mayton2019

Да нету щас таких диалогов. Со времен udaff.com / nenavist.com всё эмоциональное удаляется. Не дай бох чьи то чувства задеть. Люди щас стали сильно чувственные.

before_gray = cv2.cvtColor(before, cv2.COLOR_BGR2GRAY)
after_gray = cv2.cvtColor(after, cv2.COLOR_BGR2GRAY)

Вот красавец. В базисе серого цвета идет сравнение.

А если я радугу буду сравнивать? Твой-же алгоритм слепой в этом смысле.

Тулзов полно.

$ wakeonlan
Usage
   wakeonlan [-h] [-v] [-i IP_address] [-p port] [-f file] [[hardware_address] ...]

В этой задаче самое сложное - гарантировать что WOL пакет пролезет из внешнего интернета к вашему компу.
Ну и нужно еще придумать протокол обнаружения IP адреса. Провайдер имеет право обновлять его раз в сутки если вы используете обычный серый адрес.

Имеет смысл расти вширь. Тоесть изучать технологии виртуализации Docker/Kubernetes, сети, протоколы и особенности ОС linux (на которой я предполагаю все что ты пишешь будет работать). Имеет смысл понимать как работает тонкая диагностика linux чтобы решать performance issues. Я убежден что большинству Java-разрабов этого знания не хватает.

Kotlin изучать я считаю не имеет смысла. JSP процессы улучшают Java язык таким образом что Kotlin не сильно будет отличаться в будущем.

Scala - язык с очень высоким порогом входа и вряд-ли для микро-сервисов тебе что-то новое принесет. Это - скорее к BigData или к специфичным фреймворкам (Play). Ну ... или нужно быть очень сильным фанатом ФП чтобы разрабатывать на Scala то что вобщем-то и так прекрасно разрабатывается на Java.

Не совсем ясно , чего хотел преподаватель.

Но для сортировки больших массивов ( которые много крат превышают оперативку ) используется сортировка слиянием - merge sort.

Здесь по сути есть две задачи. Одна - техническая. Это извлечение слов из CSV. Ее надо обсуждать отдельно. И другая - более гуманитарная (я считаю). Перевод. Хороший перевод требует специального словаря и человека который проверит качество перевода.

Вобщем задание тянет на нехилые деньги. Поэтому - не в хабр. А в площадку фриланса.

ООП предполагает что в задаче есть некая сущность. Объект. И у него должны быть методы. Что происходит в данной задаче? Пользователь вводит x, потом размер массива. Потом сам массив. После этого делаются какие-то манипуляции с массивом. И после этого массив распечатывается на экран. Где тут ООП? Я не знаю! Я чорт возьми не пойму где здесь ООП.

Вобщем скажи своему преподавателю что здесь нет смысла вводить ООП. Код достаточно хорош и концептуален в том виде как он записан. И надо не забывать про принципы KISS/YAGNI которые никто не отменял.

Проверить это можно так. Запускаем jvm-процесс который создает 1000 потоков но не сразу а постепенно. Смотрим в linux top процессов и если количество процессов (потоков) растет то мы получаем доказательство того что jvm-theread линейно связан с числом linux-processes (threads).

В windows ЕМНИП один процесс включает в себя от 1 до бесконечности вычислительных потоков.
В linux процесс и поток отличаются опциями разделения ресурсов. Тоесть что по сути опциями безопасности. Например потоки шарят разделяемую память а процессы - не шарят никогда.

Задача решается довольно просто. Это булевы операции над углами и окружностями.
В данной задаче сложностью является следующие вопросы
1) Как ЗАДАНА окружность?
2) Как задан угол?
3) Как задан квадрант? Или прямая. Или полу-плоскость.
После того как мы узнаем это - сможем легко описать цветовую область. Например голубой сегмент окружности описывается как:
- пересечение окружности с полу-плоскостью
или
- пересечение двух полу-плоскостей

У тебя - задержка 0.5 секунды. Поставь формулу exponential backoff. Тоесть следующая задержка
в случае неудачи будет 1 секунда. Потом 2, 4, 8 e.t.c. До тех пор пока HTTP код c 429 не перейдет
в статус 200(201)

Существует ли ещё статья с понятным объяснением про нейронные сети?

Вряд-ли такая статья существует. Есть книга Саймона Хайкина на 1000 страниц. Это полный курс.

Они очень лаконично и понятно объясняли их устройство, что было удивительно и крайне приятно.

Тут от тебя звучит противоречие. Если тебе очень понятно объяснили - то тогда в чем проблема написать код?
Или у тебя как раз проблема с кодированием? Тогда нейросети здесь не причем. Тебе нужно просто набивать
опыт в кодинге по техническому заданию.

Проверить что внутри строки - нечто похожее на число - это одна задача. Ее можно сделать регуляркой. А сделать кастинг его к int/long/float/double - это другая задача.

Некоторые числа бывают слишком большие и не влезают даже в long (64) и некоторые вещественные могут иметь множитель 10 в степени 310 и это не лезет в double. Мне сложно такое представить но теоретически пользователь может такое ввести.

Какую задачу решает автор? Что будет дальше происходить с введенным числом?

Сразу ремарка. Большие данные предполагают такой кейс что они не влезают в ваш ноутбук.
Это некая стартовая точка от которой вопрос интересно изучать. Если влезли - значит данные не большие.
Обычная БД. Я рекомендую установить вам локально Postgres или MySQL и загружать туда все что надо
и там делать любые анализы. Если данные полу-структурированы - то попробуйте использвать spark-shell.
Это позволяет обработать логи, текстовые файлы, json-lines e.t.c. Настройка spark-shell потребует
от вас определенных знаний Java. По крайней мере в части памяти.

Есть явно легаси инструменты которые были созданы во времена Hadoop. Их много.
- sqoop, hadoop, hdfs. Ими тоже можно пользоваться но по перформансу они уже
слабее чем например spark.

Если ваши данные уже в облаке - то вы будете сильно ограничены в инструментах. Обычно амазон
предлагает свой aws-cli + UI. Microsoft - az.

И отдельно DataBricks предлагает консольные тулы dbfs/databricks. Но пользоваться ими не очень удобно.
По крайней мере в том виде как они есть сегодня. Я пользуюсь их web-версией UI.

Язык здесь не особо важен. ETL это настолько широкое понятие что там нужно
просто подняться на 2 уровня выше и смотреть решения которые есть.

Microsoft предлагает решение под названием https://adf.azure.com/en/ Azure Data Factory.

Данная платформа поддерживает много языков. Ну Scala/Python/SQL/R точно работают. Databricks кластер
просто является одной из фич данной платформы.

Если это Брюс Эккель - то я читал ее в 2013 году. Тогда хорошо зашла. Но я не знаю насколько книга актуальна для современной Java. После того как сообщество перешло на такой бешеный темп создания релизов - то книги стали устаревать быстрее.

Это sequence. Последовательность. Это - как туалетная бумага. Использованные номера можно выкинуть. Зачем их повторно брать? У вас же нет желания из мусорного ведра тягать грязные бумажки?

Проще всего с этим работать на линуксе. Эта операционка отображает все диски на блочные устройства /dev/* и позволяет с ними работать просто как с очень большими файлами.

Разумеется права суперпользователя тебе пригодятся. Механизмы безопасности никто не отменял. В Windows тоже есть аналог для таких устройств.

Я-бы не спешил обзывать это явление искусственным интеллектом. Может быть просто кластеризация?