Channel
@BigDataSchool_ru
On this record: Growth · Engagement · Reactions · Posts · Cite this entry
652subscribers
-6 since we began measuring on 7 August 2026
Risers and fallers across the register · movement among entries of Under 1,000.
| Telegram ID | -1001322671178 |
|---|---|
| Type | Channel |
| Username | @BigDataSchool_ru |
| Created | Between 1 March 2018 and 31 August 2021— estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 8 August 2026 |
| Last confirmed live | 24 August 2026 |
| Measurements held | 3 |
| Confirmed unchanged | 1 time, most recently 24 August 2026 |
| On Telegram | t.me/BigDataSchool_ru |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 24 Aug 2026, 07:06 | 652 | -6 |
| 8 Aug 2026, 02:35 | 658 | no change |
| 7 Aug 2026, 16:24 | 658 | first reading |
20 posts held, back to 26 March 2026 — the reader has not yet reached the start of this channel’s public history, so older posts may sit further back, unread. Read across 1 pageof Telegram’s post history, 20 posts per page.
Nothing published in the last 30 days. ERR and ER are rolling 30-day measures, so there is nothing to compute — we hold 20 posts for this entry, the most recent from 9 July 2026. An engagement rate over an empty window would be a number about nothing.
29 reactions across 16 posts, in 3 distinct kinds. The most used accounts for 86.2% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| 👍 | 25 | 86.2% | |
| 🔥 | 3 | 10.3% | |
| ❤ | 1 | 3.45% |
No sentiment is inferred, and none should be read in. This table is ordered by count and by nothing else. Emoji do not carry stable meaning across languages or communities — 🙏 is thanks in one channel and mourning in another — so we publish which ones were pressed and how often, and pass no judgement on what an audience meant by them.
Precision. Telegram publishes reaction counts per emoji and short-forms each one — 4.34K, 1.2M — so any single kind at or above 1,000 reaches us at three significant figures, and only counts below 1,000 are exact. The shares above are ratios of those figures and carry the same error. This is also why the total here can differ slightly from a reaction total printed elsewhere on the page: both are sums of the same rounded parts, taken over samples with different edges.
Coverage. Reactions were read on 16 of the 20 sampled posts in this sample. Summed by Telegram’s own count on each post — not by adding up the per-emoji breakdown above — those same posts carry 29reactions in total: the kind of figure the paragraph above means by “a reaction total printed elsewhere on the page”.
Measured over the 20 most recent posts we hold, published 26 March 2026 to 9 July 2026, using the newest reading held for each. Telegram Stars are excluded: they are a payment, not a reaction, and they have their own section.
ПРИГЛАШАЕМ ВАС ПРИНЯТЬ УЧАСТИЕ 23 июля В 17.00 В БЕСПЛАТНОМ вебинаре: «Online аналитика: как строить хранилище, которое пишет и считает одновременно» Приглашаем вас на бесплатный вебинар от Школы Больших Данных, где мы разберем причины перехода к online аналитике; требования к СУБД нового поколения; почему OLTP/OLAP не хватает; обзор StarRocks и сопутствующей инфраструктуры (CDC, Kafka, Flink); практические архитект…
👍1🔥1
Наша Школа анализа и проектирования ИС проводит Бесплатный митап: «ИИ для проектирования и тестирования API: агент Postman, запросы к LLM и MCP-сервер» 27 июня (суббота) в 12:00 МСК приглашаем аналитиков, разработчиков и инженеров по тестированию на практический онлайн-интенсив. Мы пройдем путь от идеи спецификации до автоматической валидации мок-сервера с помощью связки Postman + ИИ. Разберем то, о чем все говорят…
Как быстро проверить API, автоматизировать тесты и подготовить документацию без лишнего кода? 6 июня в 12:00 (МСК) приглашаем на бесплатный онлайн-митап: «Тестирование и документирование веб-API в Postman: практическое демо для аналитика и разработчика» На встрече в режиме реального времени разберем возможности Postman — одного из самых популярных инструментов для работы с API. Программа вебинара: 1. Назначение и…
🔥2👍1
#Dataframe DataFrame — это табличная структура данных с именованными столбцами и индексами строк, предназначенная для удобного хранения, преобразования и анализа структурированных данных в аналитических и научных вычислениях. Представьте себе лист Excel, но с возможностью программного управления и обработки миллионов строк за секунды. Это основной объект для манипуляции данными в языке Python (библиотека Pandas) и э…
#Redis #Persistence Redis Persistence — это комплекс механизмов, отвечающих за сохранение данных из оперативной памяти на долговечный носитель (жесткий диск или SSD). Redis — это in-memory база данных. Это означает, что по умолчанию все данные живут исключительно в оперативной памяти. Это обеспечивает феноменальную скорость, но создает критический риск: при любом сбое питания, перезагрузке сервера или аварийном заве…
#Redis Redis (Remote Dictionary Server) — это высокопроизводительное in-memory хранилище данных типа key-value, поддерживающее различные структуры данных и используемое для кэширования, очередей, сессий и real-time-сценариев благодаря низкой задержке и горизонтальному масштабированию. WIKI Курсы: PRUS PRAR Наш сайт Копирование, размножение, распространение, перепечатка (целиком или частично), или иное использование…
👍1
#key #value #store Key-Value Store (хранилище «ключ-значение») — это модель хранилища данных, в которой информация сохраняется в виде пар «ключ–значение», обеспечивающих быстрый доступ к данным по уникальному ключу, простоту масштабирования и минимальные ограничения на структуру значения. WIKI Курсы: PRUS PRAR Наш сайт Копирование, размножение, распространение, перепечатка (целиком или частично), или иное использов…
#NumPy NumPy (Numerical Python) — это фундаментальная библиотека для языка Python, предназначенная для высокопроизводительных численных вычислений, обеспечивающая работу с многомерными массивами, векторизованными операциями и базовыми инструментами линейной алгебры, статистики и научных расчётов. WIKI Курсы: PYNN PYML Наш сайт Копирование, размножение, распространение, перепечатка (целиком или частично), или иное ис…
👍1
#NLTK NLTK — это ведущая платформа для создания программ на языке Python для работы с данными на естественном языке. Она предоставляет простые интерфейсы для более чем 50 корпусов и лексических ресурсов. Библиотека включает набор инструментов для обработки текста, таких как токенизация, классификация и тегирование. NLTK часто называют «учебной лабораторией» для лингвистов и разработчиков искусственного интеллекта. В…
👍1
#SDLC SDLC (Software Development Life Cycle) — это структурированный процесс создания программного обеспечения, который описывает каждый этап разработки от идеи до вывода из эксплуатации. Понимание этого цикла позволяет командам выпускать качественный продукт в прогнозируемые сроки и в рамках бюджета. В сфере Big Data и ML этот процесс становится критически важным. Он помогает синхронизировать работу инженеров данны…
👍2
#Model #Inference Model Inference (Инференс моделей или вывод моделей) — это процесс использования обученной нейронной сети или алгоритма машинного обучения для получения предсказаний на основе новых, ранее не известных данных. Это финальная стадия жизненного цикла ML-модели, когда абстрактная математическая структура начинает приносить реальную пользу бизнесу или пользователю. Без инференса любая, даже самая точная…
👍3
#Lazy #Evaluation Lazy Evaluation (Ленивые вычисления) — это стратегия выполнения программного кода, при которой запуск вычислений откладывается до тех пор, пока их результат не потребуется явно (например, для вывода на экран или сохранения на диск). В экосистеме Big Data (в частности, в Apache Spark) этот подход является фундаментальным: он позволяет системе сначала построить полный направленный ациклический граф з…
👍1
Showing the 12 most recent of 20 posts we hold for @BigDataSchool_ru. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.
A live page changes as we take new readings, so a citation should name the measurement it is based on, not just the URL. The line below cites the subscriber count as measured 24 August 2026 — this entry's latest reading, not the date you are reading this.
“Школа Больших Данных” (@BigDataSchool_ru), 652 subscribers as measured 24 August 2026. Telegram Register, tgregister.com/channel/BigDataSchool_ru.
Full measurement history, CC BY 4.0. Every reading this register holds for this entry, not just the latest one, as a dated, downloadable record: CSV · JSON. Free to use with attribution to tgregister.com. Each file carries its own generation timestamp, which is the figure to cite for exactly when the data was retrieved.