> ## Content Index
> Fetch the complete content index at: https://admin.kod.ru/llms.txt
> Use this file to discover other available public pages before exploring further.

# Энтузиасты создали интерактивную карту с 500 000 Telegram-каналов
- URL: https://admin.kod.ru/karta-kanalov-v-telegram/
- Published: 2026-02-07T11:58:54.000Z
- Updated: 2026-02-07T12:13:40.000Z
- Description: Для обработки такого объёма данных была построена распределённая система на AWS Lambda с воркерами в 17 регионах, что заняло 2-3 дня работы.
- Author: Игорь Савкин
- Tags: Новости

Команда сервиса TGPages представила [«Атлас Telegram»](https://tgpages.com/atlas/map/?ref=admin.kod.ru) — интерактивную карту, визуализирующую экосистему из 500 тысяч публичных каналов мессенджера. 

Проект позволяет пользователям находить новые интересные каналы, а создателям контента и брендам — анализировать структуру рынка и искать ниши. Карта построена по принципу семантической близости: каналы со схожим контентом расположены рядом, образуя тематические «архипелаги» и «галактики».

**Карта доступна** [**по этой ссылке**](https://tgpages.com/atlas/map/?ref=admin.kod.ru)**.**

![](https://admin.kod.ru/content/images/2026/02/image-7.png)

Для создания карты команда собрала данные о 600 тысячах каналов из открытых источников и собственной базы, затем отфильтровала их до 500 тысяч подходящих для анализа. Используя модель OpenAI text-embedding-3-small, разработчики сгенерировали эмбеддинги для названий, описаний и текстов постов каждого канала. Для обработки такого объёма данных была построена распределённая система на AWS Lambda с воркерами в 17 регионах, что заняло 2-3 дня работы.

Каналы разделены на два уровня категорий: макрокатегории охватывают широкие области вроде «Новости», «Развлечения» и «Спорт», а микрокатегории представляют узкие ниши — от «Разработки игр и геймдизайна» до «Кожевенного мастерства». Для кластеризации использовались алгоритмы UMAP и HDBSCAN, которые автоматически группировали каналы по плотности данных. Названия категорий генерировались с помощью GPT-5.2, а визуализация выполнена алгоритмом t-SNE для проекции многомерных данных на двухмерную карту.