Растишка

Вопрос "как обратиться через аякс к свойству класса пхпе" является заведомо бессмысленным. JS не работает со свойствами классов в РНР.
Поэтому в решении таких проблем очень помогает логика.
Если отставить в сторону "свойства", то мы получим довольно простую формулировку вопроса: "почему синхронный и асинхронный запрос к одному и тому же скрипту возвращают разные данные?". И здесь уже, рассуждая логически, можно прийти к очевидному ответу: эти запросы обращаются к разным бэкендам. То есть, чтобы решить проблему, надо либо обновить код на том сервере, к которому обращается fetch, либо делать запрос на тот сервер, который возвращает правильные данные.

Это если исходить из предоставленных данных. Вполне вероятно, что автор запутался где-то ещё. Но тут уже ему придётся разбираться самостоятельно. Но опять же, рассуждая логически, а не "Почему не получается обратиться к свойству php через асинхронный запрос?".

можно, есть несколько вариантов:
1. софт для модификации раскладки - для виндовс Microsoft Keyboard Layout Creator, для мака - Ukelele.
качаешь, корректируешь свои раскладки.
2. забиндить любую клавишу (или сочетания) для ввода именно запятой через например AHK (фреймворк для обработки нажатий клавиатуры и мышки)
------
рекомендую первый вариант, чтоб не было проблем со сторонним софтом.
я через первый вариант делал одинаковые раскладки для ввода дополнительных символов, что на английской раскладке что на русской, просто используя разные модификаторы - например с шифтом + цифры, вводятся знаки !"№;%:? и тд, а альт + цифры вводятся ~@#$%^&/ для обеих раскладок.

В AyuGram можно(необходимо включить в настройках вроде). Открытый исходный код

или Telegram - с разными аккаунтами - под windows10 ?

Во первых в самой телеге можно минимум три акка использовать.
Во вторых можно бесконечно много использовать вебТГ (ограничено лишь ресурсами ПК)
В третьих можно бесконечно много использовать портабельный ТГ с 3мя акками в каждом.

2. Два VPS сервера в разных локациях (например Москва и Казань)

Один, нормально работающий сервер. Не забивайте голову.

Есть два глобальных подхода к автоматизации решения задач:
1. если задачу может решить человек, то задача формализуется, эмпирически (т.е. сам человек, своими размышлениями и экспериментами) формулируются правила, чаще всего переводом в математику, затем они программируются на языках программирования
2. берут какую то универсальную формулу, которая (в теории может описывать любой) описывает требуемую задачу, и каким-либо алгоритмом подбираются ее параметры. Есть кстати алгоритмы, которые перебирают не только параметры но и саму логику формулы.
Одна из самых известных математических формул, которая может описать любой процесс в реальности (с некоторым приближением естественно) - это нейронные сети (есть даже универсальная теорема аппроксимации, показывающая крутость многослойного перцептрона).

Если пользоваться вторым подходом, это может потребовать 'бесконечного' объема ресурсов или 'бесконечного' количества обучающих данных, что само собой не радует, особенно когда львиная доля ресурсов тратится на подзадачу, которая первым подходом уже решена и в сравнении не требует ресурсов вообще.

Если решать задачу вторым подходом, ты можешь скармливать нейросети сырые данные OHLCV, но помним о нормализации, которая при неправильном выборе метода может уже на старте сделать задачу не решаемой за разумный срок (как только реальность выйдет за границы цены в которой была раньше, нейронная сеть сломается).

Поэтому подумай, а как человек классифицирует данные? в каком виде он на них смотрит? в виде графика на котором он рисует линии? вот и представь данные как такой график (нормализуй не от min/max датасета, а текущего фрейма, то что идет на вход нейросети, если что этот подход ничего не гарантирует но как минимум сеть будет видеть то же что и человек).

Есть рекомендация, исключать из обучающих данных атрибуты, которые сильно корелированы, они считаются бесполезными... но важно, какие именно типы данных будут исключены. Индикаторы это некий вид нормализации данных, наличие которых может оказать большое влияние на поиск решения быстрее (т.е. вместо исходных данных, обучающая выборка пусть состоит из различных индикаторов или вместе с ними)

Типичный 'аналитик' начинает рисовать на графиках какие то кривые, обычно по какому то не сложному алгоритму, вот и автоматизируй этот процесс не ИИ алгоритмами, и добавь результат в обучающую выборку, возможно это поможет?

p.s. повторюсь, знание выстраданое многими - бесконечно долго на спекулятивном рынке зарабатывают только обслуга (лопаты продавать эффективнее чем добывать золото), и все места уже заняты и 'охраняются' законодательно (сами биржи и держатели эмиссии, т.е. банки для валют и эмитиенты для ценных бумаг). Все остальные это корм, который кормят крошками чтобы привлечь побольше капитала и забрать все.

И даже если закрыть глаза на манипуляции (в криптовалютах одно время было так что они были слабы) и рассматривать рынок как честный, каждый трейдер торгует против всех остальных, какую бы ты стратегию ты не разработал, долго она не проработает, потому что все изменится и придется разрабатывать эту стратегию заново уже под новые реалии... но данных то на эти реалии у тебя еще нет?!

p.p.s. на спекулятивном рынке можно зарабатывать на постоянной, это тяжелый труд, высокое психо-эмоциональное давление, огромные риски... и речь идет о считанных десятках процентов годовых.

Это задача на классификацию?

Да. Так как у тебя таргет дискретный [Стоплосс, Профит, Безубыток,Таймаут]

Как подойти к задаче?

брать и делать, так появятся более конкретные вопросы. Если абстрактно, нейронная сеть это механизм трансоформации данных, у тебя есть входные данные вложенный массив, на языке математики тензоры определенного порядка, если геометрические трансформации например скалярное произведение матриц (тензоров второго порядка), есть желаемый результат вектор из 4 значений которые можно интерпретировать как вероятности, есть функции потерь которые сравнивает "некая трансформация данных" была полезна уменьшила функцию потерь или нет, есть механизм настройки матрицы весов который позволяет понимать как увелечение или уменьшение определенного значения внутри вектора отражается на функции потерь.

Какие слои и структуры?

Рекурентная нейронная сеть, функция активации relu, кроме последнего слоя там softmax или что типа того что бы можно трансформировать вывод в вектор вероятностей.

Для обучения планирую скармливать нейронке например 1000

Без понятия тюнинг гиперпараметров, а batch size это один из параметров которые тюнятся, делаются после с наблюдением поведения других метрик на тренировочном и тестовом сете.

Надо ли как то предобрабатывать эти свечки или можно скармливать как есть OHLCV?

Надо препроцессинг для time series необходим их много гугли, но однозначно надо.

Фоновой картинкой. Попробовать варианты svg и webp, сравнить по производительности и размеру.

Если делать такие большие блюры на css, будут сильные лаги на странице.

https://github.com/jenssegers/imagehash

Вангую заранее, что вы к апи неправильно обращаетесь.
Вы, скорей всего, обращаетесь как site.ru/v1, а надо как site.ru/api/v1...

И вообще, имеет ли значение в каком из двух этих файлов я пишу, когда делаю api?

Да, конечно. Иначе их (разветвления) не существовало.

Да тут без холивара не обойтись. И да, это факт. Вы своим большим проектом раздули и так раздутый bitrix.
Безвыходная ситуация - поднимайте ресурсы сервера, и миритесь с диким оверхедом битрикса.

P.S. Adamos Ваш комментарий в точку, выносите в ответ, народ должен знать правду.