mayton2019

Как-то много текста у тебя написано. Обычно делают.
update users set money=money-sum where user_id=?

Такого в БД обычно не делают. Есть понятие temporary table. Ее создают один раз. А данные в ней лежат либо на время сеанса (connection) либо на время транзакции. Это конфигурится при создании таблицы. Только командой к очистке будет не select а неявный commit.

Если это html - то обычно парсят не регуляркой а нормальным html-парсером.

У тебя-же все просто. Найти SPAN элемент обладающий атрибутом class с нужным значением и взять value элемента SPAN.

Непонятно, зачем бот должен быть посредником в этом деле? Ну допустим его основная услуга - это поиск и тегирование интересной музыки. Дальше просто делаем форвард на нужный альбом и трек и слушаем с YouTube.

Скорее всего такого чата не существует или имя задано как-то неточно.

@client.on(events.NewMessage(chats=("Binance Announcements")))

Попробуй другие правила например

@client.on(events.NewMessage(pattern='(?i)hi|hello'))

чтоб просто убедится что библиотека рабочая.

Для поиска делителей достаточно искать до sqr(n). И не для всех чисел, а только для нечётных. Предварительно только на четность проверит n.

Для проверки свойств карты я-бы использовал представление кода карты как битовое число. Биткарта.
К примеру - карты делятся на красные и черные масти. Это один бит. Далее цвета делятся на трефы, пики
и т.п. Еще один бит. Тоесть двумя битами от 00 до 11 мы полностью кодируем масть. И ранг карты в игре
(он может менятся в зависимости от вида игры) можно закодировать еще четырьмя битами. Итого шесть бит.
Плюс еще отдельно остается джокер как карта универсал. Для нее можно ввести один бит масти как признак
того что масть игнорируется например. Итого 7 бит. Такой код карты удобно сортировать например или представлять различные проверки условий.

Машинное обучение это вообще не про Python. Это больше к мат-статистике и обработке больших данных.
Задачи - классификация, регрессия и кластеризация e.t.c.. Алгоритмов и названий очень много. Некоторые из них могут повторяться в вариациях или иметь неточные русские переводы.

Фреймворк Apache Spark имеет следующий классификатор алгоритмов: https://spark.apache.org/docs/latest/ml-guide.html
Ignite - вот такой : https://ignite.apache.org/docs/latest/machine-lear...

По поводу Python или Scala. Знающие маш-обучение таких вопросов вообще не задают. Для специалистов язык - вообще не имеет значения. Язык в данном контексте это как приложение калькулятор или spreadsheet. Это вспомогательный инструмент. Собственно эта наука вообще не про программирование. А про наблюдение глазами за процессом обучения и корректировку мета-параметров.

Тоесть инженер по маш-обучению не интересуется языком. Его глубже интересуют какой метод. И почему та или иная модель подходит а другая не подходит. Почему коэфф. детерминации такой и почему такая дисперсия. Почему факторы такие-то и такие-то и какие между ними существуют взаимо-влияния.

На собеседовании тоже будут спрашивать про опыт. Что делал. Какие методы знаешь. Язык - опционален. Могут спросить - но будут предполагать что 99% ты выучишь новый язык если надо.

Практически эта задача звучит так. Создать копию файла с изменённой строкой. Такой подход к изменению текстовых файлов во всех языках и системах программирования.

Не спец в питонах. Но если getAll возвращает списки то их можно соединить через +.

list1 = xpath('//li[@class="section-list-item"]/a/@href').getall()
list2 = xpath('//a[@class="article-list-link"])/a/@href'). getall()
result = list1 + list2

Иногда человек не может распознавать почерк другого человека. Это осложняет контрольную оценку.

Я предлагаю словарь Python все таки оставить словарем и не искать натянутых аналогий. База данных (в общем понимании этого слова) это RDBMS с поддержкой ACID.

В противном случае, и ощипанный петух будет человеком.

Сделайте дополнительный appender который пишет в json формате и настройте на эти файлы кибану. И тогда будет решена проблема многострочности.

Тут наверное OpenCV не надо. Просто замерять цвета нескольких точек в течение 3-5 секунд (как фотик наводит резкость) и брать их среднее значение.

Этот алгоритм прост - как автомат Калашникова. А все что простое - работает быстро. Как будет работать OpenCV на Raspberri мне даже страшно представить. Скорее всего плохо т.к. OpenCV проектировалась сразу для сильного железа а Распберри это больше игрушка для энтузиастов чем платформа для видое-обработки.

Можно написать веб-приложение на Питоне и запустить его на Raspberri.

Я-бы делал наоборот. Высокоуровневые вещи. Формочки. Мышко-клики. Действия пользователя я-бы делал на Питоне. А тайм-критичные вещи (работа с файлами и сетью и бизнес-логикой) - на С++.

Тот факт что у С++ есть Qt с формочками ни о чем не говорит. Это - как редкое исключение из правил. Всё равно что на примере падения метеорита доказать что в небе есть железо и надо срочно добывать его в космосе.