Alexander

Мой тебе совет. Который не послушаешь, любой путь можно пройти если его начинать идти с правильного места, с того который тебе по зубам.

Давай так что сначала учат теорию вероятности или статистику? - Теорию вероятности
Чем занимается статистика? - оценкой.
Оценкой чего? - параметров модели.

Статистика далеко не первична.
Что такое например mean, median, std и т.д? Это описательная статистика.
Что она описывает? Набор данных, то есть на вход много циферок на выход одна. Которая что то значит.
Что если набор данных это X для простоты 1D и mean(X) значительно больше чем median(X)? - это значит распределение имеет сильный скос вправо.

Что такое распределение? Что такое скос? и чем это вызвано?

и все в таком духе. Учить статистику до теории вероятности это пустая трата времени.

ок, значит теория вероятности, какие требования.

Дискретная Математика - для дискретных переменных.
Интегрирование, дифференцирование для непрерывных.

и т.д.

что по итогу.

1. Алгебра
2. Основы Дискретной математики, просто хотя бы сеты и операции с ними.
2. Линейная Алгебра
3. Дифференцирование
4. Интгегрирование
5. Теория Вероятности.
6. Статистика.

Статистика в конце как видишь. Потому что она работает с наблюдениями. Ты видишь цифры и задаешь вопрос, а какой процесс сгенерировал эти цифры, какой моделью я могу их описать? А какие параметры у этой модели, и вот появляется ML.

qiangxue/go-rest-api на гитхабе — там cmd/internal/pkg с разбивкой по фичам, сразу видно где logger, где config, где роутер. Ещё go.dev/doc/modules/layout — официальная дока. golang-standards/project-layout тоже смотрят, но это не стандарт, а community-сборник. Вариаций много, единого правильного нет.

instagram api tutorial
Instagram Platform API Integration Guide

Не прав. Изучите, как минимум, что такое ping, протокол icmp, http. Пока все ваши выводы бессмысленны.

Постановка вопроса некорректная.
Я бы не рекомендовал для обучения IT комплексно никакие нейросети, даже самые передовые и актуальные. Вам нужны хорошие бумажные учебники, тетрадка с ручкой для конспектирования и какой-нибудь компьютер для упражнений и практики.
Любые "ИИ" в данном случае могут быть полезны для суммаризации данных, разъяснений сложных моментов, выявления пробелов в информации - но не более.
В моей нише, например, актуальные модели ИИ как минимум бесполезны для обучения: это просто залежи устаревшей, чересчур общей и ложной информации. Кроме того, она не предназначена для обучения. Дидактика, методика и пропедевтика там не заложены ни в каком виде. Что, однако, не мешает использовать эти самые "ИИ" в качестве вспомогательного источника информации при правильном формировании запроса. Но вот чтобы его правильно формулировать - уже надо знать тему.

Переопределить __delattr__?

class foo:
    name: str

    def __delattr__(self, item):
        if item == "name":
            raise AttributeError(f"Нельзя удалять атрибут: '{item}'")
        #     print('что-то печатаем')
        #     pass  # или ничего не делаем
        super().__delattr__(item)


tmp = foo()
tmp.name = "test"
try:
    del tmp.name
except AttributeError as e:
    print(e)
finally:
    print(tmp.name)

>>>Нельзя удалять атрибут: 'name'
>>>test