Инструменты
Каталог TGAds
Мониторинг
Детальная статистика
Анализ аудитории
Бот аналитики
Полезная информация
Инструкция Telemetr
Документация к API
Чат Telemetr
Не попадитесь на накрученные каналы! Узнайте, не накручивает ли канал просмотры или
подписчиков
Проверить канал на накрутку
Телеграм канал «Код Желтый»
Код Желтый
1.6K
2.3K
259
41
13.5K
Рассказываем про технологии и инженерные практики. Делимся подкастами, анонсами ИТ-мероприятий и ИИ-исследованиями.
ВК: vk.com/kod_zheltyi
Команда и вакансии в Т: /@t_crew
ИТ-профессии в Т: l.tbank.ru/it_folders
Перечень РКН: l.tbank.ru/knd_tg
ВК: vk.com/kod_zheltyi
Команда и вакансии в Т: /@t_crew
ИТ-профессии в Т: l.tbank.ru/it_folders
Перечень РКН: l.tbank.ru/knd_tg
Подписчики
Всего
32 126
Сегодня
+6
Просмотров на пост
Всего
3 413
ER
Общий
10.23%
Суточный
6.7%
Динамика публикаций
Telemetr - сервис глубокой аналитики
телеграм-каналов
телеграм-каналов
Получите подробную информацию о каждом канале
Отберите самые эффективные каналы для
рекламных размещений, по приросту подписчиков,
ER, количеству просмотров на пост и другим метрикам
рекламных размещений, по приросту подписчиков,
ER, количеству просмотров на пост и другим метрикам
Анализируйте рекламные посты
и креативы
и креативы
Узнайте какие посты лучше сработали,
а какие хуже, даже если их давно удалили
а какие хуже, даже если их давно удалили
Оценивайте эффективность тематики и контента
Узнайте, какую тематику лучше не рекламировать
на канале, а какая зайдет на ура
на канале, а какая зайдет на ура
Показано 7 из 1 617 постов
Смотреть все посты
Пост от 28.04.2026 18:21
2 484
2
32
*️⃣ Как мы извлекаем данные из сотен тысяч документов в день
Ежедневно мы обрабатываем множество документов: договоры, паспорта, водительские удостоверения. Их нужно проверить, распознать, извлечь из них данные и отдать во внутренние системы. И сделать это быстро, безопасно, без ошибок и в соответствии с требованиями регуляторов.
Со всем этим помогает наш сервис Scandoc на собственном BPM-движке с приоритизацией заданий, использующий Computer Vision.
↗️ В карточках делимся, как устроена его архитектура, паттерны и как работает распознавание документов.
#ocr #bpm #microservices #cv
Ежедневно мы обрабатываем множество документов: договоры, паспорта, водительские удостоверения. Их нужно проверить, распознать, извлечь из них данные и отдать во внутренние системы. И сделать это быстро, безопасно, без ошибок и в соответствии с требованиями регуляторов.
Со всем этим помогает наш сервис Scandoc на собственном BPM-движке с приоритизацией заданий, использующий Computer Vision.
↗️ В карточках делимся, как устроена его архитектура, паттерны и как работает распознавание документов.
#ocr #bpm #microservices #cv
❤
13
👍
9
❤🔥
3
Пост от 24.04.2026 14:11
4 193
0
46
🔥
11
❤🔥
5
😁
5
❤
4
Пост от 24.04.2026 14:11
3 795
0
19
🎙 А сейчас передаем слово нашему старшему QA-инженеру Ане Зайцевой, чтобы узнать, как Tihon помогает ее команде.
Если хотите узнать больше о жизни, задачах, инструментах наших инженеров по обеспечению качества — подписывайтесь на канал Желтый QA. Там Аня и коллеги делятся кейсами, рассказывают про технологии тестирования, надежность и качество продуктов.
Если хотите узнать больше о жизни, задачах, инструментах наших инженеров по обеспечению качества — подписывайтесь на канал Желтый QA. Там Аня и коллеги делятся кейсами, рассказывают про технологии тестирования, надежность и качество продуктов.
🔥
8
❤
3
🤩
1
Пост от 24.04.2026 14:11
3 398
2
41
🔍 Как мы сделали QA-ассистента, который сам выбирает инструменты под задачу
QA-инженеры тратят часы на то, чтобы собрать контекст по задаче: открыть Jira, найти связанные MR, прочитать комментарии, проверить тест-кейсы в Allure, залезть в Wiki за документацией. А еще написать чек-лист или подготовиться к «Трем Амиго».
Мы создали ИИ-ассистента Tihon, который делает все это сам. Он построен на нашей LLM, развернут внутри контура банка и работает с Jira, GitLab, Wiki и Allure.
✨ В карточках рассказываем, какие тулы у него есть, как его настраивать и какие сценарии уже работают.
#qa #ai #automation
QA-инженеры тратят часы на то, чтобы собрать контекст по задаче: открыть Jira, найти связанные MR, прочитать комментарии, проверить тест-кейсы в Allure, залезть в Wiki за документацией. А еще написать чек-лист или подготовиться к «Трем Амиго».
Мы создали ИИ-ассистента Tihon, который делает все это сам. Он построен на нашей LLM, развернут внутри контура банка и работает с Jira, GitLab, Wiki и Allure.
✨ В карточках рассказываем, какие тулы у него есть, как его настраивать и какие сценарии уже работают.
#qa #ai #automation
❤
16
👍
4
Пост от 22.04.2026 18:42
3 748
4
61
🔥 Находим инциденты еще до их появления — с помощью ИИ-мониторинга
Если у вас сотни сервисов и тысячи метрик, классический мониторинг начинает требовать все больше ручной настройки: пороги приходится регулярно пересматривать, алерты ведут себя по-разному в зависимости от нагрузки, и часть сигналов либо теряется, либо становится избыточной.
В Sage Observability мы сделали Anomaly Analyzer — слой над метриками, который вместо статических порогов использует статистику и ML. Он учится нормальному поведению системы и сигналит, когда метрика начинает отклоняться — еще до того, как это превращается в инцидент.
Что внутри:
↗️ Онлайн-анализ временных рядов.
↗️ Детектция аномалий без ручной настройки порогов.
↗️ Уведомления в почту.
↗️ Интеграция с Sage и внешними источниками.
Если хотите посмотреть, как это работает на практике, — приходите на вебинар 23 апреля. Разберем настройки Anomaly Analyzer и ответим на технические вопросы.
Если у вас сотни сервисов и тысячи метрик, классический мониторинг начинает требовать все больше ручной настройки: пороги приходится регулярно пересматривать, алерты ведут себя по-разному в зависимости от нагрузки, и часть сигналов либо теряется, либо становится избыточной.
В Sage Observability мы сделали Anomaly Analyzer — слой над метриками, который вместо статических порогов использует статистику и ML. Он учится нормальному поведению системы и сигналит, когда метрика начинает отклоняться — еще до того, как это превращается в инцидент.
Что внутри:
↗️ Онлайн-анализ временных рядов.
↗️ Детектция аномалий без ручной настройки порогов.
↗️ Уведомления в почту.
↗️ Интеграция с Sage и внешними источниками.
Если хотите посмотреть, как это работает на практике, — приходите на вебинар 23 апреля. Разберем настройки Anomaly Analyzer и ответим на технические вопросы.
Изображение
Изображение
Изображение
Изображение
Изображение
Изображение
👍
12
❤
5
🔥
3
Пост от 17.04.2026 16:43
4 040
3
70
☁️ Данные в БД сохранили, а сообщение потеряли?
Такая проблема решается паттерном Transactional Outbox. Он помогает гарантированно отправить сообщение в Kafka, RabbitMQ или другой брокер, если основная операция в БД прошла успешно.
Мы сделали библиотеку, которая реализует этот паттерн для PostgreSQL и добавляет поверх него Kafka-подобную модель: топики, партиции, consumer group, offset.
В карточках рассказываем, как устроены producer и consumer, почему производительность не зависит от числа непрочитанных сообщений и как мы избегаем блокировок строк.
А скоро мы выложим библиотеку в открытый доступ!
⚡️ — если она пригодится в вашей работе.
#postgresql #outbox #architecture
Такая проблема решается паттерном Transactional Outbox. Он помогает гарантированно отправить сообщение в Kafka, RabbitMQ или другой брокер, если основная операция в БД прошла успешно.
Мы сделали библиотеку, которая реализует этот паттерн для PostgreSQL и добавляет поверх него Kafka-подобную модель: топики, партиции, consumer group, offset.
В карточках рассказываем, как устроены producer и consumer, почему производительность не зависит от числа непрочитанных сообщений и как мы избегаем блокировок строк.
А скоро мы выложим библиотеку в открытый доступ!
⚡️ — если она пригодится в вашей работе.
#postgresql #outbox #architecture
👍
21
❤
7
❤🔥
3
Пост от 13.04.2026 16:57
3 968
3
43
🕵️ Как один день в Австралии чуть не сжег нам процессор
Наш сервис продаж для юридических лиц работал шесть лет без нареканий и ошибок. Обычный бэкенд, который держит 30 RPS, обрабатывает миллион джобов в день и ест 125ms CPU. В начале года нам нужно было перевести его с NoSQL на PostgreSQL, и спустя час после деплоя прилетел алерт: CPU вырос в 10 раз. Поды начали перезапускаться, а у нас начался долгий траблшутинг.
😎 В карточках наш разработчик Антон Пронькин поделился, как мы заметили проблемы с CPU, на что выделялись гигабайты памяти, почему откат не помог, как ловили баг с помощью дампов и профайлера и при чем тут Австралия. А еще больше подробностей и графиков — на Хабре.
#debugging #performance #timezone
Наш сервис продаж для юридических лиц работал шесть лет без нареканий и ошибок. Обычный бэкенд, который держит 30 RPS, обрабатывает миллион джобов в день и ест 125ms CPU. В начале года нам нужно было перевести его с NoSQL на PostgreSQL, и спустя час после деплоя прилетел алерт: CPU вырос в 10 раз. Поды начали перезапускаться, а у нас начался долгий траблшутинг.
😎 В карточках наш разработчик Антон Пронькин поделился, как мы заметили проблемы с CPU, на что выделялись гигабайты памяти, почему откат не помог, как ловили баг с помощью дампов и профайлера и при чем тут Австралия. А еще больше подробностей и графиков — на Хабре.
#debugging #performance #timezone
🔥
36
❤
31
👍
8