Channel
@AINewsPro
On this record: Topic · Growth · Engagement · Reactions · Posts · Citations · Cite this entry
3,962subscribers
-305 since we began measuring on 13 August 2026
Risers and fallers across the register · movement among entries of 3,162–10,000.
| Telegram ID | -1003847443017 |
|---|---|
| Type | Channel |
| Username | @AINewsPro |
| Created | Between 1 February 2026 and 31 July 2026 — estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 13 August 2026 |
| Last confirmed live | 18 September 2026 |
| Measurements held | 12 |
| Confirmed unchanged | 1 time, most recently 18 September 2026 |
| On Telegram | t.me/AINewsPro |
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 14 September 2026 and assigned it the closest of 31 fixed categories, at 100% 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 |
|---|---|---|
| 18 Sept 2026, 07:00 | 3,962 | -13 |
| 14 Sept 2026, 08:58 | 3,975 | -20 |
| 10 Sept 2026, 09:41 | 3,995 | -53 |
| 5 Sept 2026, 01:57 | 4,048 | -31 |
| 1 Sept 2026, 17:52 | 4,079 | -30 |
| 30 Aug 2026, 03:33 | 4,109 | -22 |
| 27 Aug 2026, 10:32 | 4,131 | -31 |
| 24 Aug 2026, 08:27 | 4,162 | -31 |
| 20 Aug 2026, 11:07 | 4,193 | -25 |
| 17 Aug 2026, 10:24 | 4,218 | -48 |
| 13 Aug 2026, 10:33 | 4,266 | -1 |
| 13 Aug 2026, 09:31 | 4,267 | first reading |
20 posts held, back to 8 August 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 13 August 2026. An engagement rate over an empty window would be a number about nothing.
1 reaction across 1 post, in 1 kind.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| ❤ | 1 | 100.0% |
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 1 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 1 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 8 August 2026 to 13 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.
📦 Представьте: небольшая логистическая компания из Екатеринбурга. 15 человек на складе, 300 заказов в день. Рутина: сотрудники бегают с тележками, ищут товар, теряют время. Ошибки в комплектации — до 5% заказов. Владелец на грани: либо нанимать ещё 5 человек, либо автоматизироваться. 🤖 Решили попробовать AI-роботов. Не покупать дорогих Kuka, а арендовать мобильных роботов с компьютерным зрением от российского старта…
Photo, posted without a caption
💡 Многие верят, что AI-дебаггинг — это как волшебная палочка: кинул код нейросети, она нашла ошибку и сразу исправила. Звучит логично — ведь AI уже пишет код, значит, и чинить должен уметь. ⚠️ На деле всё иначе. AI часто не видит логических ошибок, потому что не понимает контекста проекта. Он может предложить «исправление», которое сломает соседний модуль, или просто сгенерирует новую ошибку вместо старой. Пример: р…
📱 On-device AI — это когда нейросети работают прямо на твоём смартфоне, без отправки данных в облако. Apple, Google и Samsung уже встроили это в свои устройства. Но насколько такой подход оправдан для обычного пользователя? 🤔 Как ты относишься к on-device AI? Да, потому что конфиденциальность важнее всего. Не хочу, чтобы мои личные данные улетали на чужие сервера — пусть всё считается локально. Нет, но облачные мо…
Илья работал аналитиком в страховой компании. Он построил нейросеть, которая предсказывала вероятность мошенничества с точностью 97%. Руководство было в восторге, пока не пришёл первый отказ по страховке честному клиенту. Тот устроил скандал: «Почему мою заявку отклонили?» Илья разводил руками — модель чёрный ящик, она не объясняет. 🔍 Тогда он за выходные собрал интерпретируемую модель на дереве решений. Точность уп…
🔍 SHAP — библиотека для объяснения предсказаний любой модели через Shapley values. Покажет, какие признаки на что влияют, и работает даже с нейросетями. 🛠 LIME — ещё один популярный инструмент, который строит локальные аппроксимации модели. Проще в понимании, хорошо подходит для первых экспериментов. 📘 Книга "Interpretable Machine Learning" Кристофа Мольнара — бесплатный онлайн-ресурс, который объясняет все методы …
Статья «The Curse of Recursion» (Shumailov et al.) — ключевое исследование, которое наглядно показывает, как модели деградируют при обучении на собственных выходах. Разбирает математику и эксперименты — обязательна к прочтению. Платформа DataComp — инструмент для оценки качества данных. Помогает понять, какие датасеты ведут к коллапсу и как их фильтровать. Пригодится, если работаешь с генерацией синтетики. Курс «De…
Photo, posted without a caption
Ollama — запускает языковые модели прямо на твоём компьютере. Идеально для тех, кто хочет попробовать AI без интернета и лишних трат. Stable Diffusion WebUI (AUTOMATIC1111) — генератор изображений на своём GPU. Даёт полный контроль над процессом и кучу настроек. Книга "Deep Learning" (Goodfellow, Bengio, Courville) — фундамент по нейросетям. Тяжёлая, но после неё многое становится очевидным. Курс "Machine Learning…
Photo, posted without a caption
Первая ошибка — удалять пропуски, не глядя. Новички часто просто дропают все строки с NaN, теряя половину данных. Причина — страх перед пустыми ячейками и желание «чистого» датасета. На деле нужно сначала понять природу пропусков: случайные они или системные. Правильно — анализировать процент пропусков, смотреть распределение и решать: заполнить средним, медианой, модой или оставить, если это значимый признак. Втора…
📱 Миф: «Интернет вещей — это только умные лампочки и холодильники для гиков с деньгами». Люди видят рекламу дорогих «умных домов» и думают, что IoT — это игрушка для богатых. Кажется логичным: зачем платить за чайник, который включается с телефона, если можно просто нажать кнопку? 🔧 На самом деле 80% устройств интернета вещей работают в промышленности, сельском хозяйстве и логистике. Например, датчики влажности поч…
Showing the 12 most recent of 20 posts we hold for @AINewsPro. 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.
Named by 1 registered channel — every channel on the register whose own posts have named this one, by its current username or any other username it currently holds, merged from two separately captured readings of the same fact so a namer caught by only one of them is not missed and a namer both caught is not counted twice. A username this channel has since dropped is not matched — that handle may belong to someone else now, and crediting today’s namer to yesterday’s owner would misattribute it.
Named by
Channels on the register whose posts name this channel's handle.
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 18 September 2026 — this entry's latest reading, not the date you are reading this.
“AI News | Первый” (@AINewsPro), 3,962 subscribers as measured 18 September 2026. Telegram Register, tgregister.com/channel/AINewsPro.
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.