Арсений Кравченко

web и realtime - немного из разных миров, потому, что наличие сети подразумевает задержки в передаче/получении данных. Realtime - это не про ежеминутно, это про еже-нано/микросекундно.

Код. Тайный язык информатики — Чарльз Петцольд.

Те, кто считает, что университет учит учиться, что он настраивает мозги на нужный лад — просто не пишите об этом здесь пожалуйста.

Те, кто считает что это не так - идут во фриланс, до 30-ти сидят там и формошлепствуют, после 30-ти внезпано прозревают и начинают ныть, что их обманули и в ИТ вовсе нет легко достающихся сверхзарплат.

На самом деле Вы хотите от нас не ответа на вопрос. На самом деле Вы решение уже приняли, и хотите от нас услышать подтверждение в его правильности. Ну так фиг Вам.

Хотите уже сейчас идти формошлепствовать? You are welcome. Тысячи таких же, как Вы сидят на апворке зарабатывая на дошик. Хотите загнать себя в тупик - гоните. Быть может Вам удастся стать гением фриланса, к которому записываются за полгода. Если же нет - тут недавно вопрос был похожий - чувак в 30 лет спрашивал, как ему теперь дальше?
Только не говорите, что 30 лет - это черт знает когда будет. Это будет гораздо скорее, чем вы думаете. И жизнь не кончится.

Вуз не дает актуальных знаний. От слова совсем. Образовательная бюрократия такова, что вуз может дать только вечную неустаревающую классику и научить методике усвоения знаний.

Решение в любом случае за Вами.
- С образованием Вас возьмут всюду, куда сможете пробиться
- Без образования Ваш удел - фриланс и мелкие конторы, которые обычно кладут на наличие вышки.

В ИТ нет легких и быстрых денег. Если Вы хотели этого - я Вас разочарую.

тратить еще 3 года драгоценного времени и пачечку родительских денег.

Во-первых, ваше время ничего не стоит.
Во-вторых, с чего такая уверенность, что вы за эти три года заработаете хотя бы столько, сколько хватило бы на оплату учёбы?
В-третьих, потом всё равно придётся идти за корочкой. Не бросайте.

Как-то весьма сумбурно. И как мне кажется - заход не с той стороны.
Поясню.
1. ML - это не PHP, Python или С++. Это в первую очередь знание и опыт применения методов - как вы пишете - "предугадывания" (в том числе, конечно). Поэтому опыт ваших программистов - это последнее, о чем следует заботится, если вас интересует "Ещё раз подчеркну — исследование"
2. Ну предположим, найдете вы что-то вроде self-hosted AutoML Tables. Теперь читаем "AutoML Tables enables your entire team of data scientists, analysts, and developers to automatically build and deploy state-of-the-art machine learning models on structured data at massively increased speed and scale." Т.е. в первую очередь - специалисты по DS и аналитики! Они у вас есть? Если есть - то спросите их, с какими инструментами они хотят работать. Если нет, то.... чудес не бывает.
3. Вот когда вы подберете DS-специалистов, когда они продумают, каким образом надо анализировать ваши данные, выполнят Feature engineering, подберут (выберут) хотя-бы класс методов, которые имеет смысл применять, проведут пилотное исследование данных, приблизительно оценят их перспективность - и вполне может ( и скорее всего так оно и будет) оказаться, что именно для вашей задачи возможностей AutoML не хватает, - вот тогда и надо будет говорить и о фермах видеокарт и об опыте конкретных девелоперов.
И рекомендую в самом начале пути осознать, что AutoML - это вовсе не мясорубка - на вход кусок мяса, на выходе - фарш.
4. А так, AutoML систем на рынке достаточно. Ну, на вскидку - H2O AutoML,Auto-WEKA, TransmogrifAI, Firefly и т.д. Вот тут последний (по времени) обзор
https://www.datasciencecentral.com/profiles/blogs/...
и неплохие ссылки для дальнейшего чтения.

P.S. И, кстати, 5 ГБ логов - это весьма скромный объем, тем более для всякого типа AutoML.

Математику

А на чем написаны плагины для питона по вашему?

Если хотите попрактиковаться в машинном обучении, то взгляните на https://www.kaggle.com/

Так как это риалтайм, то у вас обязательно будут вебсокеты на клиенте, а на сервере событийный фреймворк или рантайм. Мой личный выбор либо socket.io + fastify (nodejs), либо phoenixframework.

Вы все с ума сошли чтоли с этими сетями? У вас график функции, то что вы называете «тэндэнциями» - это в математике называется «тангенс угла наклона касательной к графику функции в точке». Оно же «производная функции в точке», оно же «геометрический смысл дифференциала функции».

А ты точно читал определение этих терминов? Или просто решил время сэкономить задав рандомный вопрос? )

Машинное обучение это область AI. Deep Learning это область машинного обучения. Big Data - большие данные(???), которые нужны для всех терминов, которые тебя интерисуют. Наука о данных = все вышеперечисленное + еще больше.
Я не вижу смысла писать тут огромные тексты того, что и так в избытке есть в интернете. Если ты хочешь что-то конкретное, то спрашивай конкретно. Сейчас же я просто вижу лень открыть туже википедию.

По-моему, начать лучше с того, чтобы найти какого-нибудь эксперта и поговорить с ним вживую часик-другой. Может даже договориться заплатить за консультацию, если среди друзей такого не найдется.
Чересчур общий вопрос для такого сервиса вопросов-ответов, как Тостер.

aiohttp

Задам вопрос - а зачем вам нейронная сеть? Дело в том, что ваша задача КЛАССИЧЕСКАЯ задача классификации, к которой сводятся практически все задачи медицинской диагностики до знаменитого IBM Watson включительно.
Нейронная сеть в реалии нужна тогда, когда классические методы не работают, ну например, при очень сложных и запутанных связях между входными параметрами (как в распознавании визуальных образов или в распознавании смысла текста), причем еще одно важнейшее условие - наличие реально очень-очень-очень-очень большого количества входных данных (от десятков тысяч до миллионов). И только при этих условиях НС способны дать хоть какой-то выигрыш по точности, по сравнении с классикой. Первого в вашем случае точно нет, а второе - очень вероятно, что нет.
Кроме того, напомню, что в медицине никто и никогда не примет результат вашего исследования, если вы не будете способны его интерпретировать (термин "доказательная медицина" надеюсь, вам знаком, как и ее основные требования). НС этим свойством не обладают, классические алгоритмы - обладают.
Так приведите хоть один аргумент - кроме моды - в пользу НС.
Если же все таки примете решение применять традиционные алгоритмы машинного обучения - можно будет думать и обсуждать, какого класса алгоритмы лучше применить и как его реализовать.
Удачи.