Channel
@K_P_D_B
On this record: Growth · Engagement · What this channel posts · Reactions · Posts · Citations · Cite this entry
363subscribers
+0 since we began measuring on 7 August 2026
Risers and fallers across the register · movement among entries of Under 1,000.
| Telegram ID | -1002156785387 |
|---|---|
| Type | Channel |
| Username | @K_P_D_B |
| Created | Between 1 June 2024 and 30 September 2024— estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 7 August 2026 |
| Last confirmed live | 7 August 2026 |
| Measurements held | 2 |
| On Telegram | t.me/K_P_D_B |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 7 Aug 2026, 06:46 | 363 | no change |
| 7 Aug 2026, 06:33 | 363 | first reading |
18 posts held, back to 25 May 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 18 posts for this entry, the most recent from 13 July 2026. An engagement rate over an empty window would be a number about nothing.
Lifetime counters from Telegram’s own channel header, read 7 August 2026 — not the date at the top of this page, which is when the subscriber count was last read. Below Telegram’s rounding threshold, so these counts are exact.
24 reactions across 10 posts, in 7 distinct kinds. The most used accounts for 33.3% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| 🔥 | 8 | 33.3% | |
| ❤ | 5 | 20.8% | |
| 👍 | 3 | 12.5% | |
| 🤯 | 3 | 12.5% | |
| ❤🔥 | 2 | 8.33% | |
| 💘 | 2 | 8.33% | |
| 🤩 | 1 | 4.17% |
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 10 of the 18 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 24reactions in total: the kind of figure the paragraph above means by “a reaction total printed elsewhere on the page”.
Measured over the 18 most recent posts we hold, published 25 May 2026 to 13 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.
Открытые множества и непрерывность 🔵Открытые шары и окрестности По сути это означает слово похожий. Если x - это эмбеддинг объекта, то окрестность x - это шар радиуса эпсилон вокруг него в пространстве признаков: всё, что внутри, модель или аналитик считает тем же. import numpy as np def in_neighborhood(x, center, eps): return np.linalg.norm(x - center) < eps embeddings = np.array([[2.01, 0.5], [2.05, 0.6], […
❤2👍1
🔵Понятие непрерывности Формально можно описать через эпсилон-дельта, а именно это буквально спецификация устойчивости модели к шуму во входных данных. Непрерывность функции f в точке x означает, что небольшое изменение входа даёт небольшое изменение выхода. Это же лежит в основе Lipschitz-непрерывности, которую явно контролируют при обучении GAN и при защите от adversarial атак. def is_continuous_at(f, x, delta, eps…
❤2🤯2
Всем привет, давно постов не было, так что сегодня будет новый TDA пост, но сейчас хотел спросить, может быть, у кого-нибудь есть FIX/FAST/FLEX + ITCH/OUCH/OMD(HKEX OMD-D) pcap дамп(без сливов NDA) с колокации TradFi(LD4, LD5, NY4, FR2 от Equinix или CME(cme sbe), JPX Arrowhead, HKEX, SGX co-loc, SSE/SZSE), нужно для личного ресерча. Буду очень благодарен, если кто-то сможет поделиться, так как у самого нет доступа …
💘2🤯1
С небольшим опозданием, но выпускаю второй пост из серии TDA101. Сегодня хотелось бы чуть углубиться в теорию, и описать такое понятие, как метрические пространства. Понятие расстояния лежит в основе большинства алгоритмов машинного обучения: k-ближайших соседей, кластеризации, методов снижения размерности, gradient-based оптимизации в loss-landscape, а также topological data analysis. Как уже говорилось в прошлом п…
👍1
🔵Понятие и аксиомы метрики Для начала приведу просто определение, которые мы можете найти в большинстве ресурсов и статей по теме: Функция d: X *X -> R называется метрикой на множестве X, если для любых x, y, z в X выполняются условия на фото. Первое условие включает неотрицательность и невырожденность, второе - симметрию, третье - неравенство треугольника. Функция, удовлетворяющая всем условиям кроме невырожденнос…
🔵Косинусное сходство В задачах типа NLP используеться косинусное сходство(см фото), функция принимает значения в [-1, 1] и измеряет угол между векторами без учёта их длины. Прямое использование cos(x, y) в качестве расстояния не совсем работает: значение возрастает при увеличении сходства, а аксиома неотрицательности не удовлетворяется. Стандартное преобразование в косинусном расстоянии(см второе фото), даёт неотри…
Для дискретных последовательностей (строки символов, последовательности ДНК, ну или временные ряды после HIPPO(если кто то еще помнит, то первые посты в канале были посвещены как раз SSM и дискретизации рядов через HIPPO)) расстояние Левенштейна определяется как минимальное число операций вставки, удаления или замены символа, необходимых для преобразования одной последовательности в другую. Функция удовлетворяет все…
🔵Dynamic Time Warping(DTW) DTW определяет расстояние между временными рядами, учитывая сжатия и растяжения временной оси. Формально говоря, для рядов x = (x_1, ..., x_n) и y = (y_1, ..., y_m) рассматриваются монотонные пути pi в решётке {1, ..., n} * {1, ..., m}, начинающиеся в (1, 1) и заканчивающиеся в (n, m), и минимизируется суммарная стоимость(см фото). DTW можно реализовать примерно так(dynamic programming bt…
🔵Влияние выбора метрики на TDA Персистентная гомология формально определяется относительно фиксированной метрики, то есть смена метрики меняет фильтрацию и, как следствие, persistence diagram. На синтетике эффект можно показать через такой код: import gudhi as gd np.random.seed(0) n = 200 X = np.random.randn(n, 10) X[:, 0] *= 100 def persistence_h1(X, metric_matrix): rips = gd.RipsComplex(distance_matrix=metri…
👍1
Так же напоминаю, что всегда буду рад ответить на ваши вопросы в комментариях или в группе канала.
🔥3
🔵Landmark selection Качество witness complex напрямую зависит от выбора landmarks. На FPGA реализуются три стратегии. Random selection через reservoir sampling Виттера. Подходит для потока неизвестной длины + минимальная стоимость вычислений: def reservoir_sample(stream, m): landmarks = [] for i, point in enumerate(stream): if i < m: landmarks.append(point) else: j = …
Как уже ни раз говорилось, TDA крайне дорого и долго считать на обычном железе, и основная проблема тут в построении симплициальных комплексов. Для примера так же возьмем Vietoris-Rips complex на n точках содержит до binom(n, k+1) симплексов размерности k, что приводит к кубической сложности уже для вычисления одномерных гомологий, что в свою очередь делает невозможной реализацию в задачах, где задержка должна быть в…
Showing the 12 most recent of 18 posts we hold for @K_P_D_B. 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.
Citation-graph rank — 1,112,937 of 1,336,469entries in the measured graph. A weighted position computed from the forward and mention edges below — republished posts weigh more than named mentions — and recomputed periodically, over the whole graph. Published only as this ordinal position, never as a score: a position is a fact, and a score printed beside one channel’s name would read as a verdict this register does not make. The two counts beneath stay separate for the same reason mentions are never summed with forwards anywhere else on this page — a named-by count costs nothing to manufacture. The top 100 by this measure, or how it is computed.
Named by 1 registered channel — every channel on the register whose own posts have named this one, by its current username or any other username it currently holds, merged from two separately captured readings of the same fact so a namer caught by only one of them is not missed and a namer both caught is not counted twice. A username this channel has since dropped is not matched — that handle may belong to someone else now, and crediting today’s namer to yesterday’s owner would misattribute it.
Named by
Channels on the register whose posts name this channel's handle.
A mention is a weaker signal than a forward and is counted separately for that reason — naming a channel is not republishing it, and a handle in a post body is easy to place deliberately. The post counts beside each row below are distinct posts in which the handle appeared, from posts we have read on both sides — the “Named by N registered channels” figure above is a different count, of distinct NAMING CHANNELS rather than posts, and is not the sum of the rows under it.
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 7 August 2026 — this entry's latest reading, not the date you are reading this.
“Унарный код || прунинг” (@K_P_D_B), 363 subscribers as measured 7 August 2026. Telegram Register, tgregister.com/channel/K_P_D_B.
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.