Channel
@ML_secrets
On this record: Growth · Engagement · What this channel posts · Posts · Citations · Telegram's recommendations · Cite this entry
7,445subscribers
-1 since we began measuring on 7 August 2026
Risers and fallers across the register · movement among entries of 3,162–10,000.
| Telegram ID | -1001278052002 |
|---|---|
| Type | Channel |
| Username | @ML_secrets |
| Description | Всё о Machine Learning простым языком. Сотрудничество: @max_excel |
| Created | Between 1 April 2018 and 31 July 2021— estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 7 August 2026 |
| Last confirmed live | 20 August 2026 |
| Measurements held | 5 |
| Confirmed unchanged | 1 time, most recently 20 August 2026 |
| On Telegram | t.me/ML_secrets |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 20 Aug 2026, 08:02 | 7,445 | +2 |
| 16 Aug 2026, 22:23 | 7,443 | +1 |
| 14 Aug 2026, 00:43 | 7,442 | -4 |
| 7 Aug 2026, 08:31 | 7,446 | no change |
| 7 Aug 2026, 08:20 | 7,446 | first reading |
25 posts held, back to 11 June 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 15 pagesof 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 20 August 2026 |
|---|---|
| Posts held | 25 (11 June 2026 – 20 August 2026) |
| Views total | 5,879 |
| Reactions total | — |
| Forwards / comments | not exposed by the public surface — not measured, not estimated |
| Readings taken | 20 Aug 2026, 11:19 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 20 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.
Хочешь быстро подтянуть свои знания в Excel и Google Sheets? Устал собирать информацию по крупицам? Тогда самое время воспользоваться специальным онлайн-курсом от Skillbox: «Excel + Google-таблицы с нуля до PRO», который научит тебя всем необходимым навыкам. Ты получишь: • Обучение, основанное на практике; • Общение с наставником; • Скидку 50%; 🎁 • Курс PowerPoint в подарок; • Вечный доступ к курсам; • Возможност…
🕶 Music2Dance: как мы пытались научиться танцевать Автор работал над проектом Music2Dance, цель которого — научиться генерировать танцевальные движения, подходящие под заданную музыку. Это может быть использовано, например, при самостоятельном обучении танцам: услышал музыку, запустил приложение, и оно показало движения, которые гармонично с этой музыкой сочетаются. Machine Learning
Хочешь разбираться в Linux? Для тебя уже всё сделали. 🐧 Канал Секреты Сисадмина делится полезными инструментами, приёмами и лайфхаками системного администрирования, DevOps и Linux. Подписывайтесь и прокачивайте свои навыки: @sysadmin_library
🐍 Python в Excel, базы данных без SQL и трудности в аналитике В статье вы сможете ознакомиться с интересными материалами по ML, AI и дата-аналитике. Вас ждут новинки от Nvidia для LLM, три пути развития аналитического стека, инструменты для анализа данных и другое. Machine Learning
Развивайся играя Платформа Wikium — сервис для тренировки памяти, внимания и мышления. Система автоматически адаптируется под вашу успеваемость и составляет индивидуальную программу занятий. Всего 10-15 минут в день дают улучшение работоспособности, скорости обучения и концентрации. Также вы можете овладеть конкретным навыком в короткие сроки на специализированном курсе: • Развитие внимания; • Скорочтение; • Эмо…
🎰 Почему машинному обучению с трудом дается причинно-следственная связь? Это одна из нескольких попыток, направленных на изучение и решение проблемы отсутствия внятной причинно-следственной методологии в машинном обучении, которая может стать ключом к преодолению некоторых из основных проблем, с которыми сегодня сталкивается эта область. Machine Learning
Создай своего ИИ-ассистента с помощью ChatGPT и Streamlit В последнее время эти ИИ, вроде ChatGPT, врываются прямо во все сферы. И вот благодаря увлечению Data Science можно использовать этих ботов, чтобы помогать людям, да ещё и пообщаться с ними на разные темы. ChatGPT действительно впечатляет. Некоторые из моих друзей хотят протестировать ИИ без СМС и регистрации. Я решил эту проблему с помощью официального API C…
🧠 Решение крупномасштабных задач машинного обучения на Python В настоящее время xLearn поддерживает три алгоритма машинного обучения. Рассмотрим каждый из них в отдельности. Machine Learning
⚡️ Что такое «Action Recognition» ? Среди всего многообразия задач Computer Vision есть одна, которая стоит особняком. К ней обычно стараются лишний раз не притрагиваться. И, если не дай бог работает, — не ворошить. У неё нет общего решения. Практически для каждого применения существующие алгоритмы надо тюнинговать, переобучать, или судорожно копаться в куче матриц и дебрях логики. В этой статье автор сделал обзор …
🤔 ML.NET: можно ли доверять машинному обучению Microsoft? В 2018 году Microsoft разработали ML NET – фреймворк машинного обучения для .NET разработчиков. За прошедшее время эта библиотека претерпела существенные изменения и обзавелась новыми функциями для выявления закономерностей в данных. Посмотрим, как это отразилось на качестве её исходного кода. Machine Learning
🍎 О точности вычислений: как не потерять данные в цифровом шуме По мере того, как сложность возрастает, точные утверждения теряют значимость, а значимые утверждения теряют точность. Machine Learning
Деревья решений в pySpark: от семечка до параметрической оптимизации случайного леса В этом материале расскажем о простом для понимания, но в то же время достаточно эффективном алгоритме — дереве решений, а также его расширенной модификацией — случайных лесах решений, и их реализации с помощью PySpark MLib. Machine Learning
Showing the 12 most recent of 25 posts we hold for @ML_secrets. 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.
The reverse of the list above, and a different kind of signal. This does not require this channel to have ever been asked about directly — each row below is a channel we DID ask Telegram about, whose Telegram-generated list happened to include this one. A channel can appear here with an empty list above it, because being named by someone else’s query is independent of having been queried itself.
This channel appears in 3 seed channels' Telegram-generated recommendation lists in total. Each is Telegram’s list for THAT channel, not this one — see how this is measured.
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 20 August 2026 — this entry's latest reading, not the date you are reading this.
“Machine Learning | Нейронные сети, ИИ, Big Data” (@ML_secrets), 7,445 subscribers as measured 20 August 2026. Telegram Register, tgregister.com/channel/ML_secrets.
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.