Channel
@ml_prokachka
On this record: Topic · Growth · Engagement · What this channel posts · Reactions · Posts · Citations · Cite this entry
97subscribers
+2 since we began measuring on 7 August 2026
Risers and fallers across the register · movement among entries of Under 1,000.
| Telegram ID | -1002415115723 |
|---|---|
| Type | Channel |
| Username | @ml_prokachka |
| Created | Between 1 September 2024 and 31 March 2025 — estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 9 August 2026 |
| Last confirmed live | 3 October 2026 |
| Measurements held | 4 |
| Confirmed unchanged | 2 times, most recently 3 October 2026 |
| On Telegram | t.me/ml_prokachka |
Technology — 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 27 September 2026 and assigned it the closest of 31 fixed categories, at 99% 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, 20:56 | 97 | +1 |
| 9 Sept 2026, 01:40 | 96 | +1 |
| 9 Aug 2026, 12:31 | 95 | no change |
| 7 Aug 2026, 15:52 | 95 | first reading |
20 posts held, back to 14 August 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 7 June 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.
78 reactions across 20 posts, in 9 distinct kinds. The most used accounts for 44.9% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| 🔥 | 35 | 44.9% | |
| 👍 | 28 | 35.9% | |
| ❤ | 5 | 6.41% | |
| 🤩 | 4 | 5.13% | |
| 👏 | 2 | 2.56% | |
| 👌 | 1 | 1.28% | |
| 😍 | 1 | 1.28% | |
| 🤝 | 1 | 1.28% | |
| 🤷♂ | 1 | 1.28% |
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 78 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 14 August 2025 to 7 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.
Всем привет! Давно не делился полезным контентом. Решил вчера позалипать в Ютубчике и наткнулся на канал с гайдами на разные популярные айтишные темы (в основном DevOps). Например, устройства сетей, Kafka, Kubernetes, базы данных, Ansible и другие. И хотя подобные гайды вы можете найти на Хабре или попросить LLM-ку составить конспект, в этих видосах классная инфографика, нет воды и занудства. В основном там рассказы…
🔥2👍1
OpenCode vs Continue.dev Говоря про ИИ‑ассистент для кода, кто‑то предпочитает отдельные интерфейсы (веб, десктоп, терминал) с чатами, сессиями. Один из самых популярных вариантов — OpenCode. Приятный интерфейс, переключение между сессиями и целыми проектами, читабельный форматированный вывод. Но мне не понравилось то, что код доступен только в режиме чтения, навигации (быстрый переход по функциям/методам/классам) н…
🔥2
Оставит ли вас в живых LLM? Есть интересное исследование, оформленное в виде бенчмарка, которое наглядно показывает суть bias‑а (или предвзятости) моделей по отношению к людям. Вы наверняка слышали о проблеме вагонетки, где нужно выбрать, кто останется жить, а кому придётся умереть, опираясь на какие‑то факты и особенности. Так вот, перед таким выбором поставили множество LLM‑ок. Мы ожидаем отсутствие bias‑а в том с…
🔥2
Как мы внедряли менеджер ML‑экспериментов На Хабре опубликовали статью о том, как мы в команде пришли к использованию менеджера ML‑экспериментов. Думаю, мои коллеги вспомнят этот путь длиною в годы 🥹 Краткое изложение Когда количество попыток обучения становится большим, сложно удержать в памяти результаты и детали запуска: какие параметры модели использовались, какие версии данных применялись и к каким метрикам ка…
👍3👏1🔥1
Форматы датасетов Обзорный пост для тех, кто работает с большими датасетами. Недавно мы взяли в работу один датасет объёмом несколько терабайт для задачи Speech‑to‑Text. Датасет представляет собой набор колонок (аудио, текст, длительность и др.) и десятки миллионов строк. Такая здоровенная таблица. Что мы делаем с датасетом: 🔹 Загружаем с диска в RAM. Причём читаем гораздо чаще, чем сохраняем. 🔹 Берём определённую …
🔥3👍1
AI‑прогресс наглядно Сегодня наткнулся на такой видос и крутил его на репите раз 15, наверное. Какое же наглядное сравнение технологий с разницей в три года! Много это или мало — судите сами. Что вы себе представляете, думая о подобном сравнительном видосе 2026 vs 2030? Робот делает всю работу по дому, как в игре Detroit: Become Human? Или мультиагентные системы сами себя совершенствуют? Или полностью автономная м…
👍1🔥1
Вопрос на собес #5 . Катастрофическое забывание Довольно популярная практика дообучения какой-то модели на новых данных или задаче. Например, мы скачали обученную open source модель и хотим дообучить на своих специфических данных. Но проблема в том, что в ходе обучения на новых данных она может деградировать в качестве на том домене, на котором она была изначально обучена. Это и есть катастрофическое забывание. Поч…
❤1👍1🔥1😍1
Вайбкодинг Недавно проводился локальный вебинар в сообществе MLOps-ов, где делились опытом и мнением об одном из самых быстро развивающихся направлений — вайбкодинг. 🔸 Небольшое введение: Вайбкодинг — это способ программирования, при котором человек формулирует задачу на естественном языке, а код генерируется и проверяется с помощью LLM. В более продвинутых ИИ-ассистентах применяются мультиагенты. Наверняка есть р…
👍3👏1🔥1🤝1
Могут ли ИИ-системы сами себя улучшать? Позакрывал задачки к концу года, покушал салатики и снова готов делиться с вами контентом. Задумывались ли, если ИИ-системы сегодня такие продвинутые, что им мешает самим себя улучшать? Есть такое направление Recursive Self‑Improvement (RSI), которое предполагает цикличное самоулучшение ИТ-системы. Пример Есть система распознавания речи (speech-to-text). Она работает, но дел…
🔥2👍1
Метрики — наше всё Как я говорил в одном из своих постов, разработка ML-моделей — процесс чаще всего с непредсказуемым результатом. То есть ты не знаешь наверняка, будет ли новый эксперимент лучше по качеству, чем предыдущий. Нам остается выбирать перспективные направления решения задачи, оценивать метрики. Метрики позволяют оптимизировать процесс, в частности, запустить автоперебор гиперпараметров, который при долж…
👍3🔥1
Как LLM могут общаться на своем языке В октябре вышла статья, в которой разработчики представили новый способ взаимодействия LLM между собой. Зачем нужно взаимодействие? В мультиагентных системах могут использоваться несколько моделей. Выход одной из них подается на вход другой. Простой пример: первая модель отработала запрос пользователя и решила, что для выполнения этого запроса нужно использовать модель для гене…
👍2🔥1
Прокачиваем английский с Алисой AI Да, вы наверняка слышали, что Яндекс выпустил новый сервис Алиса AI. Я тоже решил попробовать, потому что до этого пользовался телеграм-ботом от Сбера GigaChat. Надо сказать, перекатился я довольно быстро ради более приятного интерактива, более качественного отображения формул и, что важнее, скорости ответа. Я не собираюсь тратить ваше внимание на бесплатную рекламу, а хотел бы по…
👍1🔥1🤩1
Showing the 12 most recent of 20 posts we hold for @ml_prokachka. 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.
Names
Channels on the register whose handles appear in this channel's posts.
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 17 September 2026 — this entry's latest reading, not the date you are reading this.
“ML прокачка” (@ml_prokachka), 97 subscribers as measured 17 September 2026. Telegram Register, tgregister.com/channel/ml_prokachka.
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.