Plattformen

KI

Programmieren

zwei Faktor Authentifizierung cloning HDD CadQuery => 3D in Python winget installieren (Powershell) - Install-Module -Name Microsoft.WinGet.Client - Learn X in Y minutes

Data fitting (Sensor)

Kreisausgleichsproblem Ausgleich 2. Grades Achsenabschnitt Wikibooks Regressionsanalyse Kugel per numpy anpassen Sphere fitting python Kreisausgleich

Datamining

Open Data Sources Free Datasets Kaggle Kaggle/Pandas

Hacking

CyberChef: find encoding TryHackMe - Try hack me: https://tryhackme.com/ - Hacking box: https://www.hackthebox.com/

GUI in Python

Frameworks 10 Frameworks Übersicht Widgets Paned Window

Bedienbarkeit

Projekte

Misc

Evolutionäre Algorithmen: https://de.wikipedia.org/wiki/Evolution%C3%A4rer_Algorithmus
Downhill-Simplex-Verfahren: https://de.wikipedia.org/wiki/Downhill-Simplex-Verfahren

Handlungsreisender

Punkte = [ [x0, y0], [x1, y1], … ]
Start = 0 # erstes Element
Anzahl = 5 # Anzahl der Punkte

AbstandsMatrix erstellen
Ausgangsvektor bestimmen V = Punkte[Start:Start+Anzahl]
Länge für Vektor bestimmen

Idee:
Verbindungsmatrix: nächste 2 Punkte markieren
Gemeinsame Strecken = Teil der Lösung
Z.B. A => B, C; B=> A, D; AB doppelt = Lösung

Einfache Verbindung (entfernt liegende Punkte):

Erweiterung der Idee: - Punkt Z mit größter (kürzester) Entfernung darf sich seine beiden nächsten Nachbarn "aussuchen" - Punkt Z fertig => löschen - Danach Punkt Y nächster Punkt mit größter Entfernung - Etc.

Mögliche Konflikte: - Zwei oder mehrere "entfernte Punkte" wollen sich mit gleichem Punkt verbinden - Kein zusammenhängendes Gebilde (zwei Flächen)

Evolutionäre Algorithmen

Plot

Initialisierung
Population mit Lösungskandidaten erstellen
- Zufall
- Beste (bisher) bekannte Ergebnisse
Bewertung
Güte aller Lösungskandidaten ermitteln
Terminierungsbedingung Prüfung ob Ziel erreicht wurde:
- Vorgegebener Schwellwert
- Gewünschte Güte
- Anzahl Generationen ohne Verbesserung
- Maximale Anzahl Iterationen
Paarungsselektion
Abhängig von Güte Anzahl der Nachkommen bestimmen
Rekombination
Durchmischung der Population
Mutation
Kleine Veränderung am (neuen) Individuum
Bewertung
Güte aller Lösungskandidaten ermitteln
Umweltselektion
Integration der Kinder in die Population der Eltern
- Einzelne Individuen entfernen
- Gesamte Elternpopulation entfernen

Handlungsreisender
Mutation:
- Tausch zweier Elemente
- Invertieren eines Teilabschnitts
- Abschnitte kombinieren

+ Ordnungsrekombination  
+ Kantenrekombination

Wikipedia: https://de.wikipedia.org/wiki/Evolution%C3%A4rer_Algorithmus https://www.codeproject.com/search.aspx?q=genetic&x=0&y=0&sbo=kw

MD5-Checker

Datei im Explorer mit rechter Maus anklicken - Check File - Check Folder - Check Database

Check File

Dateiname schon in Datenbank?
MD5 schon in Datenbank?


	Dateiname nicht enthalten	Dateiname enthalten
MD5 nicht enthalten	Datei in DB nicht enthalten Datei + MD5 zu DB hinzufügen?	Datei wurde geändert! MD5 in DB anpassen
MD5 einmalig enthalten	Datei existiert unter anderem Namen an anderer Stelle Datei zu DB hinzufügen? Datei von HD löschen?	Datei einmalig in DB Dateieintrag aus DB löschen? Datei von HD löschen?
MD5 mehrmals enthalten	Doublette mit anderem Namen Datei von HD löschen? Datei zu DB hinzufügen?	Datei in DB erfaßt + Doubletten an anderer Stelle Datei von HD + aus DB löschen?

Check Folder

Neue Dateien zu DB hinzufügen
Dateien mit bereits vorhandenem MD5 auf HD löschen
…

Check Database

Konsistenz der Datenbank prüfen
Gibt es die Datei noch?
Stimmt MD5 noch?


	Datei noch vorhanden	Datei nicht mehr vorhanden
MD5 korrekt	Alles i.O. Keine Aktion	Datei wurde gelöscht Eintrag aus DB löschen
MD5 falsch	Datei wurde geändert MD5 aktualisieren	Datei wurde gelöscht Eintrag aus DB löschen

Datenbank

Dateiaufruf

Dateiname wird bei Aufruf übergeben
Test ob Datei oder Ordner
Wenn Datei
- Berechne MD5
- MD5-Wert in Datenbank schon vorhanden?
  - Nein => Wert abspeichern (neuer Eintrag: MD5-Wert, Pfad+Dateiname)
  - Ja => aktueller Pfad unter MD5-Wert vorhanden?
    - Nein => Wert abspeichern (MD5-Eintrag um Pfad ergänzen)
    - Ja => Datei bereits vorhanden
    - Wenn Ordner
      - Erfasse alle Dateien in diesem Ordner
      - Frage rekursiv alle Unterordner ab

Datenstruktur

MD5, Pfad1, Pfad2 => {MD5 : [Pfad1, Pfad2]}

KISS: Datum wird nicht mit abgespeichert => kann bei Bedarf abgefragt werden (Pfad ist bekannt)

Funktionen

Load_DB() => wenn Datei existiert, einlesen; sonst: leere DB
Save_DB() => als CSV oder TXT abspeichern
Info() => Anzahl Elemente, Dateiname, etc
Add_File() => prüfen ob schon vorhanden, ggf. einfügen
Add_Folder() => alle Dateien eines Ordners hinzufügen
Show_Hash() => alle Dateien mit gegebenen Hash anzeigen
Show_File() => alle Dateien mit gleichem Hash anzeigen wie gegebenen Datei
Check_DB() => prüfen ob alle Dateien aus DB noch auf HDD existieren, gleichzeitig Hash auf Änderungen überprüfen

Format in Datei

Hash, Pfad, Dateiname, Größe

DB laden / speichern
Datei hinzufügen / löschen
Ordner hinzufügen
Alle verfügbaren Hashes abfragen
Alle verfügbaren Pfade abfragen
Prüfen ob Datei (Hash) in DB enthalten
Dateien mit gleichem Hash abfragen
DB auf Konsistenz prüfen (Dateien noch vorhanden, Hashes noch korrekt?)

Ablauf

einzelne Datei

prüfen ob genau diese Datei schon in Datenbank enthalten ist
=> prüfen ob sich die Datei geändert hat (MD5)
prüfen ob Datei(en) mit gleichem MD5 in Datenbank vorhanden ist/sind

ganzer Ordner

für jede Datei wie oben => zu viel Infos für sinnvolle Darstellung
Ordner in Datenbank aufnehmen
Ordner prüfen
=> geänderte Dateien => update database
=> gelöschte Dateien => update database
=> neue Dateien (bisher nicht vorhanden) => add to database

Log-Datei

Aufrufe und gewählte Aktionen
Änderungen an der Datenbank

con-Job auf DS218

Control Panel => Task Scheduler Create => Scheduled Task => User-defined Script https://knasmueller.net/configuring-cron-jobs-on-a-synology-nas

Exif-Datum aus Bildern

https://stackoverflow.com/questions/23064549/get-date-and-time-when-photo-was-taken-from-exif-data-using-pil

Wetterauswertung

WebCam abgreifen: wget -O pic.jpg http://wetter.webwusel.com/images/WebCam.jpg Datum und Uhrzeit für Dateiname: date +"%Y-%m-%d_%H-%M"

wget -O WebCam/"$(date +"%Y-%m-%d_%H-%M").jpg" http://wetter.webwusel.com/images/WebCam.jpg

Cron-Jobs - Doku : https://www.stetic.com/developer/cronjob-linux-tutorial-und-crontab-syntax/ - Anleitung: https://wiki.ubuntuusers.de/Cron/

Sonnenstand: http://www.geoastro.de/SME/tk/index.htm

![[Pasted image 20231030104756.png]]

Praktisch kein Regen bei rel. Luftfeuchte < 50%

Kein Regen bei Luftdruck > 1018

Je höher der Luftdruck, desto höher muß die Luftfeuchte sein damit es regnet

automatische Fotobewertung

Bildschärfe

https://www.mikrocontroller.net/topic/381725
https://stackoverflow.com/questions/7765810/is-there-a-way-to-detect-if-an-image-is-blurry
https://collab.dvb.bayern/display/TUMldv/Vorsortierung+von+Fotos#VorsortierungvonFotos-AnalysevondigitalenBildern

weitere

Character-Generator

0	Männer	Frauen	Jugendliche
Mittelwert	83,6 kg	68,5 kg	63,5 kg
Standardabweichung	13,4 kg	12,6 kg	12,9 kg
Mittelwert	180 cm	165 cm	164,5 cm
Standardabweichung	7 cm	7 cm	6,9 cm
### Gewicht
Männer:
- Mittelwert = 83,6 kg
- Standardabweichung = 13,4 kg

Frauen - Mittelwert = 68,5 kg - Standardabweichung = 12,6 kg

Jugendliche - Mittelwert = 63,5 kg - Standardabweichung = 12,9 kg

BMI (kg/m²) - Untergewicht: <18,5 - Normalgewicht: 18,5 - 25 - Übergewicht: 25 - 30 - Adipositas: >30

Körpergröße

Männer: - Mittelwert = 180 cm - Standardabweichung = 7 cm

Frauen - Mittelwert = 165 cm - Standardabweichung = 7 cm

Jugendliche (14-18J.) - Mittelwert = 164,5 cm - Standardabweichung = 6,9 cm

Namen

=> Excel-Tabelle mit Vor- und Nachnamen Vornamen 1940 Vornamen 1950 - heute

Augenfarbe

Braun 75%
Blau 10%
Haselnuss 5%
Bernstein 5%
Grau 3%
Grün 2%

Strassenname

=> txt-Datei

Schulabschluss

Datenportal BMBF

VVS Fahrplan

Datenmodelle

![[Pasted image 20231030104953.png]] https://de.wikipedia.org/wiki/Methode_der_kleinsten_Quadrate

Keys	Action
`?`	Open this help
`n`	Next page
`p`	Previous page
`s`	Search