​DALLE-Mini – модель искусственного интеллекта, которая генерирует изображения по любому вашему запросу

⤷ Демо в режиме реального времени

| #Python #AI #Interesting

@machinelearning_ru

📊 Фреймворк для Анализа Временных Рядов на Python

Простой в использовании и универсальный фреймворк для анализа временных рядов

Статья: https://denshub.com/ru/kats-for-time-series-analysis/

Официальная страница: https://facebookresearch.github.io/Kats/

Kats Python package: https://pypi.org/project/kats/0.1.0/

Репозиторий исходной кода: https://github.com/facebookresearch/kats

@data_analysis_ml

Методы и механизмы Pyarmor для шифрования и защиты исходного кода Python

Pyarmor - это небольшой инструмент для шифрования и защиты исходного кода Python. Он может защитить двоичный код скрипта Python от утечки во время выполнения, установить срок действия зашифрованного исходного кода Python и привязать зашифрованный исходный код Python к аппаратным устройствам, таким как жесткие диски и сетевые карты. Его защитный механизм в основном включает

Шифрование скомпилированных блоков кода для защиты строк и констант в модуле

Двоичный код для динамического шифрования и дешифрования блоков кода во время работы скрипта

После выполнения блока кода локальные переменные стека очищаются

Ограничьте срок действия зашифрованных сценариев и среды устройства с помощью файлов авторизации.

Читать дальше


@pro_python_code

⚡️ Аналитика данных на Python - блог ведущего Дата саентиста, работющего с данными в Uber, одного из авторов🔥 Machine Learning. Материал канала поможет реально вырасти до профессионала по работе с данными и получить самую высокоплачиваю ит-профессию.

1 канал вместо тысячи учебников и курсов, подписывайтесь: 👇👇👇

@data_analysis_ml

🎆 Глубокое понимание аннотаций типов в Python

С помощью подсказок типов можно аннотировать переменные и функции типами. Python не проверяет типы во время выполнения; вместо этого инструменты статической проверки типов, такие как mypy, pyright или IDE, проверяют на соответствие типы и выдают предупреждения, когда типы используются несогласованно.

Использование статических средств проверки типов имеет множество преимуществ:

- Обнаружение ошибок типов.

- Предотвращение ошибок.

- Документирование кода — любой, кто захочет использовать аннотированную функцию, будет знать тип принимаемых ею параметров и тип возвращаемого значения с первого взгляда.

- Кроме того, IDE лучше понимают ваш код и предлагают хорошие предложения по автозавершению.

Статическая типизация в Python необязательна и может вводиться постепенно (это известно как постепенная типизация). При постепенной типизации статические средства проверки типов не выдают предупреждений на код без подсказок типов, также не предотвращают компиляцию несогласованных типов во время выполнения.

Читать дальше

@pro_python_code

Как использовать postgresql в приложении django

Django — это гибкий фреймворк для быстрого создания приложений Python. По умолчанию приложения Django хранят данные в легкой базе данных SQLite. Это неплохой вариант при небольших нагрузках или тестировании, однако в среде производства лучше использовать более сложную систему управления базами данных, поскольку она может повысить производительность.

В этом руководстве вы научитесь устанавливать и настраивать СУБД PostgreSQL (Postgres) для хранения данных приложения Django. Мы установим необходимое программное обеспечение, создадим учетные данные БД для нашего приложения, а затем запустим и настроим новый проект Django, который будет использовать этот бэкенд.

#django #postgresql

@pro_python_code

🐍🥤 Flask за час. Часть 1: создаем адаптивный сайт для GitHub Pages

Изучаем основные принципы работы фреймворка, разрабатывая личный сайт с резюме, портфолио, блогом и контактной формой.

@pro_python_code

🏮 tntorch - Tensor Network Learning with PyTorch

PyTorch-powered modeling and learning library using tensor networks. Installation: pip install tntorch

Github: https://github.com/rballester/tntorch

Docs site: http://tntorch.readthedocs.io/

Paper: https://arxiv.org/abs/2206.11128v1

@ai_machinelearning_big_data

🌉 Паттерн проектирования Мост на Python.

Паттерн Мост (Bridge) — это структурный паттерн проектирования, который позволяет нам отделить абстракции от реализаций и сделать их независимыми друг от друга. В результате абстракции и реализации могут разрабатываться как отдельные сущности. Паттерн Мост считается одним из лучших методов организации иерархии классов. Но давайте поподробнее разберем, что всё это значит.

Элементы паттерна Мост
Abstraction (абстракция). Это ядро ​​паттерна Мост. Она предоставляет ссылку на Implementer.
Refined Abstraction (расширенная абстракция) содержит различные вариации управляющей логики, наследуется от Abstraction и расширяет унаследованный интерфейс.
Implementer (реализатор). Определяет базовый интерфейс для конкретных реализаций. Этот интерфейс не обязательно должен напрямую соответствовать интерфейсу абстракции. Более того, он может сильно отличаться от него.
Concrete Implementation (конкретная реализация) наследуется от Implementer.

Читать дальше

@pro_python_code

Hunner - микро фреймворк для тестирования на проникновение. Сканирует на sql, xss, ddos, bruteforce ftp, ssh и д.р уязвимости.

Установка ⚙️
$ git clone https://github.com/b3-v3r/Hunner
$ cd Hunner

Использование ▶️
$ python hunner.py

💡 GitHub

@sqlhub

​Warp – Фреймворк Python для высокопроизводительного моделирования графического процессора и графики

Ядра определяются в синтаксисе Python, а JIT преобразуются в C++/CUDA и компилируются во время выполнения

Warp предназначен для того, чтобы упростить написание программ для физического моделирования, обработки геометрии и процедурной анимации

| #Python #Cuda #Cpp #Graphics #Interesting

🐍🥤 Flask за час. Часть 2: завершаем разработку и размещаем сайт на GitHub Pages


Создаем разделы «Резюме», «Портфолио», «Блог», «Контакты», экспортируем статические страницы и заливаем сайт на хостинг.

Статья

1 часть

@pro_python_code

SimSwap - фреймворк для смены лица на изображениях и видео с одной обученной моделью!

Github: https://github.com/neuralchen/SimSwap

Colab: https://colab.research.google.com/github/neuralchen/SimSwap/blob/main/train.ipynb

Демо: https://colab.research.google.com/github/neuralchen/SimSwap/blob/main/train.ipynb

@pro_python_code