Олег Петров

Можно сделать так.

# Создаем словарь где опредляем, приоритет каждого элемента
dict_to_sorting = {
    1: 1,
    2: 2,
    3: 3,
    4: 4,
    # и так далее
    'a': 10,
    'b': 11
    # и так далее
}

list_for_sorting = [2, 3, 4, 'b', 'a', 1, 2]
result = sorted(
    # Что сортируем
    list_for_sorting,
    # Функция опредляющее правило получения значения для каждого элемента
    key=lambda x: dict_to_sorting[x],
    # Флаг, указывающий следует ли производить сортировку в обратном порядке.
    reverse=True
)
print(result)

s = "3312123989"

l = [' '] * 10
for c in s:
    l[ord(c) - ord('0')] = c
l = [d for d in ''.join(l).split() if len(d) == 4]
print("yes\n" + l[0] if l else "no")

Предыдущий вариант не отвечает на 2 вопрос.

x = "32854"
y = sorted(list(x))
z = y[0]
a = [z]

for i in y[1:]:
	if int(i) - 1 == int(z):
		z = i
		a.append(i)

if len(a) > 1:
	print('Да')
	print(''.join(a))
else:
	print('Нет')

Не знаю в каких банках пишут на cobol, но в default city везде уже давно аджайл, блокчейн и все кодят приложеньки на python, java, c++.
Актуально для крупных банков, инфа 100%

Вашингтонская специализация по ML мне показалась удачной. Недавно прошел ее первый курс - "Machine Learning Foundations: A Case Study Approach", сейчас изучаю второй - "Machine Learning: Regression". После курса ML от Эндрю Ына сначала показалось простовато, но, несмотря на более прикладной характер вашингтонской специализации, в нее включены некоторые алгоритмы, на которые у Ына места не хватило.
Также большой плюс - в конце каждой недели есть не только тест, но и большое практическое задание (используется iPython Notebook, модули GraphLab, NumPy и т.д.), причем сначала используются готовые рабочие инструменты, а по мере продвижения нужно будет и собственные алгоритмы писать на Python'е. Видно, что труда в курс вложено достаточно, а это показатель того, что курс будет полезен.

Если брать для сравнения курс Университета Джона Хопкинса "Practical Machine Learning" из специализации Data Science, то там все менее динамично и недостаточно практических заданий.

Есть еще одна схожая специализация из Вашингтонского университета - "Tackle Real Data Challenges", но ее очень сложно воспринимать из-за достаточно монотонной подачи ведущего плюс практика предложена странная - предлагается поучаствовать в любом конкурсе на Kaggle (что само по себе, конечно, обязательная вещь, но нужны еще задания обучающие) и написать по нему обзор, что гораздо больше бы подошло курсу гуманитарной направленности, но никак не технической.

P.S. К курсам российского производства у меня отношение скептическое. Если уж американцы в половине случаев не тянут, то чего ждать от отечественных производителей. Со специализацией МФТИ и Яндекса я, конечно, предварительно ознакомился. Начало динамичное - преподаватели вроде бы не страдают бубнением, активно жестикулируют (что тоже очень важно для более быстрого восприятия и концентрации внимания), на заднем фоне цветы, красивая мебель - все это очень хорошо. Если будет время в промежутках между вашингтонскими курсами, то обязательно пройду и этот курс.
Пока что доступен только первый курс - там собственно машинного обучения нет (только линейная алгебра, начала анализа и Python). Но уже прослеживается нехорошая тенденция - курс состоит всего из 4 недель (понятно, что на математику и начальные знания по модулям больше тратиться не хочется, но что мешает добавить чего-то более существенного, более сложного), а в Вашингтонском первый и второй курсы (дальше пока не смотрел) - 6-недельные (по моему, меньшее количество недель в любом курсе - это явно мало, учитывая, что первая неделя в любом курсе - вводная), причем в первом же курсе в быстром темпе, но довольно подробно дан обзор по основным базовым темам и алгоритмам ML, разве что кроме нейронных сетей.
Так что не воспринимать курс МФТИ и Яндекса как что-то более, чем дополнение к основным курсам Coursera либо рассчитанное на совсем уж начальную аудиторию, пока что особых оснований нет.

homepages.inf.ed.ac.uk/pkoehn/publications/gann94.pdf

Combining Genetic Algorithms
and Neural Networks

Philipp Koehn
December 1994

https://scholar.google.com.ua/scholar?q=cs+genetic...

Нет смысла писать свой велосипед если не знаешь с какой стороны подойти к задаче распознавания. С наукой под названием "Компьютерное Зрение" в целом следовало бы ознакомиться, но не думаю, что это гарантирует столь же хороший результат, что и готовое ПО, в которое вложено много человеко-лет.

Исходя из описания задачи может подойти связка Tesseract + Python или связка с Go (если решать по серьёзному) и его горутинами для потоковой обработки картинок:
Горутины: всё, что вы хотели знать, но боялись спросить
Go: производительность горутин

какой у тебя на работе будут язык использовать тот и перспективнее лично для тебя.
Но я вот совет дам, не вкладывай много сил в DSL языки (языки специального назначения типа R).
Грубо говоря это язык который заточен под одну задачу (например матрицы считать), в итоге если ты хочешь реально создавать продукты, и твои задачи шире чем просто считать матрицы считать, то ты вынужден будешь все равно вкладываться в языки общего назначения, ну а дальше ты узнаешь что в языках общего назначения можно решать все теже задачи (а используя библиотеки, можно даже решать их похожим образом), НО при этом твои возможности не ограничиваются только какой-то одной сферой, в итоге тебе удобнее станет решать задачи просто использовать один инструмент, а не под каждую задачу осваивать отдельный язык.
Хорошие специалисты-программисты как правило очень универсальны, задачи и сферы мигрируют, и у кого лучше база, кто более гибкий -> тот и выигрыает на длительном интервале.
R можно уже забыть, там никаких плюсов нет, создавался он когда не было подходящих инструментов в языках общего назначения, сейчас там все инструменты есть, и даже значительно больше.
Другое дело какой выбрать язык общего назначения, и тут очень богатый выбор.
Сейчас потребности инфраструктуры выстроенны таким образом (очень разнородная архитектура, многоядерные процессоры даже на телефонах, многоКластерные конфигурации даже у простых предпринимателей).
Современные потребности инфраструктур ставят определенные требования к языку на которых можно реализовывать возможности железа -> и это языки которые переходят на более высокий уровень абстракции, языки реализовывающие парадигму Функционального Программирования, она хорошо перекладывается на многоядерные, многопоточные, многокластерные системы.
Наиболее перспективные языки и реально используемые в бизнесе -> это RUST, SCALA, SWIFT, ES6 они немного на разные платформы ориентированны, но как правило их можно везде использовать и на других платформах (например на SCALA можно как компилировать в код для виртуальной джава машины, так и в нативный код, а также для телефонов или видео карт компилировать, из других языков тоже самое примерно доступно)
сам синтаксис у них процентов на 90 общий.
П. С.
питон норм для обучения, но все равно тормозной и в продакшен на нем ничего не сделать, так что не стоит особо замарачиваться - у него популярность изза того что зарубежом всех школьников (и студентов не программистких специальностей), обучают. Типа считается что он проще, хотя я вот вообще в упор не вижу чем он проще какого-нибудь SCALA.
П. П. С.
язык особо не так важен, как понимание того что ты делаешь. Важны концепции, подходы.
как первый язык можешь выбрать любой (хоть бейсик), через несколько лет лучше поймешь какой именно тебе больше подходит язык.

Можно ли найти человека на почасовую оплату на таких условиях? И где можно найти, чтобы работала делалась добросовестно?

Встречные вопросы:
1. Можно ли найти работодателя, который платил бы за сделанную работу вовремя и без дополнительных просьб и задач?
2. Который всегда бы держал договорённости и никогда не изменял бы их в любой удобный момент в выгодную для себя сторону?
3. Который гарантировал бы исполнение договорённостей сделки со своей стороны максимально эффективно и чётко?

Почитайте:
1. https://sitecoder.blogspot.ru/2016/09/comfortable-...
2. https://sitecoder.blogspot.ru/2015/12/cost-calcula...

Если удалённо контролировать, то искать на биржах или разместить нормальную вакансию на тот же moikrug.ru или rsdn (если не на неделю задача, конечно) и использовать что-то вроде Hubstaff (https://hubstaff.com/) и подобных трэкеров, которые умеют делать регулярные скриншоты экраны и сохранять на сервер. Часть пошлёт, часть согласится, смотря какая почасовая ставка.
Если в офис посадить, то очевидно, что на сайтах по поиску работы (hh, moikrug и т.п.), и сидеть рядом (если просто рядом, то нормально. Eсли постоянно в монитор пялиться, то лично я бы через какое-то время матом попросил смотреть куда-то ещё).

Программиста с почасовой оплатой без траты ни минуты учтенного времени на "чай" Вы никогда не найдете, на условия с тотальным контролем никто за обычную плату не согласится, только с хорошей наценкой и то маловероятно.
Вам наверное лучше четко обговаривать сроки выполнения и отдельно оговорить что в случае превышения сроков уменьшать итоговую сумму оплаты допустим на 5% за каждый день просрочки по вине исполнителя. Ну и само собой в ТЗ должны быть оговорены все требования к продукту и используемые технологии. В случае дополнительного "хочу вот эту плюшку" с Вашей стороны срок обговаривается заново.

Учить надо не язык, а область Computer Science, которая называется машинное обучение.