🔲 آموزش ساخت پیلود Reverse shell در پایتون
📝 زبان: فارسی
👤 مدرس: ابوالقاسم احمدیان
📌 جلسه 6- بخش پایانی - اجرای پیلود
#ویدئو #امنیت #هک #پیلود #ریورس_شل
#Video #Security #Hack #Reverse_Shell #Payload
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

مدلهای تولید تصویر واقعا خیلی پیشرفت کردند. هم سریع شدن و هم کیفیتشون خیلی بالا رفته. این یک مدل جدید هست که از روی text یا پرامپت تصویر ۳ بعدی درست میکنه.
https://huggingface.co/spaces/ginipick/text3d
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

معرفی #کتابخانه #PyPOTS
کتابخانه PyPOTS یک ابزار متن‌باز برای تحلیل و مدل‌سازی داده‌های سری زمانی با مقادیر گمشده است. این کتابخانه شامل مدل های دیپ لرنینگ معروفی از جمله TimeMixer، iTransformer، PatchTST، Informer و ... برای پر کردن مقادیر گمشده(Imputation) است.
در ضمن تسک های Forecasting, Classification, Clustering, Anomaly Detection هم توسط تعداد محدودی از مدل ها در این کتابخانه ساپورت می شود.
🔹 PyPOTS website
🔹 Github
🔹 Tutorials for PyPOTS Imputation Models
#Imputation_Methods
#Time_Series_Forecasting
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

سرچ توی کل کانال های تلگرام
⚪️ همه میدونیم که تلگرام بهترین منبع رایگان برای پیدا کردن هر چیزی که وجود داره هست ولی خوب یک وقتایی یک چیزی نیاز داریم و میدونیم هست تو تلگرام اما نمی‌دونیم چطور پیداش کنیم این ابزار بهت کمک می‌کنه.
⚪️ با کمک سایت های زیر میتونید کلمات رو توی تمام کانال های تلگرام سرچ کنید و نتایج رو ببینید.
🔗 سایت اول
🔗 سایت دوم
⚪️ دورک گوگل:

site:t.me "عبارت مورد نظر"

⚪️ اجرای کد زیر روی اکانت (این کد توی تمام کانال هایی عضو هستید جست جو می‌کنه):

from telethon import TelegramClient
api_id = 'Api id'
api_hash = 'Api hash'
query = 'عبارت مورد نظر'

client = TelegramClient('session_name', api_id, api_hash)

async def search_messages():
    async for message in client.iter_messages('username_or_channel_link', search=query):
        print(message.text)

with client:
    client.loop.run_until_complete(search_messages())

➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

ریکشن اتوماتیک
⚪️ توی کد زیر یک ایموجی به عنوان ریکشن مشخص میکنید و هر جا دیگه اون ربات رو ببرید (گروه یا کانال) روی همه پیام ها اون ریکشن رو میزنه.
⚪️ برای اجرا نیاز به یک توکن دارید که از بات فادر بگیرید و یک هاست که پست قبلی چندین ارائه دهنده هاست رایگان رو معرفی کردم.
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

کد مورد نیاز:

<?php

$token = ""; // توکن
$emojis = ["❤️"]; // ریکشن های شما

function bot($method, $datas = []) {
    global $token;
    $url = "https://api.telegram.org/bot$token/$method";
    $ch = curl_init($url);
    curl_setopt($ch, CURLOPT_POST, 1);
    curl_setopt($ch, CURLOPT_POSTFIELDS, $datas);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
    $response = curl_exec($ch);
    if ($response === false) {
        return "Error: " . curl_error($ch);
    }
    curl_close($ch);
    return json_decode($response, true);
}

function handle_message($message) {
    global $emojis;
    $chat_id = $message['chat']['id'];
    $message_id = $message['message_id'];
    $random_emoji = $emojis[array_rand($emojis)];
    bot('setMessagereaction', [
        'chat_id' => $chat_id,
        'message_id' => $message_id,
        'reaction' => json_encode([['type' => 'emoji', 'emoji' => $random_emoji]])
    ]);
}

function handle_updates() {
    $update = json_decode(file_get_contents('php://input'), true);
    if (isset($update['message'])) {
        handle_message($update['message']);
    }
    if (isset($update['channel_post'])) {
        handle_message($update['channel_post']);
    }
}

handle_updates();
?>

➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧‌ ▼꯭‌‌ ⃤

@Technical_coding 💻

🚀 کاستومایز کردن GitHub Copilot در VS Code
👨‍💻اگر می‌خواهید GitHub Copilot در Visual Studio Code دقیق‌تر و هوشمندتر کد بنویسه، می‌تونید به راحتی pre-prompt های سفارشی تنظیم کنید!
با این قابلیت جدید، به Copilot می‌گید که دقیقا چی می‌خواهید، و اون هم کدهای دقیق‌تر و بهینه‌تر به شما میده.
🔹 آموزش تنظیمات و سفارشی‌سازی رو اینجا بخونید:
https://code.visualstudio.com/docs/copilot/copilot-customization
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

اگه میخواهید از سیر تا پیازِ مدلهای زبانی و مدلهای LLM از مفاهیم اصلی تا آماده کردن دیتا، ترینینگ، fine tuning، دیپلوی و مانیتور کردن مدل در محیط production را یاد بگیرید این ۱۱۴ صفحه را بخونید. اندازهِ تمام ۲ سال گذشته مفاهیم اصلی این حوزه را یاد میگیرید.
#هوش_مصنوعی
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

پیچیدگی زمانی 10 الگوریتم محبوب یادگیری ماشین
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

Quick Start Guide to Large Language Models
راهنمای سریع:
مقدمه‌ای بر مدل‌های زبانی بزرگ (Large Language Models) ارائه می‌دهد.
راهبردها و بهترین شیوه‌های استفاده از LLMها مانند ChatGPT را معرفی می‌کند.
مناسب برای توسعه‌دهندگان، محققان داده، و علاقه‌مندان به هوش مصنوعی و کاربردهای مدل‌های زبانی است.
به عنوان مرجعی برای یادگیری نحوه استقرار و مدیریت LLMها مورد استفاده قرار می‌گیرد.
#LLM #LargeLanguageModels #ChatGPT #Book
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

کمپانی HuggingFace یک سری مدل کوچیک به اسم SmolLM2 که تا سقف ۲ میلیارد پرامتر دارند، معرفی کرده که برای خیلی از کارها از جمله بازنویسی متن (rewriting)، خلاصه کردن متن (summarization)، و function calling میتونید راحت به صورت لوکال با سرعت خیلی بالا ازشون استفاده کنید.
HuggingFace link
#LLM
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

🎞️ لينك ويديو
🎛️📡 يادگيري تقويتي يا همان Reinforcement Learning جز مباحثي هست كه خوب براي موضوع پايان نامه و جالب.
💾 از جمله ديتاست هاي معروفش:
1. OpenAI Gym
2. DeepMind Control Suite
3. Atari Games
4. MuJoCo
5. Roboschool
📄از جمله مقالات براي اشنايي:
▪️ Deep Reinforcement Learning: An Overview” by Yuxi Li (2017)
▪️ A Survey on Reinforcement Learning Algorithms for Control and Decision-Making Problems
#کلاس_آموزشی #منابع #فیلم #یادگیری_تقویتی #پیشرفته #مقاله
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

معرفی #کتاب های #یادگیری_عمیق و #یادگیری_ماشین:
✅ Data Mining and Machine Learning (Zaki)
👉link
✅ Deep Learning
Foundations and Concepts, 2023, (Bishop)
👉link
✅ Pattern Recognition and Machine Learning (Bishop)
👉link
✅ Deep Learning (Goodfellow )
👉 link
✅ Probabilistic Machine Learning_ An Introduction, 2022 , (Murphy)
👉link
✅ Probabilistic Machine Learning: Advanced Topics, 2023 , (Murphy)
👉link
✅ Dive into Deep Learning ,2023
👉link
✅ Linear Algebra and Optimization for Machine Learning
👉link
✅ Deep Learning with Python: Chollet, Francois
👉 link
✅ Deep Learning with PyTorch Step-by-Step
👉 link
✅ Mathematics for Machine Learning
👉 link
✅ Hands-On Data Preprocessing in Python
👉 link
✅ Mastering Machine Learning Algorithms
👉 link
✅ Generative Deep Learning (David Foster)
👉 link
#هوش_مصنوعی #آموزش #شبکه_عصبی #مدل_های_دیپ_لرنینگ
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

کاربرد های زبان های برنامه نویسی در عکس مشخص شدند که هر زبان برای چه کاربردی هایی هست و همچنین اگر کاربردی داشتین سراغ کدام زبان های برنامه نویسی میتونید برید.
#برنامه_نویسی #زبان_برنامه_نویسی #پایتون #مطلب #متلب #جاوا #سی #سی_پلاس_پلاس #جاوا_اسکریپت #آر #اسکالا #کد_نویسی #کدنویسی
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

Reinforcement Learning: An Overview1
کتاب یادگیری تقویتی: مروری ۱
#کتاب #منابع #یادگیری_تقویتی
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

آنالیز فعالیت ها توی تلگرام
⚪️ با اجرا کردن این کد روی اکانت تلگرام میتونید با ارسال دستور /status در هر زمان که خواستید یک آمار روزانه از فعالیت خودتون توی تلگرام ببنید با کیا بیشتر صحبت کردید چقدر توی تلگرام وقت گذروندید و ...
آموزش استفاده
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

کد مورد نیاز:

from telethon import TelegramClient, events
from datetime import datetime, timedelta
from collections import Counter

api_id = 'Api Aid'
api_hash = 'Api hash'

client = TelegramClient('user_session', api_id, api_hash)

activity_log = []

@client.on(events.NewMessage)
async def track_activity(event):
    activity_log.append({
        'chat_id': event.chat_id,
        'chat_name': (await event.get_chat()).title if event.is_channel else (await event.get_chat()).first_name,
        'time': datetime.now(),
        'type': 'channel' if event.is_channel else 'chat'
    })

@client.on(events.NewMessage(pattern='/status'))
async def send_status(event):

    now = datetime.now()
    today_log = [log for log in activity_log if log['time'].date() == now.date()]


    chat_counter = Counter(log['chat_name'] for log in today_log if log['type'] == 'chat')
    channel_counter = Counter(log['chat_name'] for log in today_log if log['type'] == 'channel')
    total_time_spent = sum((log['time'] - today_log[i - 1]['time']).seconds for i, log in enumerate(today_log[1:], 1) if today_log[i - 1]['chat_id'] == log['chat_id'])


    response = "📊 **گزارش فعالیت امروز:**\n\n"
    response += "👥 **چت‌های برتر:**\n"
    for chat, count in chat_counter.most_common(5):
        response += f"- {chat}: {count} پیام\n"
    
    response += "\n📣 **کانال‌های دنبال‌شده:**\n"
    for channel, count in channel_counter.most_common(5):
        response += f"- {channel}: {count} پیام\n"
    
    response += f"\n🕒 **زمان کل در تلگرام:** {timedelta(seconds=total_time_spent)}\n"

    await event.reply(response)

async def main():
    await client.start()
    print("کلاینت فعال شد!")
    await client.run_until_disconnected()

if __name__ == '__main__':
    import asyncio
    asyncio.run(main())

➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧‌ ▼꯭‌‌ ⃤

@Technical_coding 💻

Python Machine Learning
یادگیری ماشین پایتون
#هوش_مصنوعی #کتاب #یادگیری_ماشین #پایتون
#MachineLearning #DeepLearning #python #AI #book
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻

The Transformer Architecture: A Visual Guide
🔗 Link_discretion
#بروشور
➖➖➖➖➖➖➖➖➖➖➖
♡⠀        〇⠀         ⎙⠀      ⌲⁣
ʟɪᴋᴇ   ᴄᴏᴍᴍᴇɴᴛ   sᴀᴠᴇ   sʜᴀʀᴇ

▼‌⃫╁‌⃕ ⸦𝙹𝙾𝙸𝙽 𝙸𝙽 ⸧͜ ▼꯭‌̶ ⃤

@Technical_coding 💻