🧠 Инструмент для решения математических задач
Nomos - это интеллектуальная платформа для решения математических задач и написания доказательств на естественном языке. Она использует параллельные рабочие процессы для генерации и оценки решений, обеспечивая высокую эффективность и точность.
🚀Основные моменты:
- Решение задач с помощью модели Nomos-1.
- Параллельная работа для ускорения процесса.
- Финализация результатов через турниры и консолидацию.
- Оценка решений по 7-балльной шкале.
📌 GitHub: https://github.com/NousResearch/nomos
#python
Nomos - это интеллектуальная платформа для решения математических задач и написания доказательств на естественном языке. Она использует параллельные рабочие процессы для генерации и оценки решений, обеспечивая высокую эффективность и точность.
🚀Основные моменты:
- Решение задач с помощью модели Nomos-1.
- Параллельная работа для ускорения процесса.
- Финализация результатов через турниры и консолидацию.
- Оценка решений по 7-балльной шкале.
📌 GitHub: https://github.com/NousResearch/nomos
#python
👍3
This media is not supported in your browser
VIEW IN TELEGRAM
Большинство качественных - слишком медленные.
И почти ни одна не решает вопрос аутентичности аудио на уровне архитектуры.
Resemble AI закрыли все три проблемы сразу.
Chatterbox Turbo 0 это:
🟢 <150 мс до первого звука
🟢 Качество уровня SOTA - превосходит более крупные проприетарные модели
🟢 Естественные, программируемые эмоции и интонации
🟢 Zero-shot клонирование голоса всего по 5 секундам аудио
🟢 PerTh watermarking - проверяемое и аутентифицированное аудио
🟢 Полностью open source, никакой «чёрной магии»
Редкий пример, когда скорость, качество и безопасность не идут на компромисс, а работают вместе.
HuggingFace: https://huggingface.co/spaces/ResembleAI/chatterbox-turbo-demo
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3
Командная разработка нового уровня
SourceCraft обновился, чтобы команда писала быстрее, безопаснее и спокойнее.
🤖 Специальная ИИ-система для проверки безопасности кода и оформления найденных уязвимостей в карточки, генерация описаний к изменениям для экономии времени при коммитах.
🔧 Поддержка Gitlab CI/CD YAML, обновлённая логика релизов и управление командами.
💻 Конфликты в PR решаются прямо через web-интерфейс SourceCraft.
🔒 Безопасный кодинг: дашборд уязвимостей по всем репозиториям, страница Code Scanning с результатами SAST, rescan и список библиотек с уязвимостями в SCA.
Обновлён UI для CI/CD и добавлены Telegram-нотификации. SourceCraft — единая точка для умного кода. Расскажем в подробностях и ответим на вопросы в канале
SourceCraft обновился, чтобы команда писала быстрее, безопаснее и спокойнее.
🤖 Специальная ИИ-система для проверки безопасности кода и оформления найденных уязвимостей в карточки, генерация описаний к изменениям для экономии времени при коммитах.
🔧 Поддержка Gitlab CI/CD YAML, обновлённая логика релизов и управление командами.
💻 Конфликты в PR решаются прямо через web-интерфейс SourceCraft.
🔒 Безопасный кодинг: дашборд уязвимостей по всем репозиториям, страница Code Scanning с результатами SAST, rescan и список библиотек с уязвимостями в SCA.
Обновлён UI для CI/CD и добавлены Telegram-нотификации. SourceCraft — единая точка для умного кода. Расскажем в подробностях и ответим на вопросы в канале
❤2👍1🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
✍️ python-course - структурированный и глубокий разбор Python от базовых принципов до продвинутых тем.
Это подробный текстовый курс для вдумчивого самостоятельного изучения. Материал выстроен последовательно: от основ синтаксиса и ключевых конструкций — к ООП, генераторам, итераторам, замыканиям и внутреннему устройству языка. Без воды, с акцентом на понимание того, как и почему Python работает именно так.
Подойдёт тем, кто хочет:
- выстроить прочный фундамент
- систематизировать разрозненные знания
- глубже разобраться во внутренних механизмах языка
https://python-course.eu/
Это подробный текстовый курс для вдумчивого самостоятельного изучения. Материал выстроен последовательно: от основ синтаксиса и ключевых конструкций — к ООП, генераторам, итераторам, замыканиям и внутреннему устройству языка. Без воды, с акцентом на понимание того, как и почему Python работает именно так.
Подойдёт тем, кто хочет:
- выстроить прочный фундамент
- систематизировать разрозненные знания
- глубже разобраться во внутренних механизмах языка
https://python-course.eu/
❤4🔥2
🎮🚀 NitroGen: Модель для игровых агентов
NitroGen — это открытая модель для создания универсальных игровых агентов, способная предсказывать действия на основе пиксельного ввода. Обученная на крупнейшем наборе данных игрового видео, модель может адаптироваться к новым играм.
🚀Основные моменты:
- Многофункциональная модель для различных игр.
- Обучение на данных из интернет-видео.
- Поддержка адаптации к новым играм после обучения.
- Работает на Windows с Python ≥ 3.12.
📌 GitHub: https://github.com/MineDojo/NitroGen
#python
NitroGen — это открытая модель для создания универсальных игровых агентов, способная предсказывать действия на основе пиксельного ввода. Обученная на крупнейшем наборе данных игрового видео, модель может адаптироваться к новым играм.
🚀Основные моменты:
- Многофункциональная модель для различных игр.
- Обучение на данных из интернет-видео.
- Поддержка адаптации к новым играм после обучения.
- Работает на Windows с Python ≥ 3.12.
📌 GitHub: https://github.com/MineDojo/NitroGen
#python
❤1
This media is not supported in your browser
VIEW IN TELEGRAM
☠️ Один Python-скрипт - убивает потребность в Excel #python #Excel
CSV в папке - и через секунды у тебя:
- быстрый анализ без ручных фильтров
- топ товаров и суммарная выручка
- график продаж по дням
- один повторяемый сценарий вместо 20 кликов
Фишка в том, что ты один раз написал скрипт - и дальше просто кидаешь новые CSV, получая одинаковый отчёт каждый раз.
CSV в папке - и через секунды у тебя:
- быстрый анализ без ручных фильтров
- топ товаров и суммарная выручка
- график продаж по дням
- один повторяемый сценарий вместо 20 кликов
Фишка в том, что ты один раз написал скрипт - и дальше просто кидаешь новые CSV, получая одинаковый отчёт каждый раз.
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv("sales.csv", parse_dates=["date"])
print("Выручка:", df["revenue"].sum())
print(df.groupby("product")["revenue"].sum().sort_values(ascending=False).head(5))
daily = df.groupby(df["date"].dt.date)["revenue"].sum()
daily.plot(title="Выручка по дням")
plt.tight_layout(); plt.show()
❤4👎2🤬2🔥1
Представь фэнтези-мир, где заклинания - это SQL-запросы, а древние артефакты спрятаны в таблицах и JSON-документах.
🧙Ты - боевой дата-аналитик, который с помощью SQL, Python, ETL и визуализаций охотится за харизматичным злодеем Архивариусом Пакостусом, что ломает индексы, крадёт данные и готовит “шторм данных” на столицу.🔮
В каждом эпизоде тебя ждут: выборы с последствиями, хитрые задачи от простых SELECT до рекурсивных CTE и BigQuery, юмор, эпик и неожиданные повороты.
Хочешь проверить, сможешь ли ты спасти королевство не мечом, а запросами? Тогда добро пожаловать в SQL-квест.
🪄 Начать квест: https://uproger.com/sql-kvest-fentezijnoe-priklyuchenie-dlya-analitikov-dannyh/
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5👍2❤1
This media is not supported in your browser
VIEW IN TELEGRAM
🎄🐍 Новогодний Python фокус для джунов: меньше шума, больше смысла
Новогодний Python-совет: перестань вручную подписывать отладочные принты. Используй f"{var=}", чтобы сразу видеть и имя переменной, и значение — чище, быстрее и без путаницы. Подходит и для пет-проектов, и для продакшена. Подписывайся, больше фишек каждый день !
Новогодний Python-совет: перестань вручную подписывать отладочные принты. Используй f"{var=}", чтобы сразу видеть и имя переменной, и значение — чище, быстрее и без путаницы. Подходит и для пет-проектов, и для продакшена. Подписывайся, больше фишек каждый день !
user = "Santa"
count = 3
items = ["🍪", "🎁", "✨"]
print(f"{user=}")
print(f"{count=}")
print(f"{items=}")
def greet(name):
return f"Happy New Year, {name}!"
print(f"{greet(user)=}")
❤4👍3🥰3
🔥 На Stepik вышел топ курс, который учит работать с Docker так, как это делают в реальных проектах с уклоном на реальные рейсы.
Этот практический курс покажет, как упаковывать приложения в контейнеры, собирать лёгкие и безопасные образы, поднимать несколько сервисов через docker-compose и готовить окружение для продакшена.
Ты пройдёшь путь от первого контейнера до полной инфраструктуры: с логами, сетями, томами, переменными окружения, безопасностью и отладкой.
Никакой теории ради теории, только реальные шаги, из которых рождается рабочая среда разработчика и прод-окружение.
🎁 В честь нового года ближайшие 48 часов - скидка 50 процентов!
👉 Начать обучение
Этот практический курс покажет, как упаковывать приложения в контейнеры, собирать лёгкие и безопасные образы, поднимать несколько сервисов через docker-compose и готовить окружение для продакшена.
Ты пройдёшь путь от первого контейнера до полной инфраструктуры: с логами, сетями, томами, переменными окружения, безопасностью и отладкой.
Никакой теории ради теории, только реальные шаги, из которых рождается рабочая среда разработчика и прод-окружение.
🎁 В честь нового года ближайшие 48 часов - скидка 50 процентов!
👉 Начать обучение
❤2👍1🥰1
Forwarded from Machinelearning
This media is not supported in your browser
VIEW IN TELEGRAM
🎄🎄 Qwen-Image: обновление как раз к Новому году
Свежая версия Qwen-Image получила заметный апгрейд качества.
Модель стала генерировать намного реалистичнее и аккуратнее, особенно в сложных сценах.
Что изменилось:
• более естественные генерации людей, меньше «искусственного» эффекта
• детальнее лица и мимика
• улучшены натуральные текстуры: вода, шерсть, материалы, пейзажи
• намного аккуратнее текст на картинках: лучше верстка и точность в композиции
Модель прошла более 10 000 слепых сравнений на AI Arena и показала результат уровня топов среди open-source, оставаясь конкурентной даже рядом с закрытыми решениями.
▪Qwen Chat: https://chat.qwen.ai/?inputFeature=t2i
▪Hugging Face: https://huggingface.co/Qwen/Qwen-Image-2512
▪ModelScope: https://modelscope.ai/models/Qwen/Qwen-Image-2512
▪GitHub: https://github.com/QwenLM/Qwen-Image
▪Блог: https://qwen.ai/blog?id=qwen-image-2512
▪Демо HF: https://huggingface.co/spaces/Qwen/Qwen-Image-2512
▪Демо ModelScope: https://modelscope.cn/aigc/imageGeneration
▪API: https://modelstudio.console.alibabacloud.com/?tab=doc#/doc/?type=model&url=2840914_2&modelId=group-qwen-image-max
@ai_machinelearning_big_data
#qwen #qwenimage #openaimodels #imagemodels
Свежая версия Qwen-Image получила заметный апгрейд качества.
Модель стала генерировать намного реалистичнее и аккуратнее, особенно в сложных сценах.
Что изменилось:
• более естественные генерации людей, меньше «искусственного» эффекта
• детальнее лица и мимика
• улучшены натуральные текстуры: вода, шерсть, материалы, пейзажи
• намного аккуратнее текст на картинках: лучше верстка и точность в композиции
Модель прошла более 10 000 слепых сравнений на AI Arena и показала результат уровня топов среди open-source, оставаясь конкурентной даже рядом с закрытыми решениями.
▪Qwen Chat: https://chat.qwen.ai/?inputFeature=t2i
▪Hugging Face: https://huggingface.co/Qwen/Qwen-Image-2512
▪ModelScope: https://modelscope.ai/models/Qwen/Qwen-Image-2512
▪GitHub: https://github.com/QwenLM/Qwen-Image
▪Блог: https://qwen.ai/blog?id=qwen-image-2512
▪Демо HF: https://huggingface.co/spaces/Qwen/Qwen-Image-2512
▪Демо ModelScope: https://modelscope.cn/aigc/imageGeneration
▪API: https://modelstudio.console.alibabacloud.com/?tab=doc#/doc/?type=model&url=2840914_2&modelId=group-qwen-image-max
@ai_machinelearning_big_data
#qwen #qwenimage #openaimodels #imagemodels
❤2
Курс по Docker, написанный программистами для программистов. Мы выкинули историю контейнеризации и скучную теорию.
Вместо этого жесткая практика: ментальные модели через ООП, анатомия Linux-процессов, написание Dockerfile, docker-compose и подготовка к продакшену.
Экономь время: учись только тому, что реально используется в индустрии
https://uproger.com/docker-bolshoj-ischerpyvayushhij-kurs-glava-1-arhitektura-ponyatiya-i-pervyj-zapusk/
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3
🧠 Claude Cognitive: Умная память для Claude Code
Claude Cognitive добавляет рабочую память к Claude Code, позволяя эффективно управлять контекстом и координировать многопоточную работу. Это решение значительно снижает затраты токенов и улучшает производительность разработчиков, обеспечивая сохранение контекста и предотвращая дублирование работы.
🚀Основные моменты:
- Умная маршрутизация файлов с учетом внимания (HOT/WARM/COLD).
- Многофункциональная координация состояния для долгосрочных сессий.
- Экономия токенов до 95% в зависимости от размера кодовой базы.
- Поддержка многопоточной работы без повторного открытия задач.
📌 GitHub: https://github.com/GMaN1911/claude-cognitive
Claude Cognitive добавляет рабочую память к Claude Code, позволяя эффективно управлять контекстом и координировать многопоточную работу. Это решение значительно снижает затраты токенов и улучшает производительность разработчиков, обеспечивая сохранение контекста и предотвращая дублирование работы.
🚀Основные моменты:
- Умная маршрутизация файлов с учетом внимания (HOT/WARM/COLD).
- Многофункциональная координация состояния для долгосрочных сессий.
- Экономия токенов до 95% в зависимости от размера кодовой базы.
- Поддержка многопоточной работы без повторного открытия задач.
📌 GitHub: https://github.com/GMaN1911/claude-cognitive
👍3❤2
Один Python-бот заработал $153 752, много раз подряд используя одну и ту же ошибку в ценах.
На аккаунте distinct-baguette в лидерборде Polymarket и почти закрыл вкладку - обычный бот на 15-минутных окнах.
А потом увидел: 70% побед при шестизначной прибыли. Обычно прибыльные боты держат 85%+. Что-то было не так, но не с ботом, а с моим пониманием.
Главное: этот бот ничего не предсказывает.
Ему всё равно, вырастет BTC или упадёт. Он следит только за одним: когда цены на рынке перестают сходиться по математике.
На Polymarket есть две стороны — YES и NO.
Одна из них всегда платит $1, значит:
> YES + NO должны равняться $1.
Но во время резких движений рынка происходит проскальзывание:
- YES = $0.48
- NO = $0.49
- Всего: $0.97
Бот видит расхождение - покупает обе стороны одновременно.
Ждёт исход. Одна сторона платит $1.
Стоимость сделки — $0.97.
Разница - $0.03 прибыли, независимо от результата.
Скрипт сканирует Polymarket каждые несколько секунд по BTC, SOL, XRP — всё, где есть объём.
Как только сумма падает ниже $0.99 - он срабатывает.
Три цента звучат смешно, но если повторить это десятки тысяч раз, выходит $316K.
И тогда становится понятным 70% win-rate:
бот не выбирает победителей — он собирает ценовые ошибки.
Пока большинство делает ставки на исход,
этот бот зарабатывает на том, что ордербук иногда “забывает считать”.
👉 Аккаунт: https://polymarket.com/@distinct-baguette?via=marlowxbt
На аккаунте distinct-baguette в лидерборде Polymarket и почти закрыл вкладку - обычный бот на 15-минутных окнах.
А потом увидел: 70% побед при шестизначной прибыли. Обычно прибыльные боты держат 85%+. Что-то было не так, но не с ботом, а с моим пониманием.
Главное: этот бот ничего не предсказывает.
Ему всё равно, вырастет BTC или упадёт. Он следит только за одним: когда цены на рынке перестают сходиться по математике.
На Polymarket есть две стороны — YES и NO.
Одна из них всегда платит $1, значит:
> YES + NO должны равняться $1.
Но во время резких движений рынка происходит проскальзывание:
- YES = $0.48
- NO = $0.49
- Всего: $0.97
Бот видит расхождение - покупает обе стороны одновременно.
Ждёт исход. Одна сторона платит $1.
Стоимость сделки — $0.97.
Разница - $0.03 прибыли, независимо от результата.
Скрипт сканирует Polymarket каждые несколько секунд по BTC, SOL, XRP — всё, где есть объём.
Как только сумма падает ниже $0.99 - он срабатывает.
Три цента звучат смешно, но если повторить это десятки тысяч раз, выходит $316K.
И тогда становится понятным 70% win-rate:
бот не выбирает победителей — он собирает ценовые ошибки.
Пока большинство делает ставки на исход,
этот бот зарабатывает на том, что ордербук иногда “забывает считать”.
👉 Аккаунт: https://polymarket.com/@distinct-baguette?via=marlowxbt
👍9❤7👎2