Вот такое промпт я запилил:
🌃🌃🌃Вот такое промпт я запилил:
Название улицы: Неоновая Аллея
Описание улицы:
🌆🌆🌆Неоновая Аллея — мегаполиская улица в центре киберпанк-города. Взглянув на нее, словно попадаешь в другую реальность. Оттенки фиолетового, синего и зеленого свечения окутывают высокие стеклянные небоскребы, пропитанные символикой киберпространства. Большие рекламные щиты, излучающие яркое световое шоу, привлекают внимание прохожих, перекрывая звуки городского шума. Возникает ощущение, что время здесь остановилось, погрузив каждого в виртуальную реальность.
Движение на улице:
🏙🏙🏙На Неоновой Аллее царит плотное движение, состоящее из разнообразных транспортных средств, как классических, так и футуристических. Воздушные такси, оснащенные гравитационными двигателями, парят в воздухе, оставляя за собой ослепительные следы света. Стримлайнеры, покрытые хромированными панелями, проносятся по шоссе, выпуская потоки искореженного света из-под колес. Внедорожники, оборудованные усиленными системами защиты, несутся среди городских башен, словно сверхзвуковые снаряды.
Пешеходы:
🌉🌉🌉По тротуарам Неоновой Аллеи шествуют пешеходы в нарядах, олицетворяющих дух киберпанка. Они одеты в яркие, необычные наряды с использованием светодиодных лент, создающих эффект ультрафутуристической моды. Многие носят киберпанк-протезы, дополняющие их физические возможности и подчеркивающие их индивидуальность. Люди сидят в кафе, поглощая закуски и напитки, которые сами готовятся с помощью мгновенных ингредиентов и нанороботов.
Уличные торговцы:
🎑🎑🎑Между небоскребами располагаются небольшие павильоны и киоски, где уличные торговцы предлагают различные киберпанк-товары. Здесь можно найти всякую вещицу: от видеоигр и виртуальных очков до киберпанк-модных аксессуаров и кибернетических имплантов. Разнообразные ароматы и звуки создают атмосферу торгового киберпанк-базара.
Атмосфера:
🎆🎆🎆По всей улице скрывается некое напряжение, которое пронизывает воздух. Шум города смешивается с музыкой электронных жанров, создавая гипнотический звуковой фон. Везде присутствуют рекламные баннеры и проекции голограмм, заполняющиевоздушное пространство улицы информацией и виртуальными объектами. Неоновая Аллея - это место, где сходятся технологии и человеческая жизнь, создавая уникальную симбиозисную среду, где каждый шаг наполнен энергией будущего.Название улицы: Неоновая Аллея
🌃🌃🌃Вот такое промпт я запилил:
Название улицы: Неоновая Аллея
Описание улицы:
🌆🌆🌆Неоновая Аллея — мегаполиская улица в центре киберпанк-города. Взглянув на нее, словно попадаешь в другую реальность. Оттенки фиолетового, синего и зеленого свечения окутывают высокие стеклянные небоскребы, пропитанные символикой киберпространства. Большие рекламные щиты, излучающие яркое световое шоу, привлекают внимание прохожих, перекрывая звуки городского шума. Возникает ощущение, что время здесь остановилось, погрузив каждого в виртуальную реальность.
Движение на улице:
🏙🏙🏙На Неоновой Аллее царит плотное движение, состоящее из разнообразных транспортных средств, как классических, так и футуристических. Воздушные такси, оснащенные гравитационными двигателями, парят в воздухе, оставляя за собой ослепительные следы света. Стримлайнеры, покрытые хромированными панелями, проносятся по шоссе, выпуская потоки искореженного света из-под колес. Внедорожники, оборудованные усиленными системами защиты, несутся среди городских башен, словно сверхзвуковые снаряды.
Пешеходы:
🌉🌉🌉По тротуарам Неоновой Аллеи шествуют пешеходы в нарядах, олицетворяющих дух киберпанка. Они одеты в яркие, необычные наряды с использованием светодиодных лент, создающих эффект ультрафутуристической моды. Многие носят киберпанк-протезы, дополняющие их физические возможности и подчеркивающие их индивидуальность. Люди сидят в кафе, поглощая закуски и напитки, которые сами готовятся с помощью мгновенных ингредиентов и нанороботов.
Уличные торговцы:
🎑🎑🎑Между небоскребами располагаются небольшие павильоны и киоски, где уличные торговцы предлагают различные киберпанк-товары. Здесь можно найти всякую вещицу: от видеоигр и виртуальных очков до киберпанк-модных аксессуаров и кибернетических имплантов. Разнообразные ароматы и звуки создают атмосферу торгового киберпанк-базара.
Атмосфера:
🎆🎆🎆По всей улице скрывается некое напряжение, которое пронизывает воздух. Шум города смешивается с музыкой электронных жанров, создавая гипнотический звуковой фон. Везде присутствуют рекламные баннеры и проекции голограмм, заполняющиевоздушное пространство улицы информацией и виртуальными объектами. Неоновая Аллея - это место, где сходятся технологии и человеческая жизнь, создавая уникальную симбиозисную среду, где каждый шаг наполнен энергией будущего.Название улицы: Неоновая Аллея
https://vcai.mpi-inf.mpg.de/projects/Decaf/ - Ребятки запили прикольную тему с мокапом, выглядит очень круто, в целом, советую ознакомиться тем кто шарит за OpenCV и визуал.
❓200 Вопросов по Машинному обучению (Machine Learning) - Вопрос_144
🔠 Что такое бетта-распределение ?
Бета-распределение является непрерывным вероятностным распределением, ограниченным на интервале от 0 до 1. Оно часто используется в статистике и байесовском анализе в качестве априорного распределения для моделирования вероятностей.
Бета-распределение определяется двумя параметрами: α (alpha) и β (beta). Плотность вероятности бета-распределения задается следующей формулой:
f(x) = (1 / B(α, β)) * x^(α-1) * (1-x)^(β-1)
где x - случайная величина, B(α, β) - бета-функция, которая является нормализующим множителем для обеспечения суммы вероятностей равной 1.
#Binomial_distribution #Probability_distribution #Statistics #Probability_theory #Discrete_distributions #Random_variables #Mathematics #Coin_flipping #Combinatorics
🔠 Что такое бетта-распределение ?
Бета-распределение является непрерывным вероятностным распределением, ограниченным на интервале от 0 до 1. Оно часто используется в статистике и байесовском анализе в качестве априорного распределения для моделирования вероятностей.
Бета-распределение определяется двумя параметрами: α (alpha) и β (beta). Плотность вероятности бета-распределения задается следующей формулой:
f(x) = (1 / B(α, β)) * x^(α-1) * (1-x)^(β-1)
где x - случайная величина, B(α, β) - бета-функция, которая является нормализующим множителем для обеспечения суммы вероятностей равной 1.
#Binomial_distribution #Probability_distribution #Statistics #Probability_theory #Discrete_distributions #Random_variables #Mathematics #Coin_flipping #Combinatorics
🎢Ребят кто не успел на вебинар по AWS LLM Deploy вот запись.
👉https://memsql.wistia.com/medias/23m1ogxuup?utm_medium=email&utm_source=singlestore&utm_campaign=7014X000002ZuFuQAK&campaignid=7014X000002ZuFuQAK
🪭Deploy a Private LLM on AWS Cloud Using Terraform + SageMaker
👨💻Спикеры: Wes Kennedy
👉https://memsql.wistia.com/medias/23m1ogxuup?utm_medium=email&utm_source=singlestore&utm_campaign=7014X000002ZuFuQAK&campaignid=7014X000002ZuFuQAK
🪭Deploy a Private LLM on AWS Cloud Using Terraform + SageMaker
👨💻Спикеры: Wes Kennedy
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Media is too big
VIEW IN TELEGRAM
«Мозг в банке» едет на конференцию в Сан-Франциско
Please open Telegram to view this post
VIEW IN TELEGRAM
https://t.me/DenoiseLAB?boost - ребятки накидайте пожалуйста, голосов для Stories )))
Please open Telegram to view this post
VIEW IN TELEGRAM
❓200 Вопросов по Машинному обучению (Machine Learning) - Вопрос_141
🔠 Какие еще методы нормализации данных существуют помимо Min-Max и Z-нормализации? (Часть_1)
🧪Ответ:
1/ Робастная нормализация (Robust normalization): Этот метод основан на медиане и интерквартильном расстоянии (IQR) и предназначен для работы с выбросами в данных. Он нормализует данные, учитывая их статистическое распределение, и делает их более устойчивыми к выбросам.
2/ Логарифмическая нормализация (Logarithmic normalization): Этот метод применяется к данным, которые имеют сильно смещенное распределение или широкий диапазон значений. Он применяет логарифмическую функцию к данным, чтобы сгладить их распределение и уменьшить различия в масштабе.
🎉Всем приятного чтения, и как всегда приветствуются комментарии, вопросы лайки и шеры, если их будет много, посты будут чаще и больше!!!
🤕 🤕 🤕 https://boosty.to/denoise_lab/donate - фишки кода, полезные фичи или просто если вы хотите поддержать наш канал.
🔠 Какие еще методы нормализации данных существуют помимо Min-Max и Z-нормализации? (Часть_1)
🧪Ответ:
1/ Робастная нормализация (Robust normalization): Этот метод основан на медиане и интерквартильном расстоянии (IQR) и предназначен для работы с выбросами в данных. Он нормализует данные, учитывая их статистическое распределение, и делает их более устойчивыми к выбросам.
2/ Логарифмическая нормализация (Logarithmic normalization): Этот метод применяется к данным, которые имеют сильно смещенное распределение или широкий диапазон значений. Он применяет логарифмическую функцию к данным, чтобы сгладить их распределение и уменьшить различия в масштабе.
🎉Всем приятного чтения, и как всегда приветствуются комментарии, вопросы лайки и шеры, если их будет много, посты будут чаще и больше!!!
Please open Telegram to view this post
VIEW IN TELEGRAM
❓200 Вопросов по Машинному обучению (Machine Learning) - Вопрос_141
🔠 Какие еще методы нормализации данных существуют помимо Min-Max и Z-нормализации? (Часть_2)
🧪Ответ:
3/ Масштабирование на основе распределения (Distribution-based scaling): Этот метод основан на статистических свойствах распределения данных, таких как среднее и стандартное отклонение. Он масштабирует данные таким образом, чтобы они имели определенное распределение, например, нормальное распределение или равномерное распределение.
4/ Масштабирование на основе рангов (Rank-based scaling): Этот метод основан на ранжировании значений данных. Он преобразует данные в их ранговые значения, чтобы сохранить порядок значений, не обращая внимания на их конкретные числовые значения. Это полезно, когда данные содержат выбросы или несимметричные распределения.
#scaling #scaling #statistical properties #mean #standarddeviation #datadistribution #normaldistribution
🤕 🤕 🤕 https://boosty.to/denoise_lab/donate - фишки кода, полезные фичи или просто если вы хотите поддержать наш канал.
🔠 Какие еще методы нормализации данных существуют помимо Min-Max и Z-нормализации? (Часть_2)
🧪Ответ:
3/ Масштабирование на основе распределения (Distribution-based scaling): Этот метод основан на статистических свойствах распределения данных, таких как среднее и стандартное отклонение. Он масштабирует данные таким образом, чтобы они имели определенное распределение, например, нормальное распределение или равномерное распределение.
4/ Масштабирование на основе рангов (Rank-based scaling): Этот метод основан на ранжировании значений данных. Он преобразует данные в их ранговые значения, чтобы сохранить порядок значений, не обращая внимания на их конкретные числовые значения. Это полезно, когда данные содержат выбросы или несимметричные распределения.
#scaling #scaling #statistical properties #mean #standarddeviation #datadistribution #normaldistribution
Please open Telegram to view this post
VIEW IN TELEGRAM
⚠️100 Инструментов для Penetration Testing - Tools №1
Кодирование изображения: Вы можете использовать этот инструмент для встраивания секретной информации в изображение. Это происходит путем изменения наименее значимых битов пикселей в изображении, чтобы сохранить внешний вид изображения практически неизменным.
Декодирование изображения: Этот инструмент позволяет извлекать скрытую информацию из изображений, созданных с использованием стеганографии. Он восстанавливает скрытые данные из наименее значимых битов пикселей.
Сравнение двух изображений: Этот инструмент позволяет сравнивать два изображения и выявлять различия между ними. Если изображения содержат скрытую информацию, то они могут отличаться на уровне наименее значимых битов.
👉Ссылка: https://futureboy.us/stegano/
🔥🔥🔥Отказ от ответственности: см. в постах выше.
#image_encoding #image_steganography #least_significant_bit (LSB) #image_manipulation #image_decoding #hidden_information_extraction #image_comparison
🤕 🤕 🤕 https://boosty.to/denoise_lab/donate - фишки кода, полезные фичи или просто если вы хотите поддержать наш канал.
Кодирование изображения: Вы можете использовать этот инструмент для встраивания секретной информации в изображение. Это происходит путем изменения наименее значимых битов пикселей в изображении, чтобы сохранить внешний вид изображения практически неизменным.
Декодирование изображения: Этот инструмент позволяет извлекать скрытую информацию из изображений, созданных с использованием стеганографии. Он восстанавливает скрытые данные из наименее значимых битов пикселей.
Сравнение двух изображений: Этот инструмент позволяет сравнивать два изображения и выявлять различия между ними. Если изображения содержат скрытую информацию, то они могут отличаться на уровне наименее значимых битов.
👉Ссылка: https://futureboy.us/stegano/
🔥🔥🔥Отказ от ответственности: см. в постах выше.
#image_encoding #image_steganography #least_significant_bit (LSB) #image_manipulation #image_decoding #hidden_information_extraction #image_comparison
Please open Telegram to view this post
VIEW IN TELEGRAM
⚠️100 Инструментов для Penetration Testing - Tools №2
GTFOBins - это кураторский список Unix-бинарных файлов, которые могут использоваться для обхода локальных ограничений безопасности в неправильно настроенных системах. Проект собирает легитимные функции Unix-бинарных файлов, которые могут быть злоупотреблены для обхода ограничений, повышения или поддержания привилегий, передачи файлов, создания bind и reverse shell'ов и выполнения других задач после эксплуатации. Вместо этого GTFOBins является сборником информации о том, как использовать имеющиеся бинарные файлы. GTFOBins - это совместный проект, созданный Эмилио Пинной и Андреа Кардачи, где каждый может внести свой вклад, добавив дополнительные бинарные файлы и методики.
👉Ссылка: https://gtfobins.github.io
🔥🔥🔥Отказ от ответственности: см. в постах выше.
#image_encoding #image_steganography #least_significant_bit (LSB) #image_manipulation #image_decoding #hidden_information_extraction #image_comparison
🤕 🤕 🤕 https://boosty.to/denoise_lab/donate - фишки кода, полезные фичи или просто если вы хотите поддержать наш канал.
GTFOBins - это кураторский список Unix-бинарных файлов, которые могут использоваться для обхода локальных ограничений безопасности в неправильно настроенных системах. Проект собирает легитимные функции Unix-бинарных файлов, которые могут быть злоупотреблены для обхода ограничений, повышения или поддержания привилегий, передачи файлов, создания bind и reverse shell'ов и выполнения других задач после эксплуатации. Вместо этого GTFOBins является сборником информации о том, как использовать имеющиеся бинарные файлы. GTFOBins - это совместный проект, созданный Эмилио Пинной и Андреа Кардачи, где каждый может внести свой вклад, добавив дополнительные бинарные файлы и методики.
👉Ссылка: https://gtfobins.github.io
🔥🔥🔥Отказ от ответственности: см. в постах выше.
#image_encoding #image_steganography #least_significant_bit (LSB) #image_manipulation #image_decoding #hidden_information_extraction #image_comparison
Please open Telegram to view this post
VIEW IN TELEGRAM
❓200 Вопросов по Машинному обучению (Machine Learning) - Вопрос_143
🔠Какой метод нормализации подходит для данных с нелинейной зависимостью? (Часть_1)
🧪Ответ:
Для данных с нелинейной зависимостью подходит полиномиальное масштабирование (Polynomial scaling). Этот метод позволяет захватить нелинейные взаимосвязи между переменными и улучшить моделирование.
При использовании полиномиального масштабирования данные преобразуются с помощью полиномиальных функций. Обычно используются функции, такие как полиномы Лежандра, полиномы Чебышева или полиномы Лагерра. Эти функции позволяют учитывать нелинейные зависимости и взаимодействия между переменными.
#scaling #scaling #statistical #mean #standarddeviation #datadistribution #normaldistribution
🤕 🤕 🤕 https://boosty.to/denoise_lab/donate - фишки кода, полезные фичи или просто если вы хотите поддержать наш канал.
🔠Какой метод нормализации подходит для данных с нелинейной зависимостью? (Часть_1)
🧪Ответ:
Для данных с нелинейной зависимостью подходит полиномиальное масштабирование (Polynomial scaling). Этот метод позволяет захватить нелинейные взаимосвязи между переменными и улучшить моделирование.
При использовании полиномиального масштабирования данные преобразуются с помощью полиномиальных функций. Обычно используются функции, такие как полиномы Лежандра, полиномы Чебышева или полиномы Лагерра. Эти функции позволяют учитывать нелинейные зависимости и взаимодействия между переменными.
#scaling #scaling #statistical #mean #standarddeviation #datadistribution #normaldistribution
Please open Telegram to view this post
VIEW IN TELEGRAM
❓200 Вопросов по Машинному обучению (Machine Learning) - Вопрос_143
🔠Какой метод нормализации подходит для данных с нелинейной зависимостью? (Часть_2)
Полиномиальное масштабирование может быть полезным, когда в данных присутствуют квадратичные, кубические или более высокие нелинейные зависимости. Применение полиномиального масштабирования позволяет моделировать и учитывать такие зависимости, что может привести к более точным и предсказательным моделям.
Однако при использовании полиномиального масштабирования необходимо быть осторожным, так как он может привести к увеличению размерности данных и возникновению проблемы проклятия размерности (curse of dimensionality). Если размерность данных слишком высока, это может привести к увеличению сложности модели и переобучению.
#scaling #scaling #statistical #mean #standarddeviation #datadistribution #normaldistribution
🤕 🤕 🤕 https://boosty.to/denoise_lab/donate - фишки кода, полезные фичи или просто если вы хотите поддержать наш канал.
🔠Какой метод нормализации подходит для данных с нелинейной зависимостью? (Часть_2)
Полиномиальное масштабирование может быть полезным, когда в данных присутствуют квадратичные, кубические или более высокие нелинейные зависимости. Применение полиномиального масштабирования позволяет моделировать и учитывать такие зависимости, что может привести к более точным и предсказательным моделям.
Однако при использовании полиномиального масштабирования необходимо быть осторожным, так как он может привести к увеличению размерности данных и возникновению проблемы проклятия размерности (curse of dimensionality). Если размерность данных слишком высока, это может привести к увеличению сложности модели и переобучению.
#scaling #scaling #statistical #mean #standarddeviation #datadistribution #normaldistribution
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤5