Channel
@vsadnik_reviews
On this record: Growth · Engagement · What this channel posts · Posts · Citations · Cite this entry
236subscribers
-1 since we began measuring on 8 August 2026
Risers and fallers across the register · movement among entries of Under 1,000.
| Telegram ID | -1003211135097 |
|---|---|
| Type | Channel |
| Username | @vsadnik_reviews |
| Description | @vsadnikwork | datamentor.tech |
| Created | Between 1 October 2025 and 31 December 2025— estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 8 August 2026 |
| Last confirmed live | 8 August 2026 |
| Measurements held | 3 |
| On Telegram | t.me/vsadnik_reviews |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 8 Aug 2026, 10:01 | 236 | no change |
| 8 Aug 2026, 09:41 | 236 | -1 |
| 8 Aug 2026, 00:11 | 237 | first reading |
20 posts held, back to 20 April 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.
ERR is average views per post over the last 30 days divided by subscribers, the definition TGStat uses, so this figure is comparable with the one you will see elsewhere. It falls structurally as a channel grows: a high ERR on a small channel and a low one on a large channel describe reach mathematics, not quality. We publish the figure and the sample it came from and pass no verdict on it.
ER is defined industry-wide as (forwards + reactions + comments) ÷ views— note the denominator is views, not subscribers. Telegram’s public web preview carries views and reactions but not forward or comment counts, so the reaction rate above is the reactions term only and is therefore a floor: the true ER for this channel is higher by an amount we have not measured and will not estimate.
| Window | Rolling 30 days · latest post in window 21 July 2026 |
|---|---|
| Posts held | 20 (20 April 2026 – 21 July 2026) |
| Views total | 460 |
| Reactions total | — |
| Forwards / comments | not exposed by the public surface — not measured, not estimated |
| Readings taken | 8 Aug 2026, 10:01 UTC |
Views are a single reading per post, taken at the time above. A post published in the last day or two is still accumulating views, which pulls the 30-day average down slightly. That is a property of the standard definition rather than a fault in it, so we keep the definition rather than “correcting” the number into something nobody can reproduce.
Precision. Telegram publishes view counts on its public widget in short form — 8.12K, 3.7M — so any reading at or above 1,000 reaches us rounded to three significant figures, and only counts below 1,000 are exact. Averages and rates derived from them are shown to the same precision rather than to the unit: a figure like 3,701,250 would assert digits nobody measured.
Reaction counts are published per emoji and rounded the same way, so a total below 1,000 is exact and a larger one is a sum that may carry a rounded component from each emoji above 1,000. Because it is a sum, it does not look rounded — read a large reaction total as three significant figures per contributing emoji rather than as the figure it prints.
Lifetime counters from Telegram’s own channel header, read 8 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.
🎓 Срок: 317 дней 💵 Оффер: 320000 руб. gross Отзыв на ментора: @vsadnikwork #vsadnikwork Специальность: Machine Learning / Data Science #data_science Услуга: Без коммерческого опыта #без_коммерческого_опыта Пишу со второго аккаунта для сохранения анонимности. Пришел к Вадиму почти год назад с нулевым бэкграундом в IT: из релевантного опыта было только небольшое знание Python, а до этого вообще работал автомехаником…
🚀 Срок: 47 дней 💵 Оффер: 440000 руб. gross Отзыв на ментора: @vsadnikwork #vsadnikwork Специальность: Machine Learning / Data Science #data_science Услуга: С коммерческим опытом #c_коммерческим_опытом Пишу с аккаунта друга. Пришёл, уже имея опыт работы в ML, с запросом помочь найти работу в сжатые сроки. К менторству был запрос на то, чтобы отшлифовать навык прохождения собеседований, получить роадмап всего проце…
👍 Срок: 153 дня 💵 Оффер: 330000 руб. gross Отзыв на ментора: @vsadnikwork #vsadnikwork Специальность: Machine Learning / Data Science #data_science Услуга: Без коммерческого опыта #без_коммерческого_опыта Привет! О Вадиме я узнал в конце декабря от друга, который уже взял у него менторство, и понял, что тема ML, а в частности NLP/LLM, мне очень интересна. До этого целый год долбился в бэкэнд (Java), но рынок по с…
🔥 Срок: 96 дней 💵 Оффер: 376000 руб. gross Отзыв на ментора: @vsadnikwork #vsadnikwork Специальность: Machine Learning / Data Science #data_science Услуга: Без коммерческого опыта #без_коммерческого_опыта Пришел к Вадиму с теоретической базой в мл , но не понимал реальные процессы. Сделали индивидуальный роудмап , спокойно проходил его. Также для меня большой мотивацией было сообщество , все ребята заряжены, это …
👍 Срок: 189 дней 💵 Оффер: 240000 руб. gross Отзыв на ментора: @vsadnikwork #vsadnikwork Специальность: Machine Learning / Data Science #data_science Услуга: Без коммерческого опыта #без_коммерческого_опыта Пишу со второго аккаунта Решил искать ментора, когда уже что-то попробовал изучать в ML сам. Какое-то время что-то понимал, но со временем в голове появился какой-то хаос от непонимания того, что и в каком поря…
👍 Срок: 114 дней 💵 Оффер: 345000 руб. gross Отзыв на ментора: @vsadnikwork #vsadnikwork Специальность: Machine Learning / Data Science #data_science Услуга: С коммерческим опытом #c_коммерческим_опытом Бэкграунд: инженерный диплом, опыт в DA Пришёл к Вадиму с опытом в DA менее полугода и неудачным вкатом в ML/DL. Выбрал его, потому что Вадим отлично доносит информацию и с ним легко найти общий язык, настоящий св…
🎓 Срок: 217 дней 💵 Оффер: 230000 руб. gross Отзыв на ментора: @vsadnikwork #vsadnikwork Специальность: Machine Learning / Data Science #data_science Услуга: С коммерческим опытом #c_коммерческим_опытом После первичного поиска ментора в направлении ML, другой ментор посоветовал Вадима, что уже является уважением. Свою работу как ментор он делает прекрасно. Индивидуальный и при этом массовый, системный подход, сейч…
🎓 Срок: 209 дней 💵 Оффер: 392000 руб. gross Отзыв на ментора: @vsadnikwork #vsadnikwork Специальность: Machine Learning / Data Science #data_science Услуга: Без коммерческого опыта #без_коммерческого_опыта я был обычным 18 летним студентом и случайно наткнулся в одном из чатов на профиль Вадима. на тот момент, было смутное понимание "накрутки" и всего около ОМ, но решил рискнуть и довериться Вадиму, как вы понимае…
🎓 Срок: 271 день 💵 Оффер: 380000 руб. gross Отзыв на ментора: @vsadnikwork #vsadnikwork Специальность: Machine Learning / Data Science #data_science Услуга: С коммерческим опытом #c_коммерческим_опытом Пришел к Вадиму чтобы повысить грейд и соответственно заработок. Выбрал его из-за внушительный достижений как на кагле так и корпоративных. Построили четкий план и успешно его реализовали. Последовательное прохожде…
👍 Срок: 189 дней 💵 Оффер: 315000 руб. gross Отзыв на ментора: @vsadnikwork #vsadnikwork Специальность: Machine Learning / Data Science #data_science Услуга: Без коммерческого опыта #без_коммерческого_опыта Пишу со второго акка. К Вадиму пришёл в момент, когда уже что-то поучил сам, но в голове всё равно был хаос. Python потрогал, какие-то материалы по ML смотрел, вроде даже что-то понимал, но как из этого прийти …
👍 Срок: 147 дней 💵 Оффер: 330000 руб. gross Отзыв на ментора: @vsadnikwork #vsadnikwork Специальность: Machine Learning / Data Science #data_science Услуга: Без коммерческого опыта #без_коммерческого_опыта Изначально старался изучать все сам по открытым материалам из интернета, в результате распылял много внимания на не совсем нужные темы, которые были ок в качестве расширения кругозора, но никак не приближали к т…
🎓 Срок: 365 дней 💵 Оффер: 300000 руб. gross Отзыв на ментора: @vsadnikwork #vsadnikwork Специальность: Machine Learning / Data Science #data_science Услуга: Без коммерческого опыта #без_коммерческого_опыта Вадим стал моим ментором не случайно - мы уже были знакомы, и я периодически консультировался с ним по вопросам ML. К началу менторства у меня уже была определённая база в области ML/DS. На первой встрече мы раз…
Showing the 12 most recent of 20 posts we hold for @vsadnik_reviews. 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.
Republishes
Channels on the register whose posts this channel has forwarded.
Built only from forwarded posts we have actually read, on both sides. Coverage is early and deliberately incomplete: a missing link means we have not read the post that would prove it, never that the relationship does not exist. Counts are distinct forwarded posts observed, so they only ever go up as we read more.
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 8 August 2026 — this entry's latest reading, not the date you are reading this.
“Отзывы - vsadnik” (@vsadnik_reviews), 236 subscribers as measured 8 August 2026. Telegram Register, tgregister.com/channel/vsadnik_reviews.
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.