Channel
@explain_mm
On this record: Topic · Growth · Engagement · Reactions · Posts · Cite this entry
190subscribers
-3 since we began measuring on 7 August 2026
Risers and fallers across the register · movement among entries of Under 1,000.
| Telegram ID | -1002307785247 |
|---|---|
| Type | Channel |
| Username | @explain_mm |
| Created | Between 1 September 2024 and 31 March 2025 — estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 8 August 2026 |
| Last confirmed live | 12 October 2026 |
| Measurements held | 7 |
| Confirmed unchanged | 3 times, most recently 12 October 2026 |
| On Telegram | t.me/explain_mm |
Education — a classification, not a measurement. An on-box language model (Qwen3.6-35B-A3B-FP8, prompt version 1) read this channel’s own recent posts on 24 September 2026 and assigned it the closest of 31 fixed categories, at 56% confidence. This is a model’s judgement about what the channel is likely to be about, not a fact this register measured the way a subscriber count or a view count is measured — it can be revised on a later pass, and it carries no weight anywhere else on this page. How this classification works, and why it has no browse page of its own yet.
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 17 Sept 2026, 16:19 | 190 | -2 |
| 9 Sept 2026, 13:58 | 192 | +1 |
| 31 Aug 2026, 05:08 | 191 | -2 |
| 24 Aug 2026, 21:34 | 193 | +1 |
| 16 Aug 2026, 17:23 | 192 | -1 |
| 8 Aug 2026, 11:49 | 193 | no change |
| 7 Aug 2026, 16:01 | 193 | first reading |
20 posts held, back to 1 October 2025 — 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 21 June 2026. An engagement rate over an empty window would be a number about nothing.
163 reactions across 20 posts, in 6 distinct kinds. The most used accounts for 48.5% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| 🔥 | 79 | 48.5% | |
| 👍 | 73 | 44.8% | |
| 🐳 | 5 | 3.07% | |
| ❤ | 4 | 2.45% | |
| 💯 | 1 | 0.613% | |
| 🤔 | 1 | 0.613% |
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 163 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 1 October 2025 to 21 June 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.
Расскажи про изменяемые и не изменяемые типы данных Это один из самых частых вопросов на скринингах в любую компанию. Интуитивно эту концепцию понимают почти все, но на лайвкодинге или глубоких деталях многие сыпятся. Начнем с главного правила: в Python переменные это просто ярлыки (ссылки), которые указывают на объекты в памяти. Смотрим в терминал. Создаём переменную и проверяем её ID: >>> x = 3.14 >>> print(id(x…
👍4🔥3
Уровни абстракции ER-моделей ч.6 Физическая ER-модель - это описание того, как логическая ER-модель будет реализована с помощью определённой технологии. Если концептуальный и логический уровни летали в облаках бизнеса и абстракций, то здесь мы приземляемся на суровую техническую почву. Физическая модель всегда привязана к конкретной СУБД. Например, мы составляем разные физические модели для PostgreSQL, Oracle, MS S…
👍5
Как я готовлюсь к 1-to-1 В дата инженерии есть ловушка: кажется, что если ты построил безупречный отказоустойчивый пайплайн, то он сам за себя все расскажет. Но корпоративная реальность, это не только код, это еще и управление ожиданиями. Я долго пытался приучить себя фиксировать каждый чих, но когда ты осваиваешь JQL и начинаешь жонглировать тикетами в Jira, то ты всё реже записываешь свои достижения, ведь всё жеж…
🔥6👍3🤔1
Уровни абстракции ER-моделей ч.5 Логическая модель данных - это описание важных для бизнеса понятий, их атрибутов и связей между ними. На этом уровне СА/ДЕ уточняет ER-модель концептуального уровня обогащает сущности атрибутами (характеристиками). Выделив характеристики, можно обнаружить, что количество сущностей в ER-модели нужно изменить. Целевая аудитория логического уровня включает заинтересованных лиц они пом…
🔥6🐳2
Какие навыки чаще всего требуют от Data Engineers в 2026 Нашёл небольшую статью о том, какие навыки сейчас требуют от Data Engineers. Коротко разберу основные тезисы и добавлю комментарии про рынок РФ. База, без которой ты не дата-инженер. SQL и Python остаются фундаментом профессии. У нас такая же ситуация. SQL основной инструмент аналитики и дата-инженерии, Python используют для ETL, обработки данных. Большинств…
🔥6🐳2
Уровни абстракции ER-моделей ч.4 Когда только начинаем проект, предметная область словно тёмный лес. Поэтому логично идти от общего к частному: сначала сформировать общую картину, а потом углубляться в детали. Этот процесс разбивают на три этапа. Каждому этапу соответствует свой уровень модели. ER-модели создают в три этапа. Сначала аналитик составляет модель на концептуальном уровне, затем уточняет её на логическо…
🔥5🐳1
Зачем моделировать данные? ч.2 Любое приложение работает с данными, предположим такую ситуацию: утро, на улице пасмурно, ты не хочешь никуда выходить, но хочешь вкусный раф или капучино с сиропом. Для этого в приложении какого-то сервиса доставки выбираешь напиток, указываешь объём, тип молока, добавляешь сироп, выбираешь свой адрес и нажимаешь «Оплатить». На основе этих данных приложение ищет товар, считает стоимос…
🔥8👍5
Виды моделей данных ч.1 В этом и в следующих постах хочу рассказать про моделирование данных, какими бывают модели данных и чем они различаются. Помните этот пост про то, что всё нужно моделировать, если ты трушный инженер? Так вот решил продолжить писать цикл постов про моделирование. Модель — это упрощённое (схематичное) представление реальности, сохраняющее ключевые свойства первоначального объекта и передающее …
👍5🔥4
Завершаю год Я уже пятый год в начале января пишу планы на год, чтобы хоть как-то "контролировать" то время, которое у меня есть. Плюс в этом году начал калибровать цели спустя полгода. В этом году немного смягчил формулировки достижения целей, чтобы в конце года не было обидно, если не получится. Ниже некоторые цели 2025 года и их результаты. Я хочу попробовать в 2025 году: 1. Создать канал и привлечь до 1000 подп…
👍8❤1
Нормализуем таблицу Нормальные формы, вопрос, который часто встречается на технических собеседованиях на позиции СА/ДА/ДЕ. В прошлый раз я писал о нормализации: что такое 1НФ, 2НФ и 3НФ и как нормализация работает на простых примерах. Теперь разберём пример немного сложнее. Ссылка на небольшую статью с картинками #DE
👍6🔥1
Нашёл недавно интересную статью Thinking Like a Data Engineer и вот главные мысли: 1. Делай ставку на базовые знания: моделирование данных, SQL и распределённые системы. Освоив фундамент, ты начинаешь воспринимать любой новый инструмент как обычную надстройку, а не как магию. 2. Смотри на бизнес как на систему. Таблицы это отражение реального мира: полки, товары, пользователи, события. Покупка событие, а данные мод…
🔥10👍2
Проектирование модели Когда ты начинаешь проектировать новую модель данных, кажется, что самое сложное придумать сами таблицы. На самом деле сложность в другом: выбрать подход. Не просто «что построить», а каким путём к этому прийти. Ты уже собрал требования к модели. У тебя есть цель понять, как она должна работать после изменений. Теперь нужен маршрут. И здесь помогают методологии и приёмы. Например, нормализаци…
👍5🔥3
Showing the 12 most recent of 20 posts we hold for @explain_mm. 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 17 September 2026 — this entry's latest reading, not the date you are reading this.
“EXPLAIN | Магомед Мурадалиев” (@explain_mm), 190 subscribers as measured 17 September 2026. Telegram Register, tgregister.com/channel/explain_mm.
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.