Как пересчитать баланс после операции, внесённой задним числом: журнал дельт, оконная сумма, порядок событий и отличие даты операции от даты записи.
Статьи
Как выбрать последнюю строку на клиента, если события имеют одинаковый timestamp: ROW_NUMBER, явное правило ничьей и проверка смысла event_id.
Одинаковые даты в оконной сумме дают неожиданную ступеньку. Разбираем peers, ROWS и RANGE на четырёх платежах и выбираем нужное зерно отчёта.
Как принять долгую AI-задачу через n8n webhook, сразу вернуть job_id, затем получить результат через статус или callback.
Как найти изменившийся префикс, прочитать cached_tokens и посчитать фактическую стоимость запросов с попаданиями и промахами кэша.
При потоковом вызове инструмента JSON приходит частями. Показываем буфер по каждому вызову, проверку завершения и безопасный запуск функции.
Разбираем, почему фильтр после HNSW даёт меньше строк, и как проверить план, включить iterative scan и выбрать стратегию для редкого tenant_id.
Как CUPED убирает часть шума A/B-теста: совпадение единиц, общий коэффициент, пример расчёта и границы применения.
Пошагово разбираем сбой consumer между записью результата и commit offset: когда событие теряется, когда повторяется и как защитить эффект.
Разбираем, почему обычный временной split пропускает будущие метки, как считать gap и проверять границу обучения на Python.
Считаем ошибки OCR посимвольно и по словам, нормализуем регистр и пробелы и решаем, какие ошибки важны для документа.
Модель точна, но каждый признак кажется бесполезным? Показываем, как корреляция занижает permutation importance и что проверять.
Почему хороший ROC AUC не делает 0,9 честной вероятностью. Считаем Brier score и долю событий в группах прогнозов.
Разбираем серии активности по дням: убираем дубли, нумеруем даты и собираем непрерывные интервалы оконной функцией.
Как соединить заказ с версией статуса клиента на его дату: интервалы SCD2, открытая верхняя граница и проверка дублей.
Убираем padding и масштаб letterbox, проверяем рамки xyxy на NumPy и разбираем, когда Ultralytics уже вернул исходные координаты.
Разбираем 0/0 у пустых масок, среднее по кадрам и IoU по сумме пикселей. Пример NumPy показывает, почему одна модель получает три оценки.
Проверяем каналы, NCHW, float32 и нормализацию NumPy. Как отделить ошибку подготовки изображения от экспорта ONNX и постобработки.
Сохраняем session_id и разделяем целые съёмки. Пример Python проверяет общие источники, ID кадров и manifest для оценки CV-модели.
Второй столбец predict_proba не всегда означает нужное бизнес-событие. Найдём столбец по classes_ и проверим контракт inference.
