👉👉👉Ребята всем привет!!!

🪙🪙🪙Добрался я наконец и до хабра, пора постить там: https://habr.com/ru/users/CrXf_17 - теперь можно отслеживать публикации там.

🤝🤝🤝Всем приятного чтения, и как всегда приветствуются комментарии, вопросы лайки и шеры.

❓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.

❓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.

⚠️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.

⚠️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.

❓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.

❓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.

🔓🔓🔓Ребята всем привет! Вот такая прикольная картинка, по всем библиотекам и модулям. Сохраняем себе постим и активно пользуем.

🌡🌡🌡Чем более шеров и лаков тем больше буду закидывать такого полезного контента !!!

⚠️100 Инструментов для Penetration Testing - Tools №3

CyberChef - это простое и интуитивно понятное веб-приложение для анализа и декодирования данных без необходимости использования сложных инструментов или языков программирования. CyberChef помогает разбираться с данными различных форматов, шифрования и сжатия как техническим, так и неспециализированным пользователям.

CyberChef содержит около 200 полезных операций для всех, кто работает с чем-либо, связанным с Интернетом, будь то преобразование временной метки в другой формат, распаковка данных из формата gzip, создание хэша SHA3 или анализ сертификата X.509 для определения его эмитента.

👉Ссылка: https://gchq.github.io/CyberChef/

🔥🔥🔥Отказ от ответственности: см. в постах выше.

#CyberChef #data analysis #data decoding #web application #data formats #encryption #compression #data manipulation #time conversion #gzip unpacking #SHA3 hashing #X.509 certificate analysis #Internet-related tasks

🤕🤕🤕https://boosty.to/denoise_lab/donate - фишки кода, полезные фичи или просто если вы хотите поддержать наш канал.

⚠️100 Инструментов для Penetration Testing - Tools №4 (Часть_1)

CHOMTE.SH - это универсальный shell-скрипт, предназначенный для автоматизации задач разведки при тестировании на проникновение. Он призван упростить и оптимизировать.процесс сбора информации и определения поверхности атаки. Особенности и функциональные возможности CHOMTE.SH:

- Обнаружение поддоменов: инструмент subfinder для легкого поиска поддоменов, что позволяет тестировщикам выявлять потенциальные точки входа и векторы атак.

- Перебор поддоменов DNS: инструмент dmut, компания CHOMTE.SH усиливает защиту DNS, выполняя перебор поддоменов, что позволяет обнаружить скрытые или забытые поддомены, которые могут представлять опасность.

👉Ссылка: https://github.com/mr-rizwan-syed/chomtesh

🔥🔥🔥Отказ от ответственности: см. в постах выше.

#CyberChef #data analysis #data decoding #web application #data formats #encryption #compression #data manipulation #time conversion #gzip unpacking #SHA3 hashing #X.509 certificate analysis #Internet-related tasks

🤕🤕🤕https://boosty.to/denoise_lab/donate - фишки кода, полезные фичи или просто если вы хотите поддержать наш канал.

🔓🔓🔓Ребята новая конфа, кто в теме залетайте !!!

👉👉👉Scoring LLM Results with UpTrain and SingleStoreDB

https://www.singlestore.com/resources/webinar-scoring-llm-results-with-uptrain-and-singlestoredb/?utm_medium=email&utm_source=singlestore&utm_campaign=7014X000002ZuP1QAK&campaignid=7014X000002ZuP1QAK

❓200 Вопросов по Машинному обучению (Machine Learning) - Вопрос_144

🔠 Что такое модель пробит- и логит-регрессии ? (Часть_1)

Модель пробит и логит регрессии являются статистическими моделями, которые используются для анализа бинарных зависимых переменных, то есть переменных, которые могут принимать только два значения: 0 и 1.

Модель пробит регрессии предполагает, что вероятность принятия значения 1 зависит от линейной комбинации независимых переменных, а затем проходит через функцию нормального распределения, называемую функцией пробита. Функция пробита преобразует линейную комбинацию в вероятность, ограниченную в диапазоне от 0 до 1. В модели пробит регрессии используется метод максимального правдоподобия для оценки параметров модели.

#probit regression #logit regression #probability model #linear combination #independent variables #normal distribution #probit function #logistic function #maximum likelihood estimation #model parameters

🤕🤕🤕https://boosty.to/denoise_lab/donate - фишки кода, полезные фичи или просто если вы хотите поддержать наш канал.

❓200 Вопросов по Машинному обучению (Machine Learning) - Вопрос_144

🔠 Что такое модель пробит- и логит-регрессии ? (Часть_2)

Модель логит-регрессии также предполагает линейную комбинацию независимых переменных, но вместо использования функции пробита, она использует функцию логистической (сигмоидальной) функции, известной как функция логита. Функция логита преобразует линейную комбинацию в вероятность, используя логистическое преобразование. В модели логит регрессии также используется метод максимального правдоподобия для оценки параметров модели.

#probitregression #logitregression #probabilitymodel #linearcombination #independentvariables #normal distribution #probitfunction #logisticfunction #maximumlikelihoodestimation #modelparameters

🤕🤕🤕https://boosty.to/denoise_lab/donate - фишки кода, полезные фичи или просто если вы хотите поддержать наш канал.

❓❓❓https://habr.com/ru/articles/771636/ - прикольная статья вышла как Яндекс банит все и вся если это сгенерировано машиной, и требует оригинального контента. В первую очередь идет речь об оригинальности, по моему мнению Яндекс начал набирать себе уникальных текстов чтобы раскручивать свои алгоритмы, генерации. Однако молодцы ))) С подобной историей я уже сталкивался на Дзене, они банят все и вся если замечена генерация. Корпорации приобрели себе армию генерации уникального контента, вот такой вот поворот. Между прочим Ютубчик тоже начал с этим бороться. Что из этого следует, мы будем наблюдать размежевание, сми и появления отдельных конгломератов именно региональных, что не очень хорошо.

🤕🤕🤕https://boosty.to/denoise_lab/donate - фишки кода, полезные фичи или просто если вы хотите поддержать наш канал.

🔓🔓🔓Прикольная библиотека которая поможет вам писать статьи и оформлять отчеты, особенно полезно для Data Science или кто работает с научными выкладками. Все делается прям на лету.

https://github.com/lukas-blecher/LaTeX-OCR

👉👉👉Чем более шеров и лайков тем больше буду закидывать такого полезного контента !!!

🤕🤕🤕https://boosty.to/denoise_lab/donate - фишки кода, полезные фичи или просто если вы хотите поддержать наш канал.

⚠️100 Инструментов для Penetration Testing - Tools №4 (Часть_2)

Быстрое сканирование портов: инструмент Naabu для быстрого сканирования портов, что позволяет тестировщикам быстро выявлять открытые порты и потенциальные уязвимости.

HTTP Probing: инструмент HTTPX от projectdiscovery используется компанией CHOMTE.SH для создания подробных отчетов. Он позволяет определить используемые технологии, обнаружить неправильную конфигурацию и получить представление о потенциальных проблемах безопасности.

Перечисление сервисов: Nmap для обнаружения открытых портов и сервисов на целевых системах, что позволяет тестировщикам сосредоточиться на анализе и оценке конкретных запущенных сервисов.

👉Ссылка: https://github.com/mr-rizwan-syed/chomtesh

🔥🔥🔥Отказ от ответственности: см. в постах выше.

#port_scanning #Naabu #vulnerability testing #open_ports #security_testing #HTTP_probing #HTTPX #CHOMTE.SH #technology_detection #configuration_assessment

🤕🤕🤕https://boosty.to/denoise_lab/donate - фишки кода, полезные фичи или просто если вы хотите поддержать наш канал.