@tech_priestess
Техножрица 👩💻👩🏫👩🔧
Telegram channel @tech_priestess: 15.1K subscribers, 6.4K views per post, score 81
- 15.1K
- Subscribers
- 6.4K
- Median views over 30 days
- 42.1%
- Views / subscribers over 30 days
- 16
- Posts over 30 days
Data as of November 19, 2026
catalog description About the channel, by its author
Overview
Written automatically from the channel's data, updated 11 September 2026. The numbers in this text are as of that date; the fresh ones are in the tiles above.
As of 11 September: the channel has 14,827 subscribers, slightly above the category median of 13,903 among 73 listings in Artificial Intelligence. The author writes in first person: shares progress learning Chinese through an app, talks about a personal project built over months — a reader app for multilingual books with grammar hints and vocabulary suggestions — and mentions serving on the program committee of the Practical ML Conf. Professional notes sit next to personal ones: catching a cold, jokes about turning Claude back on, and takes on music critics.
Posting is frequent: 30 posts in 30 days versus a category median of 21. Engagement runs well above the niche average — ER of 37.5% versus a median of 21.8%, with a median of 5,565 views per post. The channel's Place Score is 77.
This fits readers who want to follow an ML practitioner both through professional topics and through day-to-day notes and side projects. The spread of subjects — from language apps to conferences to random observations — reads more like a personal blog than a narrowly focused outlet.
Common questions
- What is the @tech_priestess channel about?
- It's run by an ML practitioner who covers professional topics like language-learning apps, the Practical ML Conf, and a personal project — a reader app for multilingual books. Personal notes and jokes appear alongside these.
- Is there an open ad rate card for @tech_priestess?
- The owner hasn't published a rate card yet. You can reach out directly on Telegram.
- How many subscribers?
- Subscribers: 15.1K. Median views per post: 6.4K. Views per subscriber: 42.1%. Measured on November 19, 2026.
- How often are posts published?
- Posts in the last 30 days: 16 — that is almost every day. Measured on November 19, 2026.
- Does this channel have a Telegram tick?
- No Telegram tick.
- Who runs this channel page in the catalog?
- Nobody yet. If this is your channel, claim the page: you will be able to reply to reviews and see its stats.
Is this your channel?
Claim it — accurate metrics, replies to reviews as the channel, and an owner badge on the page.
Verify ownershipTakes a minute: a post with a code, or the bot as an admin
Your page on tg.place
Know the owner?
Forward them this message — they can verify their rights and collect what has piled up: page statistics and replies to reviews.
Hover the chart or swipe it — we show the day.
| What it is made of | |
|---|---|
| Engagement | 22.6 of 30 |
| Growth quality | 20 of 20 |
| Reactions and forwards | 11.1 of 15 |
| Consistency | 10.2 of 12 |
| Trust | 4.5 of 8 |
| Reviews | not enough datano reviews yet |
Score 81 — from 5 of 6 signals: the rest are not measured yet. Methodology
Latest posts
Posts are in Russian — that is what the channel publishes.
- Это. Не можед. Быт. 😡 Я программист, меня не обманеш. 😡
- Ad
- Отвечаю на вопрос подписчика: То есть ты от его имени лишишь его девственности в плане работы на российское учреждение и заразишь его баном?)
- Как же хочется кунчика. Как же хочется худенького, бледного, не очень высокого, девственного, нецелованного, с тонкими руками, небольшими ступнями, синяками под глазами, с паспортом из страны, разрешённой политикой антропик, одновременно мечтающего о ком-то близком, кто использует его паспорт для создания и верификации нового Клод аккаунта, дабы вместе с ним изолироваться от неприятного бана. БОЖЕ КАК ЖЕ МНЕ ПЛОХО БЕЗ КУНЧИКА.
- 4.8KOpen in Telegramподготовились к бимбо зиме с @tech_priestess 💅🏻 #дневник
- 8.3KOpen in TelegramМудрость древних техножрецов на ночь (сос мыслом...)#ретро #ML_отцов
catb.org/…
https://www.catb.org/jargon/html/koans.html - Когда случайно заходишь на claude.ai с российского ip
- Я стараюсь каждый год рецензировать по паре статей для Workshop on Insights from Negative Results in NLP. Делаю это для души: сама я туда статьи пока что не подавала, просто считаю этот воркшоп важным и полезным. Он посвящен редкой теме: отрицательным результатам в NLP, то есть случаям, когда в исследовании что-то не получилось. Обычно в науке про такое не пишут, а публикуют только истории в духе "мы применили такой-то метод к такой-то задаче и улучшили такую-то метрику". Данный воркшоп является попыткой поправить данную проблему. Прошедшие в этом году статьи уже опубликованы на страничке воркшопа:, так что в этом посте я расскажу про одну из них: arxiv.org/abs/2608.22909 Она называется Exploring Dowker Homology for Sentence Similarity и представляет собой, собственно, описание попытки применить к задаче sentence similarity технику из топологического анализа данных - Dowker Homology, которая позволяет хитрым образом вычислить похожесть двух облаков точек. В качестве одного облака точек авторы берут эмбеддинги токенов одного предложения. Соответственно, два предложения дают два облака точек, и по ним можно определять, насколько эти два предложения похожи друг на друга. Эмбеддинги берутся из моделей MiniLM, RoBERTa и MPNet (плюс их дообученные версии), а в качестве источника предложений - STS Benchmark. В качестве бейзлайна же используется простой советский cosine similarity двух векторов: каждый вектор берется из BOS-, EOS-токенов или же из max/mean-пулинга. Кроме того, авторы обучают ridge regression предсказывать похожесть как по топологическим признакам, так и по признакам из пулингов, и сравнивают, что работает лучше. Результат получился довольно типичный: хитрый топологический метод позволяет посчитать похожесть двух предложений лучше, чем BOS/EOS, но не лучше max/mean-пулинга. То есть, подтвердилась известная мораль: часто простой метод дает качество не хуже, чем сложный. Тем не менее, у топологического метода нашелся приятный побочный эффект - наглядность. По персистентным диаграммам видно, что делает с моделью дообучение на задачу similarity: облака точек непохожих предложений разъезжаются друг от друга, а у похожих почти ничего не меняется (рис. 2 и 3 в статье). #наука #объяснения_статей
insights-workshop.github.io/…
https://insights-workshop.github.io/2026/accepted
The channel in numbers
- Created
- September 12, 2022
- Photos
- 1.6K
- Videos
- 79
- Files
- 28
- Links
- 835
Telegram data as of November 19, 2026
Reviews
Leave a review
No reviews yet. Yours would be the first.