GitHub программиста

Эксперименты... Обычные IT-каналы работают по схеме: автор придумал → автор написал → вы прочитали. Но тут всё иначе: ➡️Я предлагаю идеи (от полезных до откровенно безумных) ➡️Вы голосуете ➡️Победитель уходит в разработку ➡️Весь процесс — в открытую Что здесь может появиться? Да что угодно! 💬 DOOM, запущенный в Telegram-боте (а почему бы нет) 💬 Бот, который запускается внутри другого бота 💬 Парсер, работающий через Excel и макросы 💬 Код, который пишет сам себя через нейросетку 💬 Игра «Жизнь» Конвея, где клетки — подписчики канала Что именно запустим следующим — решаете вы. https://t.me/+wE9d5ttwkG8wNTZi

⚡️ Раскрашиваем старые чёрно-белые видео и «оживляем» лица БЕСПЛАТНО SVFR — полноценный фреймворк для восстановления лиц на видео. Умеет: 💬 BFR — улучшать размытые лица. 💬 Colorization — раскрашивать ч/б ролики. 💬 Inpainting — дорисовывать повреждённые участки. 💬 и комбинировать всё это в одном проходе. По сути, модель берёт старые или убитые видео и делает их «как будто снято вчера». Причём бесплатно и с открытым кодом. ⚙️ Установка локально: 1. Создаём окружение

    
        conda create -n svfr python=3.9 -y
conda activate svfr{}
    

2. Ставим PyTorch (под свою CUDA)

    
        pip install torch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2{}
    

3. Устанавливаем зависимости

    
        pip install -r requirements.txt{}
    

4. Скачиваем модели

    
        conda install git-lfs
git lfs install
git clone https://huggingface.co/stabilityai/stable-video-diffusion-img2vid-xt models/stable-video-diffusion-img2vid-xt{}
    

5. Запуск обработки видео

    
        python infer.py \
 --config config/infer.yaml \
 --task_ids 0 \
 --input_path input.mp4 \
 --output_dir results/ \
 --crop_face_region{}
    

Где task_ids: * 0 — улучшение лица * 1 — раскраска * 2 — дорисовка повреждений Идеальный инструмент, если: 🟢реставрируешь архивные видео; 🟢делаешь исторический контент; 🟢работаешь с нейросетями и видео-эффектами; 🟢хочешь вау-результат без платных сервисов. ▶️ Демо на Hugging Face ♎️ GitHub/Инструкция #python #soft #github

🔥 БЕСПЛАТНЫЙ КУРС ПО КОМПЬЮТЕРНОМУ ЗРЕНИЮ 🔥Компьютерное зрение уже используют в банках, ритейле, медицине, промышленности и безопасностиИ спрос на специалистов растёт каждый год🌎🌟 В Университете искусственного интеллекта запустили бесплатный курс по Computer VisionЧто разберёте на обучении:🔹 Основы Computer Vision и виды задач🔹 Популярные библиотеки и фреймворки для CV🔹 Сбор и разметка данных для CV🔹 Предобученные нейронные сети и их значение🔹 Интеграция CV в реальный продукт🚀 Подойдёт разработчикам, аналитикам, специалистам по данным и всем, кто хочет войти в AI🤖 Присоединяйтесь к нашему бесплатному курсу и разберитесь в этой увлекательной теме с нами!

😱 Проект wifi-densepose — система, которая в реальном времени отслеживает положение человека, используя обычный Wi-Fi. Камеры больше не нужны. Тело видно… через стены. Как это работает: 💬 Wi-Fi-сигналы анализируются на уровне CSI (Channel State Information), 💬 дальше в игру вступает машинное обучение — и система собирает полную позу тела с частотой 30 FPS и задержкой меньше 50 мс. Что умеет: 🔒 Privacy-first — никаких камер, только Wi-Fi. ⚡️ Реальное время — плавное отслеживание движений. 👥 До 10 человек одновременно. 🏥 Оптимизация под медицину, фитнес, умный дом и безопасность. 👊 Распознаёт падения, активность, присутствие людей. 📡 Работает на обычных Wi-Fi роутерах, без спецжелеза. 🔌 WebSocket-стриминг — данные летят в реальном времени. ✅ Полное тестовое покрытие. По сути, это компьютерное зрение без камер. 🔥 Будущее умных домов, медицины и безопасности выглядит именно так. Базовая установка:

    
        # Install the package
pip install wifi-densepose

# Copy example configuration
cp example.env .env

# Edit configuration (set your WiFi interface)
nano .env{}
    

Запуск системы:

    
        from wifi_densepose import WiFiDensePose

# Initialize with default configuration
system = WiFiDensePose()

# Start pose estimation
system.start()

# Get latest pose data
poses = system.get_latest_poses()
print(f"Detected {len(poses)} persons")

# Stop the system
system.stop(){}
    

Просмотр в реальном времени:

    
        import asyncio
import websockets
import json

async def stream_poses():
    uri = "ws://localhost:8000/ws/pose/stream"
    async with websockets.connect(uri) as websocket:
        while True:
            data = await websocket.recv()
            poses = json.loads(data)
            print(f"Received poses: {len(poses['persons'])} persons detected")

# Run the streaming client
asyncio.run(stream_poses()){}
    

🔗 Туча полезных команд ♎️ GitHub/Инструкция #python #soft #github

😉 Твой путь в кибербезопасность на 200к+ | С нуля до оффера 🦔CyberYozh Academy — это способ не сидеть с теорией годами. Здесь практика начинается сразу: расследование инцидентов, защита инфраструктуры, реальные кейсы. Опыт в IT не требуется — программа построена от базы. Берут с нуля и доводят до трудоустройства с персональными кураторами. А если ты уже кодишь - у нас есть продвинутые программы курсов 🤫 Что внутри: ⛓ Профессия «Инженер ИБ» + 3 курса (Linux, хакинг, анонимность) ⛓ 9+ проектов в портфолио — не учебные задачки, а практика уровня SOC ⛓ 2 диплома установленного образца ⛓ База компаний + сопровождение до оффера (Звучит как чит-код, и в определённых условиях так и есть) ⚡️ Акция для первых 15 человек: 4 курса по цене одного 😌😌😌Подробности на CyberYozh — [линк]. Или оставляйте им заявку напрямую: 🦔CyberYozh Support

🔥 Полезные библиотеки Python Wapiti — один из самых мощных пентест-сканеров для веба. Без лишней теории — просто запускаешь, и он тестирует твой сайт как хакер. 🔍 Как работает? Ведёт себя как настоящий атакующий: фаззит, сканирует формы, линкуется по сайту, шлёт payload’ы и ищет уязвимости. Никакого доступа к коду — только black-box. Что умеет: 🧨 SQL-инъекции, XSS, LFI, RCE, LDAP, XXE и десятки других атак. 🧠 Распознаёт CMS, плагины, поддомены, редиректы, SSRF, Shellshock и CVE. 🔐 Проверяет куки, заголовки, HTTP-методы и формы входа. 📁 Находит резервные копии, директории и опасные файлы (как DirBuster). 💾 Сохраняет сессии и репорты в HTML, JSON, XML. 💬 Есть цвета в терминале и куча настроек (прокси, user-agent, куки из браузера и т.п.). 💬 Работает даже с REST API и умеет подгружать свой Python-код для сложной авторизации. Установка: pip install wapiti3 Запуск: wapiti -u https://target.com 💻 Отличный инструмент, чтобы тестировать свои сайты или тренироваться на тестовых стендах. ⚙️ GitHub/Инструкция 💻 Документация ⚠️ Информация предоставлена исключительно с целью ознакомления. И побуждает обратить внимание на проблемы в безопасности. Сохрани — пригодится 👍 #pentest #redteam #soft #github

👩‍💻 Всем программистам посвящается! Вот 14 авторских обучающих IT каналов по самым востребованным областям программирования: Выбирай своё направление: 👩‍💻 Python — t.me/python_ready 🤔 InfoSec & Хакинг — t.me/hacking_ready 🖥 SQL & Базы Данных — t.me/sql_ready 🤖 AI & ML — t.me/neuro_ready 👩‍💻 Frontend — t.me/frontend_ready 👩‍💻 IT Новости — t.me/it_ready 👩‍💻 C/C++ — https://t.me/cpp_ready 👩‍💻 C# & Unity — t.me/csharp_ready 👩‍💻 Linux — t.me/linux_ready 👩‍💻 Java — t.me/java_ready 📖 IT Книги — t.me/books_ready 📱 JavaScript — t.me/javascript_ready 🖼️ DevOps — t.me/devops_ready 🖥 Design — t.me/design_ready 📌 Гайды, шпаргалки, задачи, ресурсы и фишки для каждого языка программирования!

⚡️ clearcam — скрипт позволяет сделать умную камеру безопасности из старого айфона или любой RTSP-камеры. Обычная камера превращается в AI-систему наблюдения уровня «дорого, но бесплатно». Что умеет: 🖱 Работает с RTSP-камерами и даже со старым iPhone. 🖱 Детектит события с помощью ИИ (не просто пишет видео 24/7). 🖱 Можно получать стримы и уведомления. 🖱 Всё крутится локально, без облаков и подписок. По сути сам себе NVR + AI-инференс на Python. ⚙️ Как запустить

    
        git clone https://github.com/roryclear/clearcam.git
cd clearcam
pip install -r requirements.txt
python3 clearcam.py{}
    

💬 (опционально) вводишь Clearcam Premium UserID, чтобы получать стримы и уведомления. 💬 открываешь localhost:8080 в браузере — и готово. Хочешь больше скорости?

    
        BEAM=2 python3 clearcam.py{}
    

Идеально для: ✅ дома ✅ гаража ✅ мастерской ✅ офиса ✅ экспериментов с AI и computer vision ♎️ GitHub/Инструкция 🔐Старая камера — не мусор. Это потенциальная AI-система безопасности. #python