Алан Гибизов

Часть первая: Английский Язык.

Часть вторая: поставь anaconda и jupyter lab

Часть третья: python фреймворки
1. numpy - изучать каждый метод не нужно, нужно освоить broadcasting Это правила по которым происходят операции с массивами разной размерности. Не изучишь, не сможешь работать с нейронными сетями и много еще с чем.

2. pandas - нужно научится понимать, как работают индексы (вся мощь но и сложность лежит в индексах особое внимание к многоуровневым индексам). Группировки объект groupby. Решайпинг, методы stack, unstack, melt и т.д. Решайпинг сложная тема, но без нее никуда.

3. matplotlib - нужно научится работать в ооп стиле, а не в матлаб стиле.

Вот эти 3 можешь начинать изучать без математики. учить по документации . Скачай учебные датасеты простенькие, задавай им вопросы применяй и визуализируй.

4. scikit-learn - это машинное обучение, тебе понадобится разобраться что такое оценщик (estimator) и transformer (трансформатор). Также научится пользоваться пайплайнами, объект Pipeline это для старта, естественно.

5. statsmodels - это не много иной взгляд на машинное обучение он включает в себя инферентивную статистику. Например построив логистическую регрессию, я могу посредством этой библиотеки найти каким образом изменение на одну единицу одного из моих предикторов отражается на вероятности, так называемый маржинальный эффект. Это очень важно для бизнеса. Также A/B тесты тоже там, и многое многое другое.

4 и 5 также учить по документации она совершенно фантастического уровня особенно для scikit-learn + очень важный плюс В этой области есть классика это книга Statistical Learning книга написана профессорами стенфорда, в мире датасаенс она очень известна. Раньше она была написана на R, я ее читал на R в свое время, так вот 2023 году этим летом вышла python edition. Книга и код доступны бесплатно. https://www.statlearning.com/
Это уникальная книга без равных, но к ней надо быть готовым.

Часть Четвертая: Математика
Все что нужно есть на Khan Academy. Начни со своего уровня и вперед, математика тебе нужна вся. Особенно Calculus. Заходишь на Khan Academy и вперед проходи бесплатные курсы со своего уровня,
Algebra 1,
Algebra 2,
Precalculus,
AP/College Calculus AB
AP/College Calculus BC
Statistics and Probability
AP College Statistics

Вот эти курсы вот этом порядке, ты должен освоить, то есть в конце курса финальный тест, должен проходить играючи, и все делать на листке бумаги не читерить, сам себя обманешь. Потом книга что я указал выше, код в книге естественно в основном использует scikit-learn и statsmodels, + первые три библиотеки само собой.

Потом придется прочитать еще пару книг по теории вероятности и статистике отдельно (со временем). Если calculus на Khan Academy на должном уровне, то вот теория вероятности и статистика слабенькая, нужно будет добавлять.

В добавление еще SQL но поверхостно, уровень не сложных запросов и подзапросов. Все дела будут происходить в pandas.

что бы

не как

Угу-угу. Воткнул ты такой usb с чем-то непонятным, сидишь балдеешь, потом поднимаешь глаза - опа, а рядом безопасник стоит :) и без всякой улыбки спрашивает - а что это такое только что воткнули в ноут?

Если это по работе - лучше напрячь админов. Если не по работе - лучше всего не лезть на корпоративный ноут.

Да.

Если вы хотите понять принципы API, то гуглите "rest api".
Но ваше желание его создать весьма преждевременно.
API не цель.
API - средство.
Когда он будет вам действительно необходим, вы уже будете знать что делать.

Есть библиотека tensorflow. Она имеет api для разных языков, в том числе и для js. Ее вы и нашли tensorflow.js.

Да это возможно. Построить классификатор (распознаватель) OCR (Optical character recognition) в данном случае, который будет распознавать данные из каждой ячейки. Построение таких распознователей, это задача для специалиста. Такого что засунул файл с изображением в нейронную сеть и готово нет. Это целый процесс.

В первую очередь я бы попробовал готовый parser таблиц, для картинок и pdf файлов. На python. Библиотека img2table она базируется на OpenCV, но специализируется на табличных данных. Возможно она решит все ваши вопросы, это будет значительно проще и быстрее.

Дружище Корень. Вижу прошло пару месяцев а ты все тот-же Ферматист :)

Я не знаком с пакетом Вольфрам. Но его делал очень умный человек. И я думаю что символьные
вычисления там тоже поддерживаются.

Но такие вычисления обычно подходят под расчеты с дробями. Например 1/2 + 1/3 = 1
в символьных вычислениях поддерживаются. Это позволяет точнее посчитать
пределы например.

То что ты посчитал - это трансцедентное число.

z = exp((1/3)*log(664572³ + 257118³))

Из-за логарифма внутри.
Везде где есть синусы, логарифмы (ряды Тейлора) мы можем говорить об этом
свойстве чисел. Грубо говоря это число которое мы не можем в общем случае
получить путем конечного числа операций над рациональными числами.

И обычно в физике и в инженерном деле логарифмы и экспоненты считают приближенно.
Используя float, double и extended (80bit). И этого хватает чтоб запускать ракеты на Марс.

Их никто не считает точно, просто по той причине что их нельзя представить точно.
У нас не хватит памяти всех датацентров чтоб точно такое считать.

Иногда в очень-очень редких случаях математический пакет может упростить формулу
аналитически (exp(log(x)) и получить более простые цифры без свойства трансцедентности.
Почитай документацию по MathCad, MatLab, может там такое тоже есть.

Я также упрекаю тебя в невнимательности. Я тебе в прошлый раз делал акцент на типах
данных. И ты это благополучно проигнорировал. И снова ты полез в теорию чисел и Ферма
даже не понимая с каким типом данных работает Вольфрам. Разберись сначала с этим вопросом.
Иначе будешь всегда выглядеть почемучкой.

Этот корень - иррациональное число. Бесконечное. Его точно на компьютере не подсчитать никак. Это будет какое-то большое число с бесконечным не повторяющимся набором цифр после точки.

Точнее всех будет считать python если использовать библиотеку Decimal:

from decimal import *
getcontext().prec = 400
a = Decimal('112312312312312311231231231231231123123123123123112312312312312311231231231231231123123123123123');
print(pow(a,Decimal(1/3.0)))

Можете хоть тысячи знаков считать, ограничения - в основном скорость работы и требования по памяти.

Сама по себе ошибка, довольно известная, и происходит она на уровне numpy. При работе с массивами данных, есть такой важный термин, как broadcasting - это то как numpy осуществляет арифметические операции с массивами разной размерности.
Например

import numpy as np
arr1 = np.ones(9).reshape(3,3)
arr2 = np.ones(8).reshape(2,4)
arr1 + arr2

Выдаст по смыслу такую же ошибку, как у вас, размерности разные и он не в состоянии произвести оперцию.
А вот в этом примере

import numpy as np
arr1 = np.ones(27).reshape(3,3,3)
arr2 = np.ones(9).reshape(3,3)
arr1 + arr2

Не смотря на то что размерности разные у нас двумерный массив складывается с трехмерным, ошибки не будет все сработает.
Потому что согласно правилам broadcatsting'a, данная арифметическая операция возможна.

Так и у вас, numpy не в состоянии выполнить broadcasting. Как поправить, по скольку вы напрямую не работаете с массивами, а используете интерфейс stable diffusion, то все ответы надо искать там. Либо вы передаете массив с данными, не в той размерности, либо что то в параметрах stable diffusion не то. Ищите рабочий пример и повторяйте. Так поправьте здесь что то или там что то, здесь сказать не возможно. Что из себя представляет проблема я обрисовал.

Дружище так нельзя делать. Криптоанализ предполагает что ты знаешь что ищешь.
Из какого приложения ты это скопировал? Что ожидается? Хешированный пароль?
Магнитная ссылка? И мы должны знать контекст. А может ты взял задачу на cryptohack
и пришел сюда за подсказкой? Так нельзя! Иди в тот форум и там спрашивай.

У них условие даже есть что участники не обсуждали задачи на стороне.

Я не понял зачем ты пытаешься подключиться к серверу в отдельном потоке. Если это критично, почитай про неблокирующие операции на сокетах, и как ими пользоваться.

Да ещё и глотаешь исключения. Очень не советую писать except: pass, у тебя вместо сколь-нибудь понятного сообщения об ошибке программа будет молча не работать.

В любом случае ты делаешь только одну попытку подключения. Поток выполнит try_connect() один раз и завершит работу. Отсюда и наблюдаемое поведение - клиент не переконнектится, потому что в коде это не прописано.

Потому что нужно выучить хотя бы базовый синтаксис SQL! Одна строка вставляется одним запросом, каждый инсерт вставляет новую строку!

execute('INSERT INTO table (FIO, Address, Email) VALUES (?, ?, ?)', ('ФИО', 'Your Address', 'your@email.com'))