phone School HSE Lecture 3Windows Phone School HSE Lecture 3
Windows Phone School HSE Lecture 3
Dmitry Gridnev
Перепись приложения. Нативного. На JS. Done. | Odessa Frontend Meetup #10
Перепись приложения. Нативного. На JS. Done. | Odessa Frontend Meetup #10Перепись приложения. Нативного. На JS. Done. | Odessa Frontend Meetup #10
Перепись приложения. Нативного. На JS. Done. | Odessa Frontend Meetup #10
OdessaFrontend
Новые возможности распределенной обработки данных в памяти (Coherence)
Новые возможности распределенной обработки данных в памяти (Coherence)Новые возможности распределенной обработки данных в памяти (Coherence)
Новые возможности распределенной обработки данных в памяти (Coherence)
Andrey Akulov
Lan-Crawler Bachlor RU
Lan-Crawler Bachlor RULan-Crawler Bachlor RU
Lan-Crawler Bachlor RU
cDima
Управление Данными. Лекция 1
Управление Данными. Лекция 1Управление Данными. Лекция 1
Управление Данными. Лекция 1
Dmitriy Krukov

More from Technosphere1 (12)

Лекция №10 "Алгоритмические композиции. Завершение"
Лекция №10 "Алгоритмические композиции. Завершение" Лекция №10 "Алгоритмические композиции. Завершение"
Лекция №10 "Алгоритмические композиции. Завершение"
Technosphere1
Лекция №13 "Глубокие нейронные сети"
Лекция №13 "Глубокие нейронные сети" Лекция №13 "Глубокие нейронные сети"
Лекция №13 "Глубокие нейронные сети"
Technosphere1
Лекция №11 "Основы нейронных сетей"
Лекция №11 "Основы нейронных сетей" Лекция №11 "Основы нейронных сетей"
Лекция №11 "Основы нейронных сетей"
Technosphere1
Лекция №9 "Алгоритмические композиции. Начало"
Лекция №9 "Алгоритмические композиции. Начало"Лекция №9 "Алгоритмические композиции. Начало"
Лекция №9 "Алгоритмические композиции. Начало"
Technosphere1
Лекция №8 "Методы снижения размерности пространства"
Лекция №8 "Методы снижения размерности пространства" Лекция №8 "Методы снижения размерности пространства"
Лекция №8 "Методы снижения размерности пространства"
Technosphere1
Лекция №7 "Машина опорных векторов"
Лекция №7 "Машина опорных векторов" Лекция №7 "Машина опорных векторов"
Лекция №7 "Машина опорных векторов"
Technosphere1
Лекция №6 "Линейные модели для классификации и регрессии"
Лекция №6 "Линейные модели для классификации и регрессии" Лекция №6 "Линейные модели для классификации и регрессии"
Лекция №6 "Линейные модели для классификации и регрессии"
Technosphere1
Лекция №5 "Обработка текстов, Naive Bayes"
Лекция №5 "Обработка текстов, Naive Bayes" Лекция №5 "Обработка текстов, Naive Bayes"
Лекция №5 "Обработка текстов, Naive Bayes"
Technosphere1
Лекция №4 "Задача классификации"
Лекция №4 "Задача классификации"Лекция №4 "Задача классификации"
Лекция №4 "Задача классификации"
Technosphere1
Лекция №2 "Задача кластеризации и ЕМ-алгоритм"
Лекция №2 "Задача кластеризации и ЕМ-алгоритм"Лекция №2 "Задача кластеризации и ЕМ-алгоритм"
Лекция №2 "Задача кластеризации и ЕМ-алгоритм"
Technosphere1
Лекция №1 "Задачи Data Mining"
Лекция №1 "Задачи Data Mining" Лекция №1 "Задачи Data Mining"
Лекция №1 "Задачи Data Mining"
Technosphere1
Лекция №3 "Различные алгоритмы кластеризации"
Лекция №3 "Различные алгоритмы кластеризации"Лекция №3 "Различные алгоритмы кластеризации"
Лекция №3 "Различные алгоритмы кластеризации"
Technosphere1
Лекция №10 "Алгоритмические композиции. Завершение"
Лекция №10 "Алгоритмические композиции. Завершение" Лекция №10 "Алгоритмические композиции. Завершение"
Лекция №10 "Алгоритмические композиции. Завершение"
Technosphere1
Лекция №13 "Глубокие нейронные сети"
Лекция №13 "Глубокие нейронные сети" Лекция №13 "Глубокие нейронные сети"
Лекция №13 "Глубокие нейронные сети"
Technosphere1
Лекция №11 "Основы нейронных сетей"
Лекция №11 "Основы нейронных сетей" Лекция №11 "Основы нейронных сетей"
Лекция №11 "Основы нейронных сетей"
Technosphere1
Лекция №9 "Алгоритмические композиции. Начало"
Лекция №9 "Алгоритмические композиции. Начало"Лекция №9 "Алгоритмические композиции. Начало"
Лекция №9 "Алгоритмические композиции. Начало"
Technosphere1
Лекция №8 "Методы снижения размерности пространства"
Лекция №8 "Методы снижения размерности пространства" Лекция №8 "Методы снижения размерности пространства"
Лекция №8 "Методы снижения размерности пространства"
Technosphere1
Лекция №7 "Машина опорных векторов"
Лекция №7 "Машина опорных векторов" Лекция №7 "Машина опорных векторов"
Лекция №7 "Машина опорных векторов"
Technosphere1
Лекция №6 "Линейные модели для классификации и регрессии"
Лекция №6 "Линейные модели для классификации и регрессии" Лекция №6 "Линейные модели для классификации и регрессии"
Лекция №6 "Линейные модели для классификации и регрессии"
Technosphere1
Лекция №5 "Обработка текстов, Naive Bayes"
Лекция №5 "Обработка текстов, Naive Bayes" Лекция №5 "Обработка текстов, Naive Bayes"
Лекция №5 "Обработка текстов, Naive Bayes"
Technosphere1
Лекция №4 "Задача классификации"
Лекция №4 "Задача классификации"Лекция №4 "Задача классификации"
Лекция №4 "Задача классификации"
Technosphere1
Лекция №2 "Задача кластеризации и ЕМ-алгоритм"
Лекция №2 "Задача кластеризации и ЕМ-алгоритм"Лекция №2 "Задача кластеризации и ЕМ-алгоритм"
Лекция №2 "Задача кластеризации и ЕМ-алгоритм"
Technosphere1
Лекция №1 "Задачи Data Mining"
Лекция №1 "Задачи Data Mining" Лекция №1 "Задачи Data Mining"
Лекция №1 "Задачи Data Mining"
Technosphere1
Лекция №3 "Различные алгоритмы кластеризации"
Лекция №3 "Различные алгоритмы кластеризации"Лекция №3 "Различные алгоритмы кластеризации"
Лекция №3 "Различные алгоритмы кластеризации"
Technosphere1

Лекция 6: Работа с данными. Django ORM