PYTHON TODAY

😱 Читы на деньги существуют! Чувак за три месяца заработал около 18 000 000 рублей на Dota и CS2 🔫, просто написав бота для Polymarket. Никакой магии и инсайдов — бот отслеживает ход матчей и получает информацию о событиях быстрее, чем сам сайт ставок успевает обновить коэффициенты. Автоматизация решает ⌨️ 📊 Пока платформа обрабатывает данные и пересчитывает цены, бот уже знает, что произошёл килл или завершился раунд, и делает ставку в этот короткий временной зазор. Фактически он забирает небольшую разницу между старым коэффициентом и уже произошедшим событием, пока система не успела среагировать. 💬 Бот сейчас самый обсуждаемый на Polymarket.

📱 Держите 6 хороших каналов по искусственному интеллекту и программированию для любого уровня! Выбирай направление: 📱 Нейросети — @neuro_prompt 🤖 AI-инструменты — @ai_prompt 📱 Python — @python_prompt 🤔 InfoSec & Хакинг — @infosec_prompt 👩‍💻 IT Новости — @it_news 😄 IT Мемы — @it_memes Промпты, обучение, шпаргалки и полезные ресурсы на каждую тему!

💻 GHOSTCREW — Python ИИ инструмент для пентестеров и безопасников, который проводит поиск уязвимостей в любых сервисах. Работает как red team внутри твоей системы. Ты описываешь задачу обычным языком — дальше он сам планирует атаку, выбирает инструменты и идёт по цепочке: от разведки до отчёта. Без ручного тыканья и бесконечных команд. Что он умеет на практике: ➡️ Проверяет всё подряд: код, бизнес-логику, сетевой трафик, протоколы. ➡️ Анализирует найденные дыры и объясняет, где проблема и как её закрыть. ➡️ Работает автономно — запустил и получил полноценный ресёрч. ➡️ Сам подключает MCP-серверы и инструменты (nmap, metasploit, ffuf и т.д.). ➡️ Использует Pentesting Task Trees для осмысленного принятия решений, а не тупого брута. ➡️ Поддерживает готовые workflow для комплексных проверок. ➡️ Генерирует детальные отчёты в Markdown с фактами и рекомендациями. ➡️ Помнит контекст диалога и не «теряется» после пары запросов. ➡️ Видит реальные файлы: wordlists, payloads, конфиги — и использует их в работе. ➡️ Позволяет выбрать модель ИИ и настроить её поведение. ➡️ Без регистрации и без ограничений. ⚙️ Установка:

    
        git clone https://github.com/GH05TCREW/ghostcrew.git
cd ghostcrew
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt{}
    

▶️ Использование:

    
        python main.py{}
    

⚠️ Информация предоставлена исключительно с целью ознакомления. И побуждает обратить внимание на проблемы в безопасности. ♎️ GitHub/Инструкция #python #soft #github

😎 С добрым утром!

⚡️ Запускаем DeepSeek у себя на компе с помощью Python Хочешь LLM у себя на компе: чтобы работала офлайн, не сливала данные и спокойно встраивалась в бота? Тогда берём DeepSeek Coder и запускаем! ⚙️ Установка зависимостей:

    
        pip install -U transformers accelerate torch{}
    

▶️ Пример кода:

    
        from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_name = "deepseek-ai/deepseek-coder-6.7b-base"

tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    trust_remote_code=True,
    torch_dtype=torch.float16,   # если GPU поддерживает fp16
    device_map="auto"            # если есть GPU — будет использовать её
)
model.eval()

prompt = "Напиши telegram бота обратной связи на aiogram"

inputs = tokenizer(prompt, return_tensors="pt")
device = next(model.parameters()).device
inputs = {k: v.to(device) for k, v in inputs.items()}

with torch.inference_mode():
    outputs = model.generate(
        **inputs,
        max_new_tokens=180,
        do_sample=True,      # ВАЖНО: иначе temperature не влияет
        temperature=0.7,
        top_p=0.9
    )

print(tokenizer.decode(outputs[0], skip_special_tokens=True)){}
    

➕ Плюсы: — работает локально (после скачивания весов); — легко встраивается в Telegram/Discord/CLI; — можно ускорить на GPU через device_map="auto". Если памяти мало — есть квантованные версии (4bit/8bit) и GGUF. 👍 Сохраняем #python #soft #code

Отличный бесплатный конспект по LLM на русском языке Праздники не такие длинные, как кажется. Будет жалко, если они снова пройдут бесполезно, потому что это, очевидно, лучшее время для развития. В общем, пора поделиться с вами вот этим свежим конспектом. Очень качественная подача материала, емко, интересно и с множеством прекрасных схем и картинок. Внутри: – Необходимая математика: линал и матанализ на пальцах – Все про механизм внимания и трансформеры – Детальное объяснение процесса предобучения (а это редкость) – RL – с нуля до обучения ризонинг-моделей – Полноценный гайд по тому, как зафайнтюнить модель Всего 6 глав и 50 страниц – идеальный объем, чтобы осилить за выходные и понять принцип работы современных моделей. Сохраняйте сейчас и не откадывайте в долгий ящик. Забрать полную pdf-версию абсолютно бесплатно можно здесь