Mr.Linux()

DataLover 📊
Master of (UDV)
Agnóstico_Tecnologico.();

[Mr.Linux() @FsocietyUbuntu]

🐧.dev

[Kyros @IamKyros69]

Jensen Huang predicted the Future of GPUs back in 2009

[Fazt @FaztTech]

Sin Linus Torvalds, probablemente hoy no tendríamos Git. ¿Se imaginan cómo sería el desarrollo de software sin él?

[Doctor John Wick @Dr_Wick_Ec]

📌Si babeas al dormir😴 🛏 💤
***PREOCUPATE***

Puedes revisar 5 condiciones para ello! 🔍🚧🙈

[Mobile Hacker @androidmalware2]

DroidRun brings AI-driven automation to Android:
✔ Auto-fill OTP codes
✔ Automate app/device initial setup
✔ Security/malware testing with #Frida running in the background
✔ Automate food orders & shopping
https://t.co/2MiSffCzRp by @droid_run

[Tech with Mak @techNmak]

What is RAG? What is Agentic RAG?

𝐑𝐀𝐆 (𝐑𝐞𝐭𝐫𝐢𝐞𝐯𝐚𝐥-𝐀𝐮𝐠𝐦𝐞𝐧𝐭𝐞𝐝 𝐆𝐞𝐧𝐞𝐫𝐚𝐭𝐢𝐨𝐧)
RAG connects a generation model to external knowledge through retrieval.

Here’s how it works -
1./ A user submits a query.
2./ The system searches a pre-indexed set of documents (typically stored in a vector database).
3./ The most relevant chunks are retrieved.
4./ These chunks are appended to the original query.
5./ The combined input is sent for generation.

The goal?
To provide the model with context so it can generate more accurate, source-aware responses.

But in traditional RAG, everything happens in a single pass - no planning, no evaluation, no retrying.

------

𝐀𝐠𝐞𝐧𝐭𝐢𝐜 𝐑𝐀𝐆
Agentic RAG builds on the same foundation but introduces intelligent agents, each with a specific role - to improve the overall process.

Instead of a single static pipeline, Agentic RAG becomes 𝐚 𝐦𝐮𝐥𝐭𝐢-𝐬𝐭𝐞𝐩, 𝐚𝐝𝐚𝐩𝐭𝐢𝐯𝐞 𝐬𝐲𝐬𝐭𝐞𝐦.

Here's what it typically includes -
1./ A Planning Agent that breaks down the user query and decides what needs to be retrieved.
2./ A Retrieval Agent that reformulates the query (if needed) and pulls in information, not just from documents, but potentially from APIs, tools, or dynamic sources.
3./ A Generator Agent that constructs a response using the retrieved data.
4./ A Judge or Evaluation Agent that reviews the output. If it’s not good enough, the system can refine its plan or regenerate the answer.

This setup allows for -
- Iterative reasoning
- Self-correction
- Tool integration
- Dynamic, context-aware responses

------------

Follow @techNmak

[Miguel Ángel Durán @midudev]

¡Mega novedad en CSS!
Crea animaciones de entrada y salida de tus elementos.
Conoce la nueva regla starting-style.
Soporte total en navegadores modernos.

Te enseño cómo funciona en 2 minutos ↓

[Kyros @IamKyros69]

Google's first ever office (1998)
Recorded by their sixth employee.

[Miguel Ángel Durán @midudev]

Cómo usar IA para generar voz en Español en 10 líneas de código:

[Latin NCAP @LatinNCAP]

Cinco estrellas para el Hyundai Tucson. Conoce la seguridad de tu próximo carro con las pruebas de choque de Latin NCAP

[Hombre Imparable @Hombrelmparable]

Tú no puedes vivir tu vida estando pendiente de la opinión de los demás...

[Juan Camilo Moncada Arango @JuanCamilo98231]

@SonnyRespeto2 Prefiero seguir corriendo que quedar oliendo a Loko 🤣🤣🤦🏻

[Sonny @SonnyRespeto2]

No se puede joder tanto.
Pobre Rocky Ladroga.

[Mr.Linux() @FsocietyUbuntu]

@5eniorDeveloper Ya eso no es así habemos muchos gymrats

[Ivan Castañeda @ivancastl]

Monitoreo Preventivo de Actividades Maliciosas en Telegram

Les comparto el código de un sistema basico de Monitoreo en Telegram, diseñado para OSINT defensivo, análisis de amenazas y prevención de distribucion masiva de filtraciones.

En numerosos casos, los actores maliciosos comienzan a coordinar ataques o a intercambiar información comprometida a través de grupos de Telegram antes de ejecutar sus acciones. La detección temprana de estos comportamientos permite anticipar posibles filtraciones, activar medidas preventivas y mitigar el impacto antes de que la información se difunda de forma masiva.

Funciones Principales

1. Generación de sesión segura mediante credenciales personales (API ID y API Hash).

2. Monitoreo en tiempo real de usuarios, canales y grupos específicos.

3. Búsqueda avanzada de usuarios por palabras clave, con obtención automática de sus identificadores (user IDs).

4. Extracción completa del historial de mensajes de cualquier grupo o canal autorizado.

5. Raspado masivo de todos los grupos del usuario, con filtros inteligentes por términos o patrones relevantes.

6. Seguimiento integral de usuarios, identificando su participación en distintos grupos y posibles vínculos entre comunidades.

Gestión de Incidentes y Reportes

Cuando se detecta que un grupo o canal comparte información sensible, filtraciones o material que vulnera políticas de seguridad, el sistema permite emitir reportes conforme a las políticas de uso de Telegram.
Esto facilita que la plataforma evalúe y, en muchos casos, suspenda o elimine dichos espacios, evitando la propagación de datos confidenciales y reduciendo el riesgo institucional.

👇
https://t.co/hPEAXCnhrl

[Python Programming @PythonPr]

RAG - Retrieval Augmented Generation

[Python Programming @PythonPr]

4 Stages of LLM Traning

[Python Programming @PythonPr]

How to Design a Neural Network

[Miguel Ángel Durán @midudev]

Este repo es una joya: tutoriales crear agentes de IA.
Listos para producción y con casos de uso reales.
Todo el código disponible y explica cómo desplegarlos:
https://t.co/Bf4WLIdNmM

[NeutralLayer @NeutralLayer]

@oscarlopeztwit 24 millones de € no te da ni para pipas "chiqui" ... para dimensionar la tontería que acabas de decir... Bank of China prevé una inversión enorme de unos 138.000 millones de dólares en los próximos cinco años