Подготовка к двум измерениям

1. Mall Customers Dataset — данные посетителей магазина: id, пол, возраст, доход, рейтинг трат. (Вариант применения: Customer Segmentation Project with Machine Learning)
2. Iris Dataset — датасет для новичков, содержащий размеры чашелистиков и лепестков для различных цветков.
3. MNIST Dataset — датасет рукописных цифр. 60 000 тренировочных изображений и 10 000 тестовых изображений.
4. The Boston Housing Dataset — популярный датасет для распознавания паттернов. Содержит информацию о домах в Бостоне: количество квартир, стоимость аренды, индекс преступлений.
5. Fake News Detection Dataset — содержит 7796 записей с разметкой новостей: правда или ложь. (Вариант применения с исходником на Python: Fake News Detection Python Project )
6. Wine quality dataset — содержит информацию о вине: 4898 записей с 14 параметрами.

• Использовать, наконец, гигантский FPGA, который валялся у меня без дела.
• Поиграть в альтернативную историю создания компьютеров, подойдя к вопросу многозадачности с позиции железа.
• Собрать компьютер, на котором я мог бы писать забавные короткие программки по пути на работу в поезде.
• Собрать платформу, на которой можно было бы проводить относительно несложные эксперименты с компьютерной архитектурой.

1.Динамическое меню

• CSS переходы и анимации.
• Как изменить компоновку и содержимое.
• Как гармонично использовать HTML и JavaScript, чтобы добавить интерактивность на ваш сайт.

1. Клон Notion

• HTML Drag and drop API. Пользователь может «схватить мышкой» draggable элемент и поместить его в droppable зону.
• Как синхронизировать в режиме реального времени данные между компьютером и смартфоном.
• Мы позволяем пользователям создавать, читать, обновлять и удалять записи, тем самым мы тренируем CRUD-навыки.