Dmitry

"Начинал с Mac" - это очень странный запрос, таких единицы среди тех кто юзает mac. Большинство пересели с винды и линуха.

Сейчас минимум по железу это неплохой 6 ядерник, 16 гб ОЗУ (а уже лучше 32 гб ОЗУ) и желательно 512 gb nvme, если мы говорим про винду или линух. Если ноут у тебя хотя бы такой то уже стоит вопрос смысла покупки мака.

Мак нужен либо если ты конкретно хочешь пересесть на него или он тебе позарез нужен в работе (как например разработка мобильных приложений под iOS). Хотеть пересесть на мак можно даже если он тебе не нужен, например, хочется хорошее по автономности и мощное устройство.

Если деньги позволяют и есть сильное желание (не так что ты загорелся резко, а прям мечтаешь о маке уже длительное время) - тогда покупай. Получишь и удовольствие и отличную машинку с запасом производительности на несколько лет. Только на твоем месте я бы взял все-таки на 16 дюймов экран, 14 дюймов хоть и близко к 16 дюймам, но в 16 дюймах и охлад лучше и автономность и глаза болеть не будут.

Задавай вопрос не о том как решить одну из промежуточных проблем, а какую именно задачу решаешь?

Если изначальная задача - получить доступ к современному искусственному интеллекту в России, то она решается:
1. топать к китайцам (доступны в россии)
* www.deepseek.com , уровень сравним с топовыми (может медленнее), где то даже бесплатно
* chat.qwen.ai, активно не пользовался, на среднем уровне
у обоих есть и веб и мобильные приложения, работают без проблем.
Возможно будет не просто оплатить (доступно в россии через alipay)
2. долго и упорно бодаться с роботами, выявляющими посредников и топать к google/openai
* вам нужен мобильный номер, вне стран блокировки
* вам нужна банковская карта visa/mastercard вне стран блокировки
* вам нужен vpn, вне стран блокировки
* на android еще нужно будет сменить регион на не россия, часто это не сделаешь, а если гугл увидит что вы жульничаете, сменит его автоматически
в некоторых случаях можно воспользоваться посредниками, никого не посоветую, мой опыт не очень успешный (банк карта посредники крали деньги, мало но 10$ есть 10$, чужие мобильные работали не долго, а vpn я и сам настрою)
Проблема в том что тот же гугл/openai финансово заинтересован не кормить халявщиков, они уже вскормили deepseek (по слухам большую часть обучающих данных компания нагенерировала с помощью openai, правда там было еще куча крутых решений по оптимизации расходов на дообучение чуть ли не на пару порядков дешевле, так что они все равно круты) и продолжать кормить конкурентов они не хотят, поэтому палки в колеса будут вставлять так или иначе и любые решения будут не долговечны
3. найти посредника, который решил большую из этих проблем и заплатить ему
* так как openrouter.ai предоставляет большую часть нужного в готовом виде (к сожалению без realtime api и генерации изображений, но мне нужен был только api), я их прорекламирую. Для работы требуется любой vpn/прокси (я арендую vps-ку и использую socks прокси на базе ssh -D1080 стоимость смотреть тут lowendstock), оплата в криптовалюте (извините но наша страна превращается в северную корею, и без vpn и без криптовалюты ну просто никуда)
Будут доступны топовые модели (например openai:gpt-4.1 со встроенным поиском по интернету, или openai:o3 с размышлениями, или anthropic:claude sonnet 4, или гугловские gemmini pro... и вообще любые открытые что бы перед тем как решать, стоит ли их локально использовать, протестировать)
4. запустить локально
* к сожалению, даже со всеми возможными ухищрениями deepseek r1/v3 локально потребуют порядка 400гб ram при скорости генерации единицы токенов в секунду, что даст ответ через десятки минут (а рассуждения - порядка часа), можно запускать с ssd, тогда пойдет вообще на любом железе со скоростью порядка 0.1 токен в секунду (но можно делать одновременно десятки-сотни запросов, поднимая итоговую суммарную скорость до тех же единиц-десяток токенов в секунду), особого смысла в этом извращении я не вижу, но возможность есть
* использовать слабые локальные модели, которые милостливо стали доступны от топов бесплатно. На текущий момент лучшие (требуют порядка 64гб ram это практически всем легко доступно):
* microsoft phi4 и phi4-reasoning (есть еще multimodel но ее качество я не пробовал и не запустить ее типовыми утилитами)
* qwen3-30b-a3b она же простая она же reasoning, очень интересная модель, быстрая на процессоре, средняя по качеству
* gemma3-27b/14b мультимодальная, требует +24gb ram

самое простое запускать с помощью lmstudio на компьютере, он же скачает, настроит, запустит, предупредит чего не хватает и т.п, красивый интерфейс,.. он дает openai совместимый api, есть куча готовых мород, включая встроенную (там просто доступ по умолчанию только 127.0.0.1:1234 но вроде бы в виндовой версии можно менять), это значит можно настроить заранее vpn до дома и с мобильника открывать свой ИИ

Предполагаю, что это связано с тем что данный сервис (OZON), специально спроектировали, чтобы его не парсили, тк у него (у OZON-а) есть свой платный API!

Если хочется решить проблему неэффективного использования места, то можно включить сжатие / дедупликацию на уровне файловой системы.

Если хочется решить проблему беспорядка, то думайте над внедрением какой-нибудь учетной системы для документов и учите сотрудников ею совместно пользоваться.
Зависит от того, какие именно документы там лежат.

dataframe.drop_duplicates(subset=[col1,col2,..],keep=False)

keep параметр, поддерживает 'first' (оставить первое) и 'last' оставить последнее, False удалит все строки.

Дополнил, ответ для сравнения между колонками для общего случая если это две или более или подсет.

cols = ['col1', 'col2', ..]
df.loc[~(df[cols].eq(df[cols].iloc[:, 0], axis=0).all(axis=1))]

Нет, современные процессоры не умирают, даже если их включить вообще без кулера, там многоуровневая система контроля температуры и питания, это сложно сделать даже оверклогингом (но теория все ещё говорит что в принципе это возможно, только это не случайный процесс, и требует что бы совпало очно много нетривиальных событий)

P.s. Китайские ксеонвы, заполонившие рынок последние годы это как я понимаю бу части списанных суперкомпьютеров, устаревших и распродаваемых как десктопы, а раз это бу, значит там есть почему сломаться.

Ещё бы удостоверится, что сломался процессор, а не материнка, потому что дешевые китайские под них это рассадник стольких проблем, что я удивляюсь что их вообще покупают

Не стоит, если нет уверенности, что метаданные RAID и в DS509+ и в Югрин хранятся и обрабатываются одинаково. Мне такое представляется сомнительным. Synology умеют мудрить.

Восстановится ли РАИД?

Если вам нужно восстановить данные с этого NAS, возьмите R.saver: https://rlab.ru/tools/rsaver.html Он бесплатный, без установки, и должен собрать такой RAID5 автоматически, если вы подключите диски напрямую к копмпьютеру.

Более того, если файловая система у вас не повреждена, он сразу же прочитает вам всё содержимое, по сути, независимо от ФС. Если повреждена и нужно именно восстановление информации, то тут нужно будет действовать немного по-другому (зависит от ФС).

Главное - не соглашайтесь на проверки, форматирование, инициализацию и т.п. дисков в виндоус (писать ничего нельзя, только чтение). Также при извлечении из бокса имеет смысл пронумеровать диски (на всякий случай).

Задачи? список где в бизнесе не применяется AI будет короче.

Например, оптимизация поиска, пользователь ввел на сайте описание товара, и получил наиболее подходящие результаты. Звучит просто, а по факту все сложно. Например может потребоваться, создание своего трансформера (нейронной сети, определенной архитектуры), которая на вход получает, текстовое описание, а на выходе, эмбеддинг. Затем, ты создашь, для всех текстовых описаний эмбеддинги и поместишь их в векторную базу данных. Затем конечный пользователь вводит текст, твой трансофмер, создает эмбединг и делает запрос к векторной базе данных, и база возвращает n-ближайших товаров.

Замени, товары на документы, текст, на картинки, звук, видео, любое представление информации. Возможности для бизнеса безграничны.

ИИ за 24 часа, это всегда потеря времени. Развитие это своего рода, сложный процент + определенный шум. Что бы это работало, нужно основание больше 1 и время. Основание, это математика, и дело не в каких то формулах, а в определенном развитии мышления.

По-хорошему нужно фото на сервер загрузить один раз и сохранить его file_id. И все дальнейшие ответы с этим фото реализовывать через этот file_id, а не загружая каждый раз одно и то же фото. Вполне возможно это ускорит ответ.

Как и где хранить этот file_id для фото нужного товара - тема отдельного вопроса. Обычно используется БД для подобных вещей, но у вас уже есть какой-то словарь products со словарями внутри. Предлагаю каждый элемент этого словаря расширить ключом file_id.
Далее логика следующая:

Когда нужно отправить фото товара, смотрите сначала на значение в file_id.
- Если оно пустое - отправляете по-старому сценарию, только сначала дождитесь ответа от метода message.answer_photo(). Результатом этого метода будет объект Message, в котором можно найти file_id для вашего загруженного файла (поиски возложу на вас). Просто прописываете его в ваш словарь products[product_id][file_id].

- Если значение file_id заполнено, то делаете все то же самое, что и сейчас, только в методе message.answer_photo() в параметре photo передаете file_id.

получается, что сам файл будет загружен на сервер только один раз, а все остальные разы будет браться только с сервера. Кстати в документации Bot API так и сказано, что предпочтительнее использовать file_id, нежели каждый раз загружать файлы на сервера телеги.

без циклом мапов и лямбд

a = '2021-1-2'
'{}-{:>02}-{:>02}'.format(*a.split('-'))
'2021-01-02'

Тут поможет только практика. Чтобы научиться решать задачи - надо много задач решить. Если не можете какую-то задачу решить сами, читайте разбор или чужие решения, пока не поймете, что там происходит. И потом обязательно реализуйте решение сами, не перепечатывая готовое.

Хорошие книги: Кнут "искусство програмирования", Кормен "алгоритмы. Построение и анализ", Бхаргава "Грокаем алгоритмы". Старайтесь прорешивать все упражнения в этих книгах. Но прочитав их вы задачи решать не научитесь, а лишь подтянете базу.

Объясняю на пальцах:

UPDATE trial SET trialactive = 0 WHERE trialkey = 'vless:-test'

- обновить запись, где столбец trialkey равен строке "vless:-test"

UPDATE trial SET trialactive = 0 WHERE trialkey = vless:-test

- обновить запись, где столбец trialkey равен столбцу vless:-test, а такого столбца у тебя нет.

А причина - потому что ты не озаботился как следует посмотреть примеры работы с БД в питоне, и сразу побежал херачить текст запроса с помощью f-строк, хотя каждый первый туториал предупреждает что так делать нельзя, а нужно использовать placeholder'ы.

Ссылку на https://docs.python.org/3/library/sqlite3.html#sql... тебе выше дали, разобрать её несложно.
Первый пример кода (который помечен # Never do this -- insecure!) допускает ту же самую ошибку, что и твоё

cursor.execute(f'UPDATE trial SET trialactive = 0 WHERE trialkey = {results}')

и другие запросы.
А второй пример кода показывает, как правильно.

# This is the qmark style used in a SELECT query:
params = (1972,)
cur.execute("SELECT * FROM lang WHERE first_appeared = ?", params)

Т.е. ставишь знак вопроса там, где нужно вставить значение, а потом вторым параметром передаёшь кортеж вставляемых значений - столько, сколько у тебя знаков вопроса в запросе.