pip install ccxt

import ccxt

exchange = ccxt.binance()
markets = exchange.load_markets()
ticker = exchange.fetch_ticker('BTC/USDT')
print(ticker)

pip install rembg

from rembg import remove


def remove_background(input_path: str, output_path: str) -> None:
    """Удаляет фон с изображения и сохраняет результат."""
    with open(input_path, 'rb') as input_file:
        with open(output_path, 'wb') as output_file:
            image_bytes: bytes = input_file.read()
            output_bytes: bytes = remove(image_bytes)
            output_file.write(output_bytes)

if __name__ == "__main__":
    remove_background('input.png', 'output.png')

import cv2
from typing import Tuple


def load_image(path: str) -> cv2.Mat:
    """Загружает изображение с указанного пути."""
    image = cv2.imread(path)
    if image is None:
        raise FileNotFoundError(f"Изображение не найдено: {path}")
    return image


def detect_faces(image: cv2.Mat) -> Tuple[Tuple[int, int, int, int], ...]:
    """Находит лица на изображении с помощью каскада Хаара."""
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    face_cascade = cv2.CascadeClassifier(
        cv2.data.haarcascades + "haarcascade_frontalface_default.xml"
    )
    faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5)
    return tuple(faces)


def blur_faces(image: cv2.Mat, faces: Tuple[Tuple[int, int, int, int], ...]) -> cv2.Mat:
    """Размывает найденные лица на изображении."""
    for (x, y, w, h) in faces:
        face_roi = image[y:y+h, x:x+w]
        blurred = cv2.GaussianBlur(face_roi, (99, 99), 30)
        image[y:y+h, x:x+w] = blurred
    return image


def save_image(image: cv2.Mat, path: str) -> None:
    """Сохраняет изображение на диск."""
    cv2.imwrite(path, image)


if __name__ == "__main__":
    input_path = "/home/kali/Coding/TEST/man.png"
    output_path = "blurred_faces.jpg"

    img = load_image(input_path)
    found_faces = detect_faces(img)

    print(f"👀 Найдено лиц: {len(found_faces)}")

    blurred_img = blur_faces(img, found_faces)
    save_image(blurred_img, output_path)

    print(f"✅ Сохранено: {output_path}")

git clone https://github.com/RishiDesai/FaceEnhance
cd FaceEnhance
python -m venv venv
source venv/bin/activate
pip install -r requirements.txt
python install.py

python test.py --input examples/dany_gpt_1.png --ref examples/dany_face.jpg --out examples/dany_enhanced.png

from typing import Optional


def calculate_bmi(weight: float, height: float) -> Optional[float]:
    """Вычисляет индекс массы тела (ИМТ)."""
    try:
        bmi = weight / (height ** 2)
        return round(bmi, 2)
    except ZeroDivisionError:
        print("❌ Рост не может быть равен нулю.")
        return None


def interpret_bmi(bmi: float) -> str:
    """Интерпретирует значение ИМТ по классификации ВОЗ."""
    if bmi < 18.5:
        return "Недостаточный вес"
    elif 18.5 <= bmi < 25:
        return "Нормальный вес"
    elif 25 <= bmi < 30:
        return "Избыточный вес"
    elif 30 <= bmi < 35:
        return "Ожирение I степени"
    elif 35 <= bmi < 40:
        return "Ожирение II степени"
    else:
        return "Ожирение III степени"


def main() -> None:
    print("🧮 Калькулятор Индекса Массы Тела (ИМТ)")

    while True:
        print("\nМеню:")
        print("1. Рассчитать ИМТ")
        print("2. Выйти")

        choice = input("Выберите действие (1-2): ").strip()

        if choice == "1":
            try:
                weight = float(input("Введите вес (кг): ").strip())
                height = float(input("Введите рост (в метрах): ").strip())
                bmi = calculate_bmi(weight, height)
                if bmi is not None:
                    category = interpret_bmi(bmi)
                    print(f"\nВаш ИМТ: {bmi}")
                    print(f"Категория: {category}")
            except ValueError:
                print("❌ Пожалуйста, введите числовые значения.")
        elif choice == "2":
            print("До встречи! 🖖")
            break
        else:
            print("Неверный выбор. Попробуйте снова.")


if __name__ == "__main__":
    main()