Пробовал python с numpy , как-то неуклюже выглядит имхо

Если у тебя чешется 6а красоту и изящность, попробуй хаскель, у меня есть пара знакомых которые ваяют на нём матан при помощи cuda и хитрого DSL на типах По их словам получается быстро, изящно и безопасно, прямо световой меч Но это хардкор, для ты только на изучение концепций языка потратишь примерно столько же времени сколько на изучение основ линейной алгебры, или дальше больше В общем, не могу посоветовать тут ничего более определенного

только не надо что для ml пофиг какой язык, важнее модель )

С матаном все норм, 2.5 курса матфака А вот с опытом в ml пока не очень, присматриваюсь к инструментам

Тогда лучше использовать то, что используют авторы выбранного тобой курса) С вероятностью 0.9 это будет питон+scipy+pyplot+pandas

попробуй хаскель, у меня есть пара знакомых которые ваяют на нём матан при помощи cuda и хитрого DSL на типах для хаскеля же почти нет либ нормальных - либо дичь, либо заброшенное контрибьютерами. и caball hell.

есть такой оператор <<. его принято определять для организации вывода, конкатенации и еще всякого. так вот, несклько раз я видел в нем развесистую логику.

Ну в скале тоже операторы перегружаются и ниче. Перегрузить запятую в крестах особенно приятно :)

Содомиты

а говнокод вообще хер прочтешь

даже хороший код на плюсах та еще бодяга (слишком выразительный язык)

Можно взять нелепую херню типа ^-?

Это же нечитабельно

Мне кажется проблема не в выразительности, а в комбинации раздутости языка и его небезопасности

И всё это при убогой системе типов Причём мне тут пришло в голову: в go ущербность системы типов в общем-то компенсируется минимализмом языка Это как если бы стрелка индикатора удобства ушла под ноль и подошла к другому концу шкалы 🤔

Известный эффект. "фильм настолько тупой, что даже хороший"

способных писать закорючки многовато на свете

А сейчас не так?

Ну и как бы в документации написано, что соединения кэшируются.

Вечер добрый. Подскажите, пожалуйста, как заставить Client из net/http делать все новые запросы через новые tcp-соединения?

при помощи своего транспорта должно получится

Есть кто проходил курс по алгоритмам на Khan Academy? Какие отзывы? https://www.khanacademy.org/computing/computer-science

Если я верно понимаю, то это всё для школьников.

Приветствую, требуется парсер фб. Цель: спарсить весь фб Реализация: Фэйсбук имеет жесткие лимиты на почти весь парсинг, кроме парсинга по типу имя + город. Этим и воспользуемся. Указываем список городом и список имен. Парсим все, что нам выдают. Алгоритм будет примерно такой: Имеется города Нью-йорк, Филадельфия имена: Минди, Джон, Алиса Парсер обрабатывает так: Минди + Нью-йорк, Джон + Нью-йорк, Алиса + Нью-йорк Минди + Филадельфия, Джон + филадельфия, Алиса + филадельфия Понадобится где-то 1 к потоков. Вероятно, использовать амазон (как я понимаю, они для этих целей имеют сервера) Прокси ipv6. Вероятно, через браузер или имитацию его. Хотя можно и через хттп запросы попробовать. Аккаунты, в любом случае, будут лететь в бан, так что нужен регистратор, который будет подтягивать аккаунты на время парсинга. Далее все это собирается в базу. В которой мы можем: 1) Использовать минус-слова по нужным нам категориям. (например, имя и слово "Лера". Все люди с именем Лера, удалятся) 2) Плюс слова по нужным нам категориям. Например, имя и слово "Лера". Все люди с именем Лера, останутся. Этап фильтрации многоступенчатый. Т.е. операции плюс и минус слов могут использоваться несколько раз. Как в обычной бд. А также понадобится рейтинг по самым популярным совпадениям. Приведу пример. У нас есть категория Имя. Софт считает, сколько имен совпадает и выстраивает рейтинг от самого большого количества к самому меньшему. Если у нас в Списке: Сергей Филатов Сергей Есенин Александр Пушкин Софт выстроит все так: Сергей - 2 Александр 1 Категории: 1) !Вся! графа Favorites (рейтинг) 2) Образование 3) Город 4) имя и фамилия 5) Любимые цитаты (рейтинг_) 6) Работа (рейтинг) 7) пол

Приветствую, требуется парсер фб. Цель: спарсить весь фб Реализация: Фэйсбук имеет жесткие лимиты на почти весь парсинг, кроме парсинга по типу имя + город. Этим и воспользуемся. Указываем список городом и список имен. Парсим все, что нам выдают. Алгоритм будет примерно такой: Имеется города Нью-йорк, Филадельфия имена: Минди, Джон, Алиса Парсер обрабатывает так: Минди + Нью-йорк, Джон + Нью-йорк, Алиса + Нью-йорк Минди + Филадельфия, Джон + филадельфия, Алиса + филадельфия Понадобится где-то 1 к потоков. Вероятно, использовать амазон (как я понимаю, они для этих целей имеют сервера) Прокси ipv6. Вероятно, через браузер или имитацию его. Хотя можно и через хттп запросы попробовать. Аккаунты, в любом случае, будут лететь в бан, так что нужен регистратор, который будет подтягивать аккаунты на время парсинга. Далее все это собирается в базу. В которой мы можем: 1) Использовать минус-слова по нужным нам категориям. (например, имя и слово "Лера". Все люди с именем Лера, удалятся) 2) Плюс слова по нужным нам категориям. Например, имя и слово "Лера". Все люди с именем Лера, останутся. Этап фильтрации многоступенчатый. Т.е. операции плюс и минус слов могут использоваться несколько раз. Как в обычной бд. А также понадобится рейтинг по самым популярным совпадениям. Приведу пример. У нас есть категория Имя. Софт считает, сколько имен совпадает и выстраивает рейтинг от самого большого количества к самому меньшему. Если у нас в Списке: Сергей Филатов Сергей Есенин Александр Пушкин Софт выстроит все так: Сергей - 2 Александр 1 Категории: 1) !Вся! графа Favorites (рейтинг) 2) Образование 3) Город 4) имя и фамилия 5) Любимые цитаты (рейтинг_) 6) Работа (рейтинг) 7) пол

Приветствую, требуется парсер фб. Цель: спарсить весь фб Реализация: Фэйсбук имеет жесткие лимиты на почти весь парсинг, кроме парсинга по типу имя + город. Этим и воспользуемся. Указываем список городом и список имен. Парсим все, что нам выдают. Алгоритм будет примерно такой: Имеется города Нью-йорк, Филадельфия имена: Минди, Джон, Алиса Парсер обрабатывает так: Минди + Нью-йорк, Джон + Нью-йорк, Алиса + Нью-йорк Минди + Филадельфия, Джон + филадельфия, Алиса + филадельфия Понадобится где-то 1 к потоков. Вероятно, использовать амазон (как я понимаю, они для этих целей имеют сервера) Прокси ipv6. Вероятно, через браузер или имитацию его. Хотя можно и через хттп запросы попробовать. Аккаунты, в любом случае, будут лететь в бан, так что нужен регистратор, который будет подтягивать аккаунты на время парсинга. Далее все это собирается в базу. В которой мы можем: 1) Использовать минус-слова по нужным нам категориям. (например, имя и слово "Лера". Все люди с именем Лера, удалятся) 2) Плюс слова по нужным нам категориям. Например, имя и слово "Лера". Все люди с именем Лера, останутся. Этап фильтрации многоступенчатый. Т.е. операции плюс и минус слов могут использоваться несколько раз. Как в обычной бд. А также понадобится рейтинг по самым популярным совпадениям. Приведу пример. У нас есть категория Имя. Софт считает, сколько имен совпадает и выстраивает рейтинг от самого большого количества к самому меньшему. Если у нас в Списке: Сергей Филатов Сергей Есенин Александр Пушкин Софт выстроит все так: Сергей - 2 Александр 1 Категории: 1) !Вся! графа Favorites (рейтинг) 2) Образование 3) Город 4) имя и фамилия 5) Любимые цитаты (рейтинг_) 6) Работа (рейтинг) 7) пол

Сделаю за час 3$.

Давай

Ты не заказчик. Сорян брат. 😜

Сделаю за час 3$.

Ну всё, вот и кончился Go. Потерял свой главный козырь. Расходимся

Перекатываемся в С

Приветствую, требуется парсер фб. Цель: спарсить весь фб Реализация: Фэйсбук имеет жесткие лимиты на почти весь парсинг, кроме парсинга по типу имя + город. Этим и воспользуемся. Указываем список городом и список имен. Парсим все, что нам выдают. Алгоритм будет примерно такой: Имеется города Нью-йорк, Филадельфия имена: Минди, Джон, Алиса Парсер обрабатывает так: Минди + Нью-йорк, Джон + Нью-йорк, Алиса + Нью-йорк Минди + Филадельфия, Джон + филадельфия, Алиса + филадельфия Понадобится где-то 1 к потоков. Вероятно, использовать амазон (как я понимаю, они для этих целей имеют сервера) Прокси ipv6. Вероятно, через браузер или имитацию его. Хотя можно и через хттп запросы попробовать. Аккаунты, в любом случае, будут лететь в бан, так что нужен регистратор, который будет подтягивать аккаунты на время парсинга. Далее все это собирается в базу. В которой мы можем: 1) Использовать минус-слова по нужным нам категориям. (например, имя и слово "Лера". Все люди с именем Лера, удалятся) 2) Плюс слова по нужным нам категориям. Например, имя и слово "Лера". Все люди с именем Лера, останутся. Этап фильтрации многоступенчатый. Т.е. операции плюс и минус слов могут использоваться несколько раз. Как в обычной бд. А также понадобится рейтинг по самым популярным совпадениям. Приведу пример. У нас есть категория Имя. Софт считает, сколько имен совпадает и выстраивает рейтинг от самого большого количества к самому меньшему. Если у нас в Списке: Сергей Филатов Сергей Есенин Александр Пушкин Софт выстроит все так: Сергей - 2 Александр 1 Категории: 1) !Вся! графа Favorites (рейтинг) 2) Образование 3) Город 4) имя и фамилия 5) Любимые цитаты (рейтинг_) 6) Работа (рейтинг) 7) пол

Приветствую, требуется парсер фб. Цель: спарсить весь фб Реализация: Фэйсбук имеет жесткие лимиты на почти весь парсинг, кроме парсинга по типу имя + город. Этим и воспользуемся. Указываем список городом и список имен. Парсим все, что нам выдают. Алгоритм будет примерно такой: Имеется города Нью-йорк, Филадельфия имена: Минди, Джон, Алиса Парсер обрабатывает так: Минди + Нью-йорк, Джон + Нью-йорк, Алиса + Нью-йорк Минди + Филадельфия, Джон + филадельфия, Алиса + филадельфия Понадобится где-то 1 к потоков. Вероятно, использовать амазон (как я понимаю, они для этих целей имеют сервера) Прокси ipv6. Вероятно, через браузер или имитацию его. Хотя можно и через хттп запросы попробовать. Аккаунты, в любом случае, будут лететь в бан, так что нужен регистратор, который будет подтягивать аккаунты на время парсинга. Далее все это собирается в базу. В которой мы можем: 1) Использовать минус-слова по нужным нам категориям. (например, имя и слово "Лера". Все люди с именем Лера, удалятся) 2) Плюс слова по нужным нам категориям. Например, имя и слово "Лера". Все люди с именем Лера, останутся. Этап фильтрации многоступенчатый. Т.е. операции плюс и минус слов могут использоваться несколько раз. Как в обычной бд. А также понадобится рейтинг по самым популярным совпадениям. Приведу пример. У нас есть категория Имя. Софт считает, сколько имен совпадает и выстраивает рейтинг от самого большого количества к самому меньшему. Если у нас в Списке: Сергей Филатов Сергей Есенин Александр Пушкин Софт выстроит все так: Сергей - 2 Александр 1 Категории: 1) !Вся! графа Favorites (рейтинг) 2) Образование 3) Город 4) имя и фамилия 5) Любимые цитаты (рейтинг_) 6) Работа (рейтинг) 7) пол

Приветствую, требуется парсер фб. Цель: спарсить весь фб Реализация: Фэйсбук имеет жесткие лимиты на почти весь парсинг, кроме парсинга по типу имя + город. Этим и воспользуемся. Указываем список городом и список имен. Парсим все, что нам выдают. Алгоритм будет примерно такой: Имеется города Нью-йорк, Филадельфия имена: Минди, Джон, Алиса Парсер обрабатывает так: Минди + Нью-йорк, Джон + Нью-йорк, Алиса + Нью-йорк Минди + Филадельфия, Джон + филадельфия, Алиса + филадельфия Понадобится где-то 1 к потоков. Вероятно, использовать амазон (как я понимаю, они для этих целей имеют сервера) Прокси ipv6. Вероятно, через браузер или имитацию его. Хотя можно и через хттп запросы попробовать. Аккаунты, в любом случае, будут лететь в бан, так что нужен регистратор, который будет подтягивать аккаунты на время парсинга. Далее все это собирается в базу. В которой мы можем: 1) Использовать минус-слова по нужным нам категориям. (например, имя и слово "Лера". Все люди с именем Лера, удалятся) 2) Плюс слова по нужным нам категориям. Например, имя и слово "Лера". Все люди с именем Лера, останутся. Этап фильтрации многоступенчатый. Т.е. операции плюс и минус слов могут использоваться несколько раз. Как в обычной бд. А также понадобится рейтинг по самым популярным совпадениям. Приведу пример. У нас есть категория Имя. Софт считает, сколько имен совпадает и выстраивает рейтинг от самого большого количества к самому меньшему. Если у нас в Списке: Сергей Филатов Сергей Есенин Александр Пушкин Софт выстроит все так: Сергей - 2 Александр 1 Категории: 1) !Вся! графа Favorites (рейтинг) 2) Образование 3) Город 4) имя и фамилия 5) Любимые цитаты (рейтинг_) 6) Работа (рейтинг) 7) пол

Приветствую, требуется парсер фб. Цель: спарсить весь фб Реализация: Фэйсбук имеет жесткие лимиты на почти весь парсинг, кроме парсинга по типу имя + город. Этим и воспользуемся. Указываем список городом и список имен. Парсим все, что нам выдают. Алгоритм будет примерно такой: Имеется города Нью-йорк, Филадельфия имена: Минди, Джон, Алиса Парсер обрабатывает так: Минди + Нью-йорк, Джон + Нью-йорк, Алиса + Нью-йорк Минди + Филадельфия, Джон + филадельфия, Алиса + филадельфия Понадобится где-то 1 к потоков. Вероятно, использовать амазон (как я понимаю, они для этих целей имеют сервера) Прокси ipv6. Вероятно, через браузер или имитацию его. Хотя можно и через хттп запросы попробовать. Аккаунты, в любом случае, будут лететь в бан, так что нужен регистратор, который будет подтягивать аккаунты на время парсинга. Далее все это собирается в базу. В которой мы можем: 1) Использовать минус-слова по нужным нам категориям. (например, имя и слово "Лера". Все люди с именем Лера, удалятся) 2) Плюс слова по нужным нам категориям. Например, имя и слово "Лера". Все люди с именем Лера, останутся. Этап фильтрации многоступенчатый. Т.е. операции плюс и минус слов могут использоваться несколько раз. Как в обычной бд. А также понадобится рейтинг по самым популярным совпадениям. Приведу пример. У нас есть категория Имя. Софт считает, сколько имен совпадает и выстраивает рейтинг от самого большого количества к самому меньшему. Если у нас в Списке: Сергей Филатов Сергей Есенин Александр Пушкин Софт выстроит все так: Сергей - 2 Александр 1 Категории: 1) !Вся! графа Favorites (рейтинг) 2) Образование 3) Город 4) имя и фамилия 5) Любимые цитаты (рейтинг_) 6) Работа (рейтинг) 7) пол

Всем добрый день, хотел сообщить что вчера оффициально вышла первая бета версия нашей библиотеки вебсокетов: https://github.com/qbeon/webwire-go было бы круто получить feedback от тех, кому тема интересна, буду рад вопросам / комментариям, в любом случае спасибо за внимение! 🙂

Всем добрый день, хотел сообщить что вчера оффициально вышла первая бета версия нашей библиотеки вебсокетов: https://github.com/qbeon/webwire-go было бы круто получить feedback от тех, кому тема интересна, буду рад вопросам / комментариям, в любом случае спасибо за внимение! 🙂

Еще одна зачем

PR принимаете?

в смысле?)

Зачем?

Пулл реквесты