asd111

Жми ctrl+ shift+ f10. Эта команда запускает текущий файл.

chriskiehl.com/article/parallelism-in-one-line

Сначала делаешь lock, потом меняешь переменную, потом убираешь lock.

import threading
import time
import inspect

class Thread(threading.Thread):
    def __init__(self, t, *args):
        threading.Thread.__init__(self, target=t, args=args)
        self.start()

count = 0
lock = threading.Lock()

def incre():
    global count
    caller = inspect.getouterframes(inspect.currentframe())[1][3]
    print "Inside %s()" % caller
    print "Acquiring lock"
    with lock:
        print "Lock Acquired"
        count += 1  
        time.sleep(2)  

def bye():
    while count < 5:
        incre()

def hello_there():
    while count < 5:
        incre()

def main():    
    hello = Thread(hello_there)
    goodbye = Thread(bye)


if __name__ == '__main__':
    main()

Но это не лучший вариант, лучше использовать блокирующие очереди или thread local переменные.

В питоне можно использовать очень простую многопоточность из пары строк:

import requests
from multiprocessing.dummy import Pool as ThreadPool 

urls = [
  'http://www.python.org', 
  'http://www.python.org/about/',
  'http://www.onlamp.com/pub/a/python/2003/04/17/metaclasses.html', 
  ]

def my_get_url(url):
    result = requests.get(url)
    return result

# Делаем thread pool и указываем количество потоков
pool = ThreadPool(4) 

# Запускаем функцию my_get_url в несколько потоков на списке urls и складываем все результаты в список results
results = pool.map(my_get_url, urls)

#ждем завершения всех потоков
pool.close() 
pool.join()

Код не проверял, но наверно работает.

Обычно потоки не возвращают значений, а записывают их в list или куда нибудь ещё.
Я бы ваш пример написал так(кстати в results находятся все скачанные страницы):

from multiprocessing.dummy import Pool as ThreadPool
from pprint import pprint

import requests

pattern = 'http://www.astateoftrance.com/episodes/episode-'
start_url = 700
urls_list = []


def gen_urls(start):
    for i in range(start, 800):
        url = pattern + str(i) + '/'
        urls_list.append(url)


def my_url_get(url):
    result = requests.get(url)
    print("{url} was Downloaded".format(url=url))
    return result


gen_urls(start_url)
pprint(urls_list)

pool = ThreadPool(20)
results = pool.map(my_url_get, urls_list)
pool.close()
pool.join()

pprint(results[0].content.decode('utf-8'))

pprint

Попробуй так:

try: 
    bot.polling(none_stop=True, interval=0)
except Exception:
    pass

И глянь как обрабатывать Excetion'ы в python pythonicway.com/python-exceptions-handling
https://docs.python.org/3.6/tutorial/errors.html#e...

Есть два способа.
1. В Chrome нажимаешь F12 идешь во вкладку Network, перезагружаешь страницу и смотришь откуда что грузится.
2. Взять Selenium для python и в качестве драйвера использовать phantomjs stackoverflow.com/questions/13287490/is-there-a-wa...

Попробуй так :bot.send_photo(message.chat.id, img)

Да. Достаточно правильно настроить location для php и python в nginx.

Попробуйте pool = Pool(processes=5)
Здесь processes=5 это количество одновременных потоков, соответственно чем больше тем быстрее( в разумных пределах)

Системное администрирование.

Chrome F12 Network и смотрите какие запросы куда идут. Потом повторяете те же самые запросы с помощью библиотеки grab и получаете нужные ответы.

Если речь идет о веб разработке,то:
Django, SQL, горизонтальное и вертикальное масштабирование БД, нормализация данных в БД, кэширование(Memcache или Redis), ElasticSearch или Sphinx для полнотекстового и фасетного поиска и в целом с такими знаниями можно найти работу в сфере веб разработки.
Ещё полезно знать javascript, HTML, CSS, AJAX, websocket.

Есть ещё linkedin. Регистрируйся, создавай резюме, ищи работодателей, да и просто знакомых.

Куча математики - так оно и есть. Машинное обучение по сути это большое количество матриц, векторов, производных и т.п., другими словами это больше математическая дисциплина чем дисциплина области компьютерных наук.
Лекции Яндекса
Примеры ski-kit
Доки ski-kit
Доки pybrain
Книга machine learning in python
Курсы edx
Курсы Stanford university те же что и на coursera
Курсы udacity
Самая современная библиотека для machine learning от google -
tensor flow

Насколько я понял вы хотите создать пул потоков и потом его использовать.
Для этого есть threading pool.

пример:

import urllib2
from multiprocessing.dummy import Pool as ThreadPool

urls = [
	'http://www.python.org',
	'http://www.python.org/about/',
	'http://www.onlamp.com/pub/a/python/2003/04/17/metaclasses.html',
	'http://www.python.org/doc/',
	'http://www.python.org/download/',
	'http://www.python.org/getit/',
	'http://www.python.org/community/',
	'https://wiki.python.org/moin/',
	'http://planet.python.org/',
	'https://wiki.python.org/moin/LocalUserGroups',
	'http://www.python.org/psf/',
	'http://docs.python.org/devguide/',
	'http://www.python.org/community/awards/'
	# etc.. 
	]

# Пул из 10 потоков
pool = ThreadPool(10)

# Запускаем функцию urlopen в 10 потоков
# на массиве urls
results = pool.map(urllib2.urlopen, urls)

#Ждём завершения всех потоков
pool.close()
pool.join()