dmshar

А зачем вам курсы, да еще платные, когда ответ может легко быть найден в сети:
https://ru.wikipedia.org/wiki/Семантическое_ядро#К...
https://texterra.ru/blog/kak-sostavit-semantichesk...
https://seoprofy.ua/blog/optimizaciya-sajtov/kak-s...
https://serpstat.com/ru/blog/kak-podobrat-semantic...
https://seo-akademiya.com/baza-znanij/podbor-zapro...
https://www.youtube.com/watch?v=EpIJztGyvV0
и далее - по ссылкам.

Все зависит от того, что вы в итоге хотите получить, и главное - зачем.
Что вы называете "корректным результатом"?
Если вас интересует время, которое затрачивает "усредненный" человек на ответ на конкретный вопрос - то чем вас смущает то, что один отвечает за 1 секунду, а другой - за 10? Вы же хотите учесть всех? Ну значит считаем среднюю (или медиану) со своим доверительным интервалом и среднеквадратичное отклонение.
По таким данным вы потом вполне корректно можете оценить, на сколько любой новый тестируемый отличается от "среднего" тестируемого. Или даже при желании проранжировать своих тестируемых. Если у вас две группы тестируемых, то можете корректно ответить на вопрос, отличаются ли статистически значимо результаты в первой и во второй группах.
То, что кто-тот будет нажимать не задумываясь, вы этим тестом не выясните никак. Вот лично я (правда, не нажимая кнопки, просто - читая ваш вопрос) ответил на каждый меньше, чем за секунду. (Причем, я уверен, что ответил правильно :-) )И что? Я задумывался или нет?
А если человек "завис" на каком-то вопросе, то это вовсе не говорит о том, что он не знает ответа. Может его в ступор загнало сомнение "что за дурь, неужели это серьезный вопрос, где подвох, ибо ответ-же очевиден". Особенно при чтении нескольких первых нескольких вопросов.
Кроме того, методически ваш тест весьма сомнителен. Что на самом деле выясняется - скорость ответа на вопросы или умение быстро читать? А может быть скорость моторики и координация движений испытуемого (умение быстро нажимать кнопки тоже требует определенных навыков).

https://habr.com/ru/post/168399/ - если разберетесь, можете попробовать.

Но вообще-то говоря, основная задача для R - это научные исследования и эксперименты. А многопоточность и пр. - это ухищрения для эффективности промышленной эксплуатации.

Ну, во-первых. Что делает Winrar:
"Распаковка архивов RAR, а также ARJ, bz2, CAB, GZ, ISO, JAR, LZH, TAR, UUE, XZ, Z, ZIP, ZIPX, 7z,"
Таким образом, сама программа умеет работать со множеством разных форматов, т.е при распаковке используется множество разных алгоритмов.
Во-вторых:
Хотя архивирование в формат RAR — проприетарное, на официальном сайте RarLab доступен защищённый авторскими правами бесплатный исходный код распаковщика UnRAR, лицензия на который разрешает использовать его в любом ПО. Таким образом, сторонние авторы могут создавать программы, способные распаковывать (но не создавать) RAR-архивы - таким образом, если вам задали такую тему работы, то неплохо бы начать с ознакомлением с этим материалом.
В-третьих: Начиная с версии 5 в WinRAR добавлена поддержка нового архивного формата RAR5,. Отлично. Лезим сюда: https://www.rarlab.com/technote.htm и изучаем внимательно.
Затем - углубляем наше понимание:
saanvi.ru/fac.php?filename=txt/soft/rar5.txt
Наконец, от тех, кто требуем от вас сам алгоритм просим денег на покупку лицензии у авторов. В противном случае обвиняем их в попытке нарушения авторских прав :-)

У вас данные измерены в шкале порядка, а значит, в лоб сравнивать среднее и пр. нельзя.
Для таких данных используются свои способы оценки. Например, можно ваш ряд разбить на несколько последовательных окон ( предельный случай 45:45, т.е. два окна, но я бы начал с 4 или 5 окон), а затем сравнение проводить между каждыми двумя последовательными подвыборками используя любой непараметрический метод сравнения, например самый простой - Вилкоксона-Манна- Уитни. (https://ru.wikipedia.org/wiki/U-критерий_Манна_—_Уитни) Критерий покажет, есть ли статистически значимое "улучшение".

Ну, задаем вопрос в Гуугл, получаем кучу исчерпывающих ответов, ознакамливаемся, принимаем к действию, начинаем изучать.
https://habr.com/ru/company/plarium/blog/442772/
https://habr.com/ru/post/432670/
ai-news.ru/2018/12/vazhnye_aspekty_matematiki_v_na...
https://www.datasciencecentral.com/profiles/blogs/...

За одно решаем, достаточно-ли того что преподают на Khana, что-бы покрыть список рекомендованных разделов и тем.
Удачи.

Есть ли что-то такое?

Есть

В нейросетях не разбираюсь, на фриланс денег нет.

А в чем разбираетесь?
Изучением

прогнозирования следующего числа/диапазона чисел

занимается раздел науки, который называется "анализ временнЫх рядов". Что-бы его изучить, не надо знать нейросети и не надо иметь деньги (хотя они, конечно, никогда не бывают лишними) . Иметь надо одно - мозги. Ну и скилзы по математике не помешают, конечно.

А остальные куда деть?
Т.е.
Вариант 1 - вы просто выкидываете все фильмы, отнесенные к 10 неинтересных вам категорий.
Вариант 2 - вы "раскидываете" фильмы "неинтересных" категорий по 5 интересным категориям. Алгоритм раскидывания - это ваша забота.
Чего-то другого не вижу.

Изобретать ничего не надо. Конкретно по вопросам:
1. Строите разность (последующее число - предыдущее число). Затем строите гистограмму полученного ряда разностей.
2. Строите гистограмму исходного ряда.
3. Делите диапазон возможных значений на необходимые вам фрагменты. Строите двумерный массив, в котором каждый элемент представляет собой пару (номер фрагмента предыдущего числа, номер фрагмента следующего числа). Строите тепловую карту полученного массива.
Итого - надо два сервиса.
1. Построение гистограмм - присутствует в ЛЮБОМ инструменте - от EXCEL до SPSS, от MatLab до SAS, от R до Tableau.
2. Построение тепловой карты (heatmap) - аналогично предыдущему. Сокращенный список возможного инструментария, например, вот здесь:
https://ru.wikipedia.org/wiki/Тепловая_карта

Для себя вопрос решил так. Создал аккаунт на feedly, занес (и продолжаю заносить) туда интересующие меня сайты и блоги (кстати - там у меня есть три или четыре темы из Хабра), просматриваю раз в день. Т.е. по сути ежедневно получаю самый "свежак". Если что заинтересовало по названию - читаю дальше.
Это, конечно, не решает вопрос личного блога. Но это два совершенно разных формата. Если хочется что-то написать умное - блог можно вести где угодно. Хоть на Блогере, хоть на Medium, хоть где понравиться. Будет качественный контекст - люди подтянуться. А нет - то площадка тут ни при чем.

Если и вправду "В этом я полный ноль," - то путь у вас один единственный. Нанять специалиста (специалистов!!!) заплатить денег и поручить им решить вашу задачу.
Потому что путь "Хочу всё свободное время потратить на изучение данной предметной области" - он похвальный. Но тупиковый. Через примерно 500 часов изучения (в реалии, думаю, что в несколько раз больше, т.к. судя по стилю вопросу, вы не только в ML полный ноль, но и в разработке ПО, анализе систем и еще в паре-тройке направлений, который придется задействовать - не даром я написал "специалистов" во множественном числе) - так вот, после того, как вы найдете это количество "свободного времени" и полностью потратите его на получение соответствующих знаний, думаю, и ваша задача потеряет актуальность и вы потеряете к ней интерес.

И да, ваша задача к ML имеет очень касательное отношение, реально потребуются во многом другие знания и подходы.

P.S. Ну почему все вдруг решили, что изучение ML самостоятельно, в свободное время и на дому это проще, чем такое-же изучение, например, геофизики или хирургии???

1. Какое отношение Unicode имеет к кодировке ср1251? (Подсказка ср1251 - 8-битная кодировка, Unicode - как минимум 16-битная)
2. Какое отношение к "разным языкам" имеет ср1251(Подсказка ср1251 - кирилическая, а по сути - русскоязычная кодировка)
3. Что означает "мертвость" символа? Ну например, символ "~" почти мертвый. И это не зависит ни от стиля текста, ни от языка.
4. Современный вариант Unicode (по состоянию на май 2019) содержит 137 994 символов. Как ві себе представляете таблицу с частотой их использования?

Сначала надо определиться, а что-же вы понимаете под термином "сложность модели"?
Потому что "сложности" , действительно, бывают разные - как минимум "структурная" и "вычислительная". Но походе, вы их малость перепутали.
Возьмем ваш пример с Random Forest - увеличение количества сплитов не есть увеличение структурной сложности модели. Точно так-же, как и добавление новой переменной к нелинейной регрессионной модели заданного порядка не ведет к увеличению структурной сложности модели. А вот изменение - например - квадратичной модели на кубическую - ведет к изменению и структурной сложности и - как следствие - вычислительной.

Eсли это себе ясно представить, то становиться понятным, что введение нового признака в рамках одной модели - есть действие, результат которого влияет на "качество модели" (кстати, тоже требует определения, но предположим, что вы имеете ввиду "точность"). И структура тут вообще ни при чем. А изменение структуры модели с квадратичной на кубическую может привести к аналогичному увеличению точности модели даже без добавления новых переменных.

Вот так и работают:
https://www.pyimagesearch.com/2018/06/18/face-reco...
https://towardsdatascience.com/a-guide-to-face-det...
ai-news.ru/2018/11/primer_gotovoj_sistemy_raspozna...
https://towardsdatascience.com/face-detection-reco...

Цель-то какая? Вот после того, как мы узнаем, что-же такое должно делать ваше приложение можно будет более-менее конкретно ответить на ваш вопрос.
И уточните, что вы подразумеваете под загадочным словом "лагать"?