Channel
@datasfrog
On this record: Growth · Engagement · What this channel posts · Reactions · Posts · Cite this entry
1,870subscribers
+0 since we began measuring on 7 August 2026
Risers and fallers across the register · movement among entries of 1,000–3,162.
| Telegram ID | -1001614848878 |
|---|---|
| Type | Channel |
| Username | @datasfrog |
| Created | Between 1 December 2021 and 30 April 2023— estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 7 August 2026 |
| Last confirmed live | 24 August 2026 |
| Measurements held | 5 |
| Confirmed unchanged | 1 time, most recently 24 August 2026 |
| On Telegram | t.me/datasfrog |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 24 Aug 2026, 21:55 | 1,870 | +2 |
| 21 Aug 2026, 03:51 | 1,868 | -3 |
| 11 Aug 2026, 09:48 | 1,871 | +1 |
| 8 Aug 2026, 07:43 | 1,870 | no change |
| 7 Aug 2026, 11:47 | 1,870 | first reading |
15 posts held, back to 3 January 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 2 pagesof 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 15 posts for this entry, the most recent from 21 July 2026. An engagement rate over an empty window would be a number about nothing.
Measured directly from 1 video with a duration reading, out of the posts we hold for this channel — not this channel’s whole posting history, only the sample this register has actually read. An exact reading to the second, taken from the post itself rather than from Telegram’s own rounded chrome, so it carries no ≈ mark.
24 reactions across 8 posts, in 4 distinct kinds. The most used accounts for 37.5% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| ❤ | 9 | 37.5% | |
| 👍 | 8 | 33.3% | |
| 🔥 | 6 | 25.0% | |
| 🥰 | 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 9 of the 15 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 15 most recent posts we hold, published 3 January 2026 to 21 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.
Как Netflix использует ИИ? В квартальном отчёте перед инвесторами компания рассказала, что нейросети применялись в создании примерно 300 проектов этого года. Речь об использовании на любых стадиях производства: от концептов до постпродакшена. В отчёте выделили создание «сложных сцен» с помощью ИИ для: 🟣 индийского спортивного триллера «Слава» 🟣 американского исторического мини-сериала «Американский эксперимент» 🟣…
❤1🔥1
Вышла KIMI K3 Новая мощная китайская модель, которую очень хвалят. 2,8 трлн параметров. Хвалят до того, что называют ее третьей по уровню интеллекта моделью после Fable 5 и GPT-5.6. Я решил проверить ее на создании WebGL-сайта выдуманной студии. Один промпт, 16 мин работы, ни единой правки. Люблю тестить новые модельки на threejs проектах, новая KIMI молодец! Тут тестим KIMI K3 А тут можно посмотреть сайт, которы…
👍4❤1
✔️ В Roblox можно будет собрать игру по текстовому описанию Игровая платформа анонсировала функцию Build, которая превращает простой запрос в готовую базу игры. Под капотом целый набор ИИ-моделей, открытых и собственных - они отвечают за игровые механики, окружение, персонажей, визуальный стиль и звук. В геймдеве опасаются, что когда порог входа падает до текстового запроса, платформу зальёт поток AI-слопа, а авто…
❤1👍1🔥1
Роадмап по математике для начинающих ML специалистов Все, кто начинает путь в машинном обучении, сталкиваются с вопросом: «Какую математику нужно знать и в каком порядке?». Огромный объем информации пугает. Автор блога The Palindrome предлагает четкий и структурированный путь, который разбивает на части эту большую задачу. Что конкретно в ней освещается: 1. Линейная алгебра (Linear Algebra) — язык данных Данные в…
👍3🥰1
Pandas Workout: 200 exercises to make you a stronger data analyst Автор: Lerner Reuven Год издания: 2024 #ds #en Скачать книгу
⚠Хотите разобраться, как обучать интеллектуальных агентов в нестандартных задачах для бизнеса? Начните обучение на курсе «Reinforcement Learning». 🎁Записывайтесь на 3 бесплатных вебинара — познакомьтесь с программой обучения и преподавателями. Задайте свои вопросы экспертам! Вебинар 1: «Обучение с подкреплением - гибкий подход для сложных задач. Создаем собственные окружения». ⏰7 июля в 20:00 мск Программа вебинар…
На Stepik вышел курс — «RAG-системы на векторных базах данных». RAG нельзя оценивать по ощущению: «вроде отвечает нормально». Нужны тестовые вопросы, метрики retrieval, контроль порога «не знаю» и понимание, где система теряет релевантные документы. В курсе разбираем: - Qdrant, Weaviate, FAISS - эмбеддинги и чанкинг - HNSW, IVF-PQ и индексы для скорости/памяти - hybrid search: ANN + BM25 - Recall@K, Precision@K, …
❗️ Финансовая модель нестабильна? Возможно, проблема в признаках Модель обучается, но результаты нестабильны? Метрики скачут, признаки мешают друг другу, а причина неочевидна. Часто проблема скрыта в данных: корреляция и мультиколлинеарность искажают результат. 🦾 На открытом уроке разберём, как выявлять зависимые признаки и работать с размерностью данных. Покажем, как применять метод анализа главных компонент (PCA)…
🚨 Откликаешься на всё подряд, но собесов нет? Третий месяц рассылаешь резюме на ML/DS вакансии. На hh, на Хабре, везде. В ответ тишина, даже до собеседования не доходишь. А на редкие, которые всё-таки случаются, приходишь и валишься на технике. Знакомо? Я Богдан, ML-инженер с 6+ годами опыта. Веду канал «Раскатываем ML кабины». Честно разбираю собесы, рынок и реальные кейсы учеников. Например, недавно расписал кей…
❤2
Тем временем в Сан-Франциско прямо сейчас проходит OpenAI DevDay. Вот что уже показали: ➡️ Realtime api с минимальной задержкой. Это возможность встроить в свое приложение настоящий speech-to-speech. Будет доступно по цене базовой модели. ➡️ Vision файнтюнинг. Теперь можно тюнить свои модели с использованием изображений. ➡️ Завозят набор инструментов для кастомных дистилляций и ускорения моделей. ➡️ Finally: кэши…
Классика жанра по оценке ML-моделей Нашел отличный материал для закрепления основ — статья «Model Evaluation, Model Selection, and Algorithm Selection in Machine Learning» Это, по сути, готовый учебник на 49 страницах, где разжеваны все ключевые моменты корректной работы с моделями: - Как правильно оценивать качество модели. - Как избежать утечки данных (data leakage) — главной причины неработающих моделей на проде…
🔥4
Не хотите подключать целый ML-трекер только чтобы давать экспериментам понятные имена вроде eternal-rabbit-123? Для этой задачи есть минималистичная библиотека hruid. Она делает ровно одно — генерирует уникальные и читаемые идентификаторы по шаблону число-прилагательное-существительное-глагол-наречие. import hruid generator = hruid.Generator() phrase = generator.random() print(phrase) 11-suspicious-owls-consume-ea…
Showing the 12 most recent of 15 posts we hold for @datasfrog. 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.
“DataFrog: Data Science” (@datasfrog), 1,870 subscribers as measured 24 August 2026. Telegram Register, tgregister.com/channel/datasfrog.
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.