Channel
@bigdata_ir
On this record: Growth · Engagement · Reactions · Posts · Cite this entry
1,109subscribers
+60 since we began measuring on 7 August 2026
Risers and fallers across the register · movement among entries of 1,000–3,162.
| Telegram ID | -1001228606812 |
|---|---|
| Type | Channel |
| Username | @bigdata_ir |
| 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 | 5 September 2026 |
| Measurements held | 11 |
| Confirmed unchanged | 1 time, most recently 5 September 2026 |
| On Telegram | t.me/bigdata_ir |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 5 Sept 2026, 20:00 | 1,109 | +2 |
| 1 Sept 2026, 14:14 | 1,107 | +41 |
| 29 Aug 2026, 14:25 | 1,066 | +5 |
| 26 Aug 2026, 17:53 | 1,061 | -1 |
| 23 Aug 2026, 21:48 | 1,062 | +2 |
| 20 Aug 2026, 13:53 | 1,060 | +4 |
| 17 Aug 2026, 16:08 | 1,056 | +2 |
| 14 Aug 2026, 14:46 | 1,054 | +2 |
| 10 Aug 2026, 21:01 | 1,052 | +3 |
| 8 Aug 2026, 00:19 | 1,049 | no change |
| 7 Aug 2026, 16:06 | 1,049 | first reading |
20 posts held, back to 10 July 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 page of 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 6 August 2026. An engagement rate over an empty window would be a number about nothing.
115 reactions across 20 posts, in 7 distinct kinds. The most used accounts for 56.5% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| 👍 | 65 | 56.5% | |
| ❤ | 33 | 28.7% | |
| ❤🔥 | 10 | 8.70% | |
| 👏 | 2 | 1.74% | |
| 🔥 | 2 | 1.74% | |
| 🙏 | 2 | 1.74% | |
| 😁 | 1 | 0.87% |
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 20 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 115 reactions 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 10 July 2026 to 6 August 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.
پایان عصر Feature Storeها؟ | درسهای عملیاتی از معماری جدید نتفلیکس (GenRec) اگر به عنوان مهندس داده در تیمهای پیشرو فعالیت میکنید، خوب میدانید که نقش ما دیگر صرفاً نگهداری دیتابیس و انتقال ساده داده نیست. ما بخش زیادی از زمان خود را صرف زیرساختهای یادگیری ماشین (MLOps) میکنیم؛ بهویژه مهندسی ویژگی (Feature Engineering). منظور از مهندسی ویژگی همان فرآیند پرزحمت و پرهزینهی تبدیل دادههای خام به متغیرهای عدد…
👍8
نسخه کامل کتاب LLMs-4-Humans
👍4
چند صفحه نمونه از کتاب ۲۵۶ صفحه ای : LLM به زبان آدمیزاد - علی نجفی 👆👆
❤3
پرامپتنویسی مهمه، اما خیلی وقتها مشکل اصلاً از پرامپت نیست. پستی از علی نجفی در لینکدین وقتی جواب مدل خراب میشه، اولین واکنش خیلیها اینه که یک پاراگراف دیگه به پرامپت اضافه کنن. اما گاهی مشکل جای دیگهست: • اطلاعات لازم داخل کانتکست نبوده • سیستم RAG اطلاعات درست رو پیدا نکرده • مدل ابزار مناسب نداشته • جریان کار یا اعتبارسنجی ایراد داشته • آزمونی نداریم که ثابت کنه تغییر جدید بهتره اگر یکی از اینها درست باشه…
👍3
دیتابیس #TigerBeetle: دیتابیسی بسیار سریع و مقیاسپذیر و پایدار برای سامانههای پرداخت اکثر ما هنگام یادگیری مفهوم «تراکنش» (Transaction) در دیتابیسها، با این مثال معروف مواجه شدهایم: “فرض کنید مبلغی از حساب A کسر و به حساب B واریز میشود؛ این عملیات باید کاملاً اتمیک (Atomic) باشد (یا همه یا هیچ).” اما همین عملیاتِ بهظاهر ساده، پایه و اساس تمامی سیستمهای پرداخت و فینتک دنیا با حجم تراکنش روزانه بسیار بالاست. …
❤3👍1😁1
دیتابیسی که مخصوص DataFrameها ساخته شده؛ پایان درگیری با زیرساخت! همه ما دادهچیها (مشابه با گاریچی/تلفنچی البته بلانسبت) این مسیر را رفتهایم: خواندن دیتا از فایلهای اکسل، Parquet یا دیتابیسهای سنتی، و بعد ساعتها صرفِ تمیزکاری و تبدیل دادهها. در تمام این سناریوها، پیشفرض ما این بوده که باید داده را از یک منبع خارجی بخوانیم و تازه بعد از آن پردازش را شروع کنیم. اما چه میشد اگر دیتابیسی داشتیم که دقیقاً برا…
👍3👏1
آشنایی با PREWHERE در کلیک هوس - مرتبط با پست بالا 👆👆
🙏1
قهرمان خاموشِ پرفورمنس در کلیکهوس: ترکیب جادویی PREWHERE و Skip Indexes ما هر روز با SQL و ابزارهای Modern Data Stack مثل ClickHouse سر و کار داریم؛ کوئری مینویسیم، پایپلاین میسازیم و داشبوردها را تحویل میدهیم. اما تسلط بر سینتکس (Syntax) همیشه کافی نیست. برای رساندن پرفورمنسِ پایپلاینها به بالاترین سطح ممکن، باید مکانیسمهای درونی و معماری پایهی این موتورها را درک کنیم و پابهپای تکامل آنها آپدیت بمانیم…
❤1👍1
مقادیر پیشفرض؛ دشمنِ خاموشِ محیط پروداکشن داستانِ ۲۰۰ گیگابایت لاگِ اضافی و درسی که گرفتم چند هفته پیش در یک پروژهی مشاوره، یک کلاستر ۶ نودیِ ClickHouse (شامل ۳ شارد و ۳ رپلیکا) طراحی کردیم. طبق استراتژی ذخیرهسازی، دادهها باید تا ۳۰ روز روی سرور اصلی میماندند و سپس توسط مکانیزم TTL به Object Storage منتقل میشدند. روی کاغذ همهچیز بینقص بود؛ تا اینکه روز گذشته برای پروفایلینگِ مجدد منابع، سراغ کلاستر رفتم. …
👍8🙏1
هشت سنگبنای اصلی مهندسی داده - آنچه ابزارها بر روی آنها بنا میشوند. اگر از کسی بپرسید: «چطور یک جراح ماهر شوم؟» و پاسخ بشنوید: «اول کار با تیغ را یاد بگیر، بعد دستکش و در نهایت بخیه زدن را»، قطعاً به او میخندید! جراحان با حفظ کردن کاتالوگ تجهیزات به مهارت نمیرسند؛ تخصص آنها در درک آناتومی و تفکر سیستمی است. اما متأسفانه ما مهندسی داده را شبیه لیست خرید آموزش 📚 میدهیم: #Spark, #Kafka, dbt, Apache #Iceberg و ل…
👍4
شروع کار با سرویس های ابری رایج دنیا روی سیستم شخصی - راهنمای نصب سریع Floci - 👆👆
❤2👍1
آشنایی با محصولات ابری حوزه داده (آمازون، آژور، گوگل) بر روی سیستم شخصی؛ بدون تحریم، بدون هزینه ارزی! 🚀☁️ کار با محیطهای ابری (Cloud Environments) دیگر یک انتخاب نیست، بلکه یکی از الزامات قطعی مهندسان داده و معماران سیستمهای نرمافزاری مدرن است. چالشی که به دلیل تحریمها و هزینههای سنگین ارزی، فعالان زیرساخت و دیتای ایرانی را غالباً مجبور به استفاده از جایگزینهای Open-Source و معماریهای Local-First کرده است. ابز…
❤6🔥1
Showing the 12 most recent of 20 posts we hold for @bigdata_ir. 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 5 September 2026 — this entry's latest reading, not the date you are reading this.
“مهندسی داده” (@bigdata_ir), 1,109 subscribers as measured 5 September 2026. Telegram Register, tgregister.com/channel/bigdata_ir.
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.