[PYTHON:TODAY]
Python скрипты, нейросети, боты, автоматизация. Всё бесплатно! Приват: https://boosty.to/pythontoday YouTube: https://clck.ru/3LfJhM Канал админа: @akagodlike Чат: @python2day_chat Сотрудничество: @web_runner Канал в РКН: https://clck.ru/3GBFVm
Ko'proq ko'rsatish📈 Telegram kanali [PYTHON:TODAY] analitikasi
[PYTHON:TODAY] (@python2day) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 63 889 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 1 994-o'rinni va Rossiya mintaqasida 9 314-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 63 889 obunachiga ega bo‘ldi.
27 Avgust, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -73 ga, so‘nggi 24 soatda esa 30 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.
- Tasdiqlash holati: Tasdiqlanmagan
- Jalb etish (ER): Auditoriya o‘rtacha 14.34% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 7.45% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 9 160 marta ko‘riladi; birinchi sutkada odatda 4 760 ta ko‘rish yig‘iladi.
- Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 59 ta reaksiya keladi.
- Tematik yo‘nalishlar: Kontent github, soft, install, pip, docker kabi asosiy mavzularga jamlangan.
📝 Tavsif va kontent siyosati
Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“Python скрипты, нейросети, боты, автоматизация. Всё бесплатно!
Приват: https://boosty.to/pythontoday
YouTube: https://clck.ru/3LfJhM
Канал админа: @akagodlike
Чат: @python2day_chat
Сотрудничество: @web_runner
Канал в РКН: https://clck.ru/3GBFVm”
Yuqori yangilanish chastotasi (oxirgi ma’lumot 28 Avgust, 2026 da olingan) sababli kanal doimo dolzarb va katta qamrovli bo‘lib qoladi. Analitika auditoriya kontent bilan faol hamkorlik qilishini, uni Texnologiyalar & Aralashmalar toifasidagi muhim ta’sir nuqtasiga aylantirishini ko‘rsatadi.
from typing import Dict
from mimesis.enums import Gender
from mimesis import Person
def generate_fake_user(locale: str = "es", gender: Gender = Gender.MALE) -> Dict[str, str]:
"""
Генерирует фейковые пользовательские данные на основе локали и пола.
:param locale: Локаль (например, 'ru', 'en', 'es')
:param gender: Пол (Gender.MALE или Gender.FEMALE)
:return: Словарь с фейковыми данными пользователя
"""
person = Person(locale)
user_data = {
"name": person.full_name(gender=gender),
"height": person.height(),
"phone": person.telephone(),
"occupation": person.occupation(),
}
return user_data
if __name__ == "__main__":
fake_user = generate_fake_user(locale="es", gender=Gender.MALE)
print(fake_user)
📌 Результат:
{
'name': 'Carlos Herrera',
'height': '1.84',
'phone': '912 475 289',
'occupation': 'Arquitecto'
}
⚡️ mimesis умеет:
🖱 Генерировать имена, адреса, телефоны, профессии и пр.
🖱 Работать с разными странами (🇷🇺 ru, 🇺🇸 en, 🇪🇸 es и т.д.)
🖱 Подходит для тестов, фейковых аккаунтов, демо-данных в проектах и ботов.
⚙️ GitHub/Инструкция
Сохраняй, пригодится 👍
#python #github #softgit 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 #githubpip 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