Teammate

Скорее всего, оно намайнило биткоины. Если бы оно действительно что-то воровало, то открылось бы и закрылось после отправки украденных данных, было бы паливом держать окно открытым. А вот майнер - более вероятен. И ещё есть вероятность, что в этом окне была реклама какого-то казино, но баннерорезка её вырезала и осталось только пустое окно.

Как говорил мне один великий программист из США(уехавший туда из бывшего СССР), что хватит изучать языки, читать книги, начинай делать проект, ставишь цель и стремишься.
Керниган Ритчи: Хочешь научиться программировать?! начни программировать

P.S. Если хочешь могу помочь в развитии, пиши в личку, сброшу аську

У вас среди вопросов уже был подобный и в нём уже указан приоритет технологий для изучения (ответ).

А Petja указал правильный подход изучения каждой отдельной технологии (ответ)

Я хотел бы раскрыть пункт "4. Практика и еще раз практика, решение множества конкретных задач"

За основу можно взять либо то, что нравится лично, либо то, что востребовано.
Первое - более эффективно, потому что заинтересованность - лучший мотиватор.
Второе - более прагматично, потому что решение существующих проблем лежит в основе всех коммерчески успешных проектов. Зарплату программисты получают тоже именно за то, что решают задачи заказчика.

Для примера были взяты свежие задачи с бирж фрилансеров weblancer.net и fl.ru типа "создать тему к CMS", "сделать посадочную страницу" (landing page) или "разработать сайт-визитку".

Были рассмотрены следующие способы изучения:

1. Повторить работы опытных фрилансеров. Исходные макеты либо не дали, либо они уже отличаются от того, что есть на сайте.
2. Включиться в открытый проект. Проблема в том, что сверстать страницы HTML можно несколькими способами, вплоть до image map или таблиц. А сравнить-то результат вёрстки не с чем.
3. Взять где-нибудь бесплатно или купить шаблон, к которому прилагается макет PSD, изучить свёрстанный вариант и повторить. Это оказался самый эффективный способ. Платные шаблоны делают профессионалы, "вылизывают" их, доводят до совершенства. И бесплатные шаблоны есть очень крутые, но их мало.

Мы использовали шаблоны с templatemonster. Там есть шаблоны под популярные CMS и просто HTML шаблоны. Также позже брали примеры из обзоров (35 примеров прекрасных посадочных страниц...) и повторяли несколько из них. Несложный макет в итоге верстается за сутки.

Это покрывает темы (из указанного же списка):

• XHTML, HTML4, HTML5
• CSS2.1, CSS3
• JavaScript, Ajax
• jQuery
• Twitter Bootstrap
• CSS Grids
• CSS Frameworks
• Progressive Enhancement, Graceful Degradation
• Responsive Web Design
• CSS Pre-Processors (LESS / Sass)
• CMS (WordPress, Joomla)
• Data Formats (JSON, XML)
• Internationalization / Localization
• Image Editing Tools (Photoshop, Fireworks, etc.)
• работа со шрифтами

Задачи типовые, а охват тем сразу вот какой обширный. Изучение в интенсивном темпе заняло 2...4 месяца. Профессионалом так быстро не станешь, но на позицию junior уже можно претендовать.

Так что мои советы:
1. Чтобы получить бесценную практику, занимайся реальными вещами, а не учебными примерами
2. Используй опыт профессионалов, чтобы повторять и копировать лучшие решения

Но это не отменяет необходимость изучения учебных примеров. Надо знать, откуда копипастить решения :) Онлайн курсы и правильные статьи очень пригодятся.

По литературе для начинающих и не только отвечал здесь. Далее по срокам вкатывания...

Если для собственных web-разработок, то python нормальный вариант. Можно довольно безболезненно вкатиться, сформировать грамотный фундамент у себя в голове, довольно быстро создать прототип и т.д.

Если намерен идти наемным питонистом-джуниором, то тут может постигнуть разочарование:

1. На реальном рынке python/django - самая невостребованная web-технология, как в СНГ, так и на западе, в сравнении с php/js/ruby/.net и т.д.
2. Полистай вакансии python-джуниоров - там либо требования к годам опыта, либо требования других языков. В общем, не джуниорские требования в основном.
3. В большинстве вакансий python упоминается либо в качестве доп.языка ("будет плюсом"), либо в качестве бэкграунда для дальнейшего переката на Go, либо в качестве технологии для разного рода аналитиков.
4. На фрилансе также не густо в сравнении с php/js/ruby. Опыт/порфолио по web-python там сложновато наработать (гораздо больший спрос на всякие скрипты автоматизации, парсеры и т.д.).
5. Если ты не из столицы (Москва/Питер/Киев/Минск), то про вакансии python-джуниора вообще забудь, в регионах они если и встречаются, то в качестве исключений, подтверждающих правило. Открыл сейчас HH - по моему миллионнику ни одной.

К чему я это всё...типичный путь в python-разработку лежит через условные "5 лет на php" у подавляющего большинства. Python-проекты также подворачиваются волей случая чаще всего. Естественно, эти люди будут отвечать, что от "hello world" до реальной разработки у них ушло от недели до месяца...но тебя это полезной смысловой нагрузки не принесет, кроме иллюзий.

В среднем, на любой web-технологии от знакомства до уверенного джуниора проходит не менее 1.5 лет ежедневного практического (!) обучения. Т.к. уверенный джуниор - тот, кто не менее полугода трудится в реальном командном проекте и показывает результаты, то с python по вышеобозначенным причинам этот срок может увеличиться.

Допустим вам нужно доработать сайт, созданный на конструкторе Х, а вы используете конструктор Y. Импорт готового сайта в конструктор невозможен (насколько я знаю).
Значит, нужно либо переделывать все с нуля с помощью конструктора Y или править код вручную.
Но во втором случае вы столкнетесь с очень грязным, не читаемым кодом.
Оба варианта отнимут кучу времени.

Для визитки-одностраничника конструктор - ну может быть.
Для более крупных проектов типа "информационные сайты, новостники, афиши, развлекательные" - конструкторы использовать нельзя, так как поддержка и развитие ресурсов будет ну очень неудобным.

Т. Сегаран - программируем коллективный разум. Там есть некоторые методы машинного обучения. Сама книжка смесь вэба и Data Mining. Python

В этих двух книгах теория:

Питер Норвиг. Искусственный интеллект: современный подход
Книга П.С. Романов. Основы искусственного интеллекта

Библиотека scikit-learn с реализованными алгоритмами из книг выше. Python

Статья по ней на хабре: Введение в машинное обучение с помощью Python и Sc...

А также пригодится ( на более поздних этапах )
Козлов М.В., Прохоров А.В. Введение в математическую статистику. — М.: Изд-во МГУ, 1987.
Боровков А.А. Математическая статистика. Оценка параметров, проверка гипотез. — М.: Наука, 1984
Боровков А.А. Математическая статистика. Дополнительные главы. — М.: Наука, 1984.

На ранних этапах желательно знать курс теорвера и матстатики из школы. Что такое вероятность, дисперсия величины и т.д - иногда используются эти понятия. Особенно широко в генетических алгоритмах

P.S. Я сам пока учусь, список от человека, который занимается AI уже давно

достаточно сильное математическое образование

факультете "Программная инженерия"

Лол :D

Если много ответов переворошил, то думаю видел: https://cache-mskstoredata04.cdn.yandex.net/downlo...

Я хз, может это супер вуз типа ИТМО или еще чего-то, но я ни на одном айти факультете не видел подобной программы математики.

Учитывая тот факт, что хочешь заниматься искусственным интеллектом - добавь еще парочку НЁХ в тот список, т.к это слишком малоисследованная область.

В машинном обучении достаточно матстата, теорвера и линала.

А если хочешь изучать это:

разработка ИИ в играх, а также нейросети

То первое это даже не ИИ, там обычные алгоритмы поиска и т.д, например алго А-стар творит чудеса, если в качестве эвристики юзать метрику вероятности проигрыша.

Второе же - это просто граф, где на вершинах определены линейные сумматоры. Плюс немного матана вроде градиентов и прочей херни. Изучал по статьям на хабре. Сейчас их еще больше.

p.s сейчас активно изучаю Си и было бы большим плюсом, если именно эти знания можно применить на начале моего обучения

Не советую, слишком много деталей на которые надо будет обращать внимание. Память, выход за пределы массива, и вообще неведомая фигня с обработкой тензоров (многомерные массивы, часто 3-хмерные и 4-хмерные, иногда пяти-мерные ) - сам понимаешь, на си можно ногу сломить.

Советую питон, язык элементарный, изучается за пару дней при должном знании языков вроде си и плюсов, т.к интуитивно все будет просто, что задашь вопрос: "А ЧЕ ТАК МОЖНО БЫЛО? ЫЫЫ"

Мой ответ будет несколько груб и не типичен, однако: "Станьте говнокодером!"
Я не шучу - берите реальные задачи и решайте их как можете - по наитию, по кривым советам из гугла и stackoverflow, но главное - делайте законченные решения, получайте результат который работает.
Любую задачу сначала решайте сами - нужно сделать сортировку - пишите алгоритм и радуйтесь, что он работает. А уже потом - читайте как надо сделать, и только после этого (если почувствуете потребность!) - читайте теорию.
Все книги что вы написали безусловно волшебны и необходимы для отличного программиста, однако без практики они - пыль, которая развеется спустя неделю после прочтения. Поверьте мне, я их все читал :)
Кстати Кнута я бы вычеркнул без раздумий - для его чтения и понимания нужен очень хороший мат-базис и опыт в программировании. Если случиться, что вы будете писать оптимизированные библиотеки для обработки данных на С - тогда и начинайте его читать, очень пригодится, отвечаю )
Пример обучения:
1. Ставим задачу. Пример - написать приложение, которое выводит топ-10 вопросов на Тостере.
2. Разбиваем задачу на проблемы которые надо решить. Пример - развернуть рабочее окружение, понять как сделать "Hi world", как работать с сетью, как парсить HTML
3. Решаем проблемы. В лоб. Задание - на скорость, всё должно быть решено в кратчайшие скроки. Для каждой проблемы используем любое решение которое попалось под руку. Буквально - первое, это важно! То есть реально ковнокодим, забивая на всё - на красоту кода, на оформление, на скорость, лишь бы работало! Девиз этого этапа - херак, херак и в продакшен! Результат этапа - рабочее приложение.
4. Делаем поверхностный анализ. Задача решена? Есть ли косяки которые уже не нравятся? Как их можно решить, исходя из минимального опыта? Локализуем проблемные участки исходя из собственных взглядов. Результат этапа - опыт самостоятельного анализа кода.
5. Делаем глубокий анализ. Пытаемся для каждой задачи подобрать лучшее решение из тех что есть. Читаем теорию о том, как надо делать на самом деле. Изучаем и внедряем паттерны, пытаемся сделать код, который можно переносить в другой проект. Важно не менять условия задачи, вроде "а можно же ещё вывести ответы на вопросы". Не можно, задача должна оставаться прежней. Результат этапа - хороший код и выявленные пробелы в знаниях.
6. Отдыхаем, читая теорию в рамках решённых задача и около них. Результат - теория, подкреплённая практикой.
7. GOTO 1.