Она была вторым вариантом, нет, не получилось) как сейчас помню, метод count_values у пандас пакета никак не хотел вываливается в подсказках

Если решишь снова попробовать, то пиши, помогу чем смогу

Спасибо)

Почему тогда юзают скрипты на сервере бд, а не отдельно скриптами к базе конектиться?

Это прям в вакансии так написано?

Нет, просто знание зачастую питона.

Меня просто его синтаксис, раздражает ) вот и не пойму че его везде пихают

Пишешь на питоне код, создающий модель ML, импортируешь в sql server и используешь в коде через вызов например PREDICT. Надо обновить модель - из sqlserver вызываешь скрипт питона, который её генерит заново и возвращает в бинарном виде. Связка СУБД и питона даёт удобство. Никто же не скажет, что то, что postgres поддерживает кучу языков это плохо.

плохому учишь) да, возможно это удобно, но! разработчиков, которые так умеют (Питон в SQL Server) на рынке почти нет - это раз. два - 7000$ за ядро (нужна лицензия Entreprise чтобы использовать Open Source Python или R или Java в SQL Server). еще раз -  7000$ за ядро (цифры капс локами писать к сожалению нельзя).

поэтому пусть лучше читают данные из Python или чего-то там, а SQL Server используют просто как источник.

Ну... иногда Ent уже есть по ряду других причин. Почему не юзать, если можно? Это раз. Разработчик, который не может освоить питон - ИМХО это немного странно. Это два.  В третьих - если ты Data Analyst, то ты как ни крути должен знать и SQL и какой-то Data Oriented язык типа R или Python.

sql  весь об этом)

эх, твоими бы устами мед пить. в идеале да, но реальность к сожалению удручающая.

Посмотри на это со стороны бизнеса - ты им написал ML в питоновском SQL Server (пусть даже у них уже куплена лицензия чтобы совсем все плохо не было в условиях задачки), все хорошо, работает, все довольны и пилят премии. потом ты увольняешься и им надо найти человека, который во всем этом быстро разберется и сможет дорабатывать, оцени сколько времени лично ты на текущем рынке будешь искать сопоставмого по знаниям и технологиям специалиста за вменяемую зарплату?

второй вариант. ты продолжаешь работать и все счастливы, пока в один прекрасный день твой мониторинг не превращается в кровавый ад, так как нагрузка на сервер SQL Server бьет все допустимые метрики. ты начинаешь копаться и понимаешь что внутри Python который в яйце <- утке … происходит какая-то дичь, паралелльно с этим внешний сервис, который как раз подсоеденили вчера без твоего участия, тоже пытается отожрать все что можно. как быстро понять кто прав, найти виновных и сделать всех счастливыми? я к тому что черная коробка из ML который в SQL Server очень сильно в будущем может усложнить поиск проблем производительности.

ну и чтобы не совсем все было депрессивно, картинка:

Азазаз

Это спор о существующем положении вещей. Оспаривать статус кво немного странно. На нынешнем месте работы на питоне я пишу более 70% своей работы. Работаю чуть больше года. Пришёл с околонулевым уровнем питона, потому что всё забыл за 10 лет, которые его не трогал. Писать на питоне мне тут надо было уже с первых дней. Ничего сложного, разобрался.  Это про "найти с таким уровнем на текущем рынке". Про черный ящик - я конечно разделяю предпочтение иметь отдельный ML сервер, однако тогда дергать модель надо будет с клиента. А так получается, что клиент может обращаться к БД, дергать процедуру, а она ему вернет данные, которые сама подготовила, прогнала через модель и вернула результат. Для управления ресурсами ML сделан External resource pool  в resource governor. Я к тому, что всё можно, если ясно понимать зачем оно тебе надо. ML для каждой дверной ручки, это конечно наивняк. Но я вполне видел в реальном энтерпрайзе как юзается эта фича вполне успешно. Особенно кстати коммерческая реализация R в SQL Server одному моему клиенту зашла. Там полноценная поддержка многопоточности и использование файлов на диске при нехватке памяти. Т.е. это уже есть, уже используется, людей с таким скиллсетом уже ищут, курсы по питону из каждого утюга на тебя глядят. Спор об итогах проигранной войны.

ML - money laundering или machine learning? :)

Про облака когда-то тоже много плохого говорили. А теперь на любой хорошей вакансии нужны навыки хотя бы в одной облачной платформе. За сим умолкаю. Я опять развёл холивар и флуд.

Python тем и хорош, что можно сесть, за пару дней разобраться в основах и начать писать простые скрипты. Плюс повсеместно используется оркестрация Airflow и там тоже без пайтона никуда.
Внутри SQL Server юзать не приходилось, но я исхожу из того, что вряд ли MS будет пихать фичи просто так. Значит это востребовано.

ух поперло)

Бигдата, это обработка статистических данных. Всё придумано до нас. Но за это денег не дадут, угу.