Рубрики
Разное

Dsg расшифровка: Коробка передач DSG в автомобилях ŠKODA

«ДСГ» — slova365.ru — расшифровка любых сокращение!

Расшифровка аббревиатуры:

«ДСГ»

дивизионный склад горючего

добровольное страхование грузов

главный инженер станции

Транскрипция сокращения:

Doing Something Good

перевод: Делать Что-То Хорошее

DooM saved game

перевод: Дум сохраненную игру

Descartes Systems Group

перевод: Декарт Систем Группы

Defense Strategic Guidance

перевод: Стратегическая Оборона Руководство

Destitute Streetdwelling Guttersnipe

перевод: Обездоленный Streetdwelling Гаврош

Desision Systems Group

перевод: Решение Систем Группы

Dead Set Glamour

перевод: Мертвый Набор Гламур

Democratic Study Group

перевод: Демократическая Исследовательская Группа

Direct Shifting Gearbox

перевод: Прямая Сдвиг Коробка Передач

David Shankle Group

перевод: Дэвид Шенклом Группы

Digital Subscribers Group

перевод: Цифровой Абонентской Группы

Digital Solutions Group

перевод: Цифровые Групповые Решения

D Stoker Group

перевод: Д Стокер Группы

Dave’s Sporting Goods

перевод: Спортивные товары у Дэйва

Dry Sterile Gauze

перевод: Сухие Стерильные Марлевые

Daily Sketch Group

перевод: Ежедневные Групповые Эскиз

Транслитерация: DSG

Direct Shift Gearbox

перевод: Коробка Передач Непосредственног

Dressing

перевод: Заправка

Down Syndrome Guild

перевод: Синдром Дауна Гильдии

Direkt Schalt Getriebe

перевод: Непосредственно Переключения Передач

DOCSIS Set-Top Gateway

перевод: Сет-Топ домашний шлюз

Dakota Supply Group

перевод: Группа Дакота

dynamic shift gearbox

перевод: динамического переключения коробки передач

Dynamic Sole Grind

перевод: Динамическая Подошва Шлифовать

Donna S. Guido, Consultant, DSG Associates

перевод: Женщина, S. Вожу, Консультант, DSG Associates

Случайное сокращение: «ПВРК»

Расшифровка аббревиатуры: «ПВРК» Петроградский военно-революционный комитет Транскрипция сокращения:
…

Случайное сокращение: «синд.»

Расшифровка аббревиатуры: «синд.» синдикат Транскрипция сокращения:
Southern Indiana Railway
перевод: Южная Железная Дорога Индианы …

Случайное сокращение: «ТПОГХ»

Расшифровка аббревиатуры: «ТПОГХ» территориально-производственное объединение городского хозяйства Транскрипция сокращения:
…

Случайное сокращение: «ГАГУ»

Расшифровка аббревиатуры: «ГАГУ» Горно-Алтайский государственный университет Транскрипция сокращения:
…

Случайное сокращение: «АСДУДП»

Расшифровка аббревиатуры: «АСДУДП» автоматизированная система диспетчерского управления движением поездов Транскрипция сокращения:
…

Случайное сокращение: «УФ ВАТТ»

Расшифровка аббревиатуры: «УФ ВАТТ» Ульяновский филиал Военной академии тыла и транспорта Транскрипция сокращения:
. ..

Случайное сокращение: «ЧНИ»

Расшифровка аббревиатуры: «ЧНИ» чулочно-носочные изделия чистый налог на импорт Транскрипция сокращения:
…

Случайное сокращение: «барр./сут.»

Расшифровка аббревиатуры: «барр./сут.» сутки сырьё углеводородное тяжёлое следственное управление на транспорте сеялка унифицированная зернотравяная баррель Т …

Случайное сокращение: «Минсемьямолодспорт Украины»

Расшифровка аббревиатуры: «Минсемьямолодспорт Украины» Транскрипция сокращения:
…

Случайное сокращение: «ЗиВФ»

Расшифровка аббревиатуры: «ЗиВФ» заочный и вечерний факультет Транскрипция сокращения:
…

Предыдущая

Следующая

DSG 0AM — Trans-Gear

DSG 0AM — Trans-Gear

Ошибка Расшифровка Локация
P175E Муфта 1 непреднамеренно замкнута Мехатроник
P176F Муфта 2 непреднамеренно замкнута Мехатроник
P175D Муфта 1 непреднамеренно разомкнута Мехатроник
P176E Муфта 2 непреднамеренно разомкнута Мехатроник
P189A Фрикцион 1 − Зазор слишком мал Сцепление
P189B Фрикцион 2 − Зазор слишком мал Сцепление
P177B Фрикцион 1 − Достигнута граница допуска Сцепление
P177C Фрикцион 1 − Достигнута граница допуска Сцепление
P1898 Фрикцион 1 − Ограничение работы Сцепление
P1899 Фрикцион 1 − Ограничение работы Сцепление
P177D Двойная фрикционная муфта − Слишком большой момент Сцепление
P2787 Перегрев муфты Сцепление
P2789 Адаптация муфты на пределе Сцепление
P17BF Гидравлический насос − Защита от игры Мехатроник
P0841 Датчик 1 давления в гидросистеме КП − Недостоверный сигнал Мехатроник
P1604 Неисправен блок управления Мехатроник
P189C Ограничение работы − Из-за недостаточного увеличения давления
P1895 Ограничение работы − Из-за падения давления
P1854 Шина данных привод − Неисправность
P173A Датчик хода 1 переключателя передач − Недостоверный сигнал Механика
P173B Датчик хода 2 переключателя передач − Недостоверный сигнал Механика
P173C Датчик хода 3 переключателя передач − Недостоверный сигнал Механика
P1732 Датчик хода 4 переключателя передач − Недостоверный сигнал Механика
Р0562 Слишком низкое напряжение на электродвигателе Мехатроник
P177F Чрезмерное падение напряжения на двигателе гидравлического насоса Мехатроник
P175F Не выполнена базовая установка коробки передач Мехатроник
P189C Повышение давления не диагностируется Мехатроник
P174A Электрическая неисправность клапана 3 или отсутствие связи с блоком управления АКП Мехатроник

Расшифровка кодов, указывающих на причины отмены процедуры базовой регулировки:
Код Расшифровка
0 Нет отмены (всё хорошо, процедура пройдена)
1 Процедура отменена пользователем
2 Procedure aborted, because some conditions are not met
3 Prerequisites timeout
4 Neutral Switch little memory pressure
5 Procedure aborted, because the time at 100 rpm for system preparation has expired
6 Waiting time until the GS13 neutral switch is in the range from -8 mm to +8 mm has been exceeded, or switch is unstable
7 Время ожидания запуска двигателя истекло
8 Procedure terminated due to time being exceeded, because pressure pump incorrectly > 50 bar
9 Time exceeded for check of axle W1, because engine speed does not reach 50% of the operating speed
10 Clutch K2 zero position is not stable
11 Clutch K1 zero position is not stable
12 Time exceeded, because pressure pump < 50 bar
13 Time exceeded, impossible, in engaged gear G1 Is unstable or not between 1. 5 mm and 20 mm
14 Procedure terminated because time exceeded, impossible, in neutral position GS13
15 Time exceeded because of instability, preparation of the synchronisation point in neutral position GS13
16 Time exceeded because of instability, preparation of the synchronisation point in the gears while the engine speed is greater than or equal to half the operating engine speed
17 Time (5 seconds) exceeded by the necessary coupling point of rising ramp 1 due to speed change
18 Time (5 seconds) exceeded by the necessary coupling point of rising ramp 2 for increasing the offset due to speed change
19 Time (5 seconds) exceeded by the necessary coupling point of rising ramp 3 for shifting to G1
20 Time (5 seconds) exceeded by the necessary coupling point of rising ramp 4 for closing the necessary coupling point of the rising ramp
21 Time (5 seconds) exceeded in reaching the operating point of the clutch during run-up of ramp 5 K1 or the clutch is greater than 14 mm, is unstable, or there is a deviation from the target value of more than 0. 15 mm
22 Time (5 seconds) exceeded for closing the clutch during run-up of ramp 6, clutch is unstable, or there is a deviation from the target value of more than 0.15 mm
23 Time (5 seconds) exceeded for closing the clutch during run-up of ramp 7
24 Kupplungswegrampe8 timeout
25 Kupplungswegrampe9 timeout
26 Time (5 seconds) exceeded for closing the clutch during run-up of ramp 10 (clutch for opening the status end), clutch is unstable or not between 0 and 3.5 mm
27 Time exceeded in the synchronisation of the neutral position and the axle (4.9 mm) G1
28 Time exceeded until the torque of the neutral position GS13 is reached, is unstable, or the threshold was exceeded
29 Waiting time for ramp pressure 2, shaft of dual clutch, exceeded. Unstable
30 Waiting time exceeded in test of ramp pressure 2, shaft of dual clutch
31 Druckrampe4 WDK timeout
32 Waiting time for ramp pressure 3, shaft of dual clutch, exceeded (16 seconds)
33 Waiting time for ramp pressure 5, shaft of dual clutch, exceeded (16 seconds)
34 Waiting time for stability of shaft of dual clutch clutch-closed exceeded
35 Waiting time for clutch during run-up of ramp pressure 6 exceeded
36 Waiting time for initial value exceed (10 seconds in EEPROM)
37 Support position of pressure implausible
38 Waiting time for clutch during run-up of ramp 11 exceeded. Not used
39 Waiting time for clutch during run-up of ramp 12 exceeded. Open 10 seconds
40 Waiting time for neutral position switch GS24 exceeded
41 Time exceeded for connection of neutral position GS57. Is unstable or not between -8 mm and +8 mm
42 Time exceeded for connection of neutral position GS6R. Is unstable or not between -8 mm and +8 mm
43 Time exceeded for connection of neutral position K1. Is unstable or not between 0 mm and 3.5 mm
44 Time exceeded for connection of neutral position K2. Is unstable or not between 0 mm and 3.5 mm
45 Time exceeded for preparation of axle W2. Is unstable or not between 0 mm and 3.5 mm
46 Time exceeded for check of axles K1. Is unstable or not between 0 mm and 3.5 mm
47 Time exceeded for check of axles K2. Is unstable or not between 0 mm and 3.5 mm
48 Time exceeded for preparation of axle K1. Is unstable or not between 0 mm and 3.5 mm
49 Time exceeded for preparation of axle K2. Is unstable or not between 0 mm and 3. 5 mm
50 Time exceeded for preparation of GS13. Is unstable or not between -8 mm and +8 mm
51 Time exceeded for preparation of GS24. Is unstable or not between -8 mm and +8 mm
52 Time exceeded for preparation of GS57. Is unstable or not between -8 mm and +8 mm
53 Time exceeded for preparation of GS6R. Is unstable or not between -8 mm and +8 mm
54 Time exceeded, impossible, in engaged gear G2. Is unstable or not between 1.5 mm and 20 mm
55 Time exceeded, impossible, in engaged gear G3. Is unstable or not between 1.5 mm and 20 mm
56 Time exceeded, impossible, in engaged gear G4. Is unstable or not between 1.5 mm and 20 mm
57 Time exceeded, impossible, in engaged gear G5. Is unstable or not between 1.5 mm and 20 mm
58 Time exceeded, impossible, in engaged gear G6. Is unstable or not between 1.5 mm and 20 mm
59 Time exceeded, impossible, in engaged gear G7. Is unstable or not between 1.5 mm and 20 mm
60 Time exceeded, impossible, in engaged gear GR. Is unstable or not between 1.5 mm and 20 mm
61 Time exceeded, impossible, in neutral position GS24. There is a deviation of more than 0.4 mm from the target value
62 Time exceeded, impossible, in neutral position GS57. There is a deviation of more than 0.4 mm from the target value
63 Time exceeded, impossible, in neutral position GS6R. There is a deviation of more than 0.4 mm from the target value
64 Time exceeded for preparation of the stability of the synchronisation point of the neutral position G24. Maximum deviation from GS13 0.4 mm
65 Time exceeded for preparation of the stability of the synchronisation point of the neutral position G24. Maximum deviation from GS57 0.4 mm
66 Time exceeded for preparation of the stability of the synchronisation point of the neutral position G24. Maximum deviation from GS6R 0.4 mm
67 Time exceeded for preparation of the stability of the synchronisation point of the neutral position EW1. The values must be between 0 and 3. 5 mm
68 Time (5s) until the required engine torque for actuation of the clutch for rises exceeded by G2
69 Time (5s) until the required engine torque for actuation of the clutch for rises exceeded by G3
70 Time (5s) until the required engine torque for actuation of the clutch for rises exceeded by G4
71 Time (5s) until the required engine torque for actuation of the clutch for rises exceeded by G5
72 Time (5s) until the required engine torque for actuation of the clutch for rises exceeded by G6
73 Time (5s) until the required engine torque for actuation of the clutch for rises exceeded by G7
74 Time (5s) until the required engine torque for actuation of the clutch for rises exceeded by GR
75 Time (5s) until coupling is reached is exceeded, threshold of the clutch is greater than 14 mm, is unstable, or the deviation from the target value is greater than 0.15 mm
83 Time exceeded in the synchronisation of the neutral position and the axle (4.6 mm) G2
84 Time exceeded in the synchronisation of the neutral position and the axle (4. 6 mm) G3
85 Time exceeded in the synchronisation of the neutral position and the axle (4.6 mm) G4
86 Time exceeded in the synchronisation of the neutral position and the axle (4.6 mm) G5
87 Time exceeded in the synchronisation of the neutral position and the axle (4.6 mm) G6
88 Time exceeded in the synchronisation of the neutral position and the axle (4.6 mm) G7
89 Time exceeded in the synchronisation of the neutral position and the axle (4.6 mm) GR
90 Time exceeded until the torque of the neutral position GS24 is reached, is unstable, or the threshold was exceeded
91 Time exceeded until the torque of the neutral position GS57 is reached, is unstable, or the threshold was exceeded
92 Time exceeded until the torque of the neutral position GS6R is reached, is unstable, or the threshold was exceeded
93 Time exceeded for NAN of neutral position or the threshold (100 rpm) of the operating engine speed was exceeded
94 Time exceeded for preparation of the stability of the synchronisation point of the neutral position EW2. The values must be between 0 and 3.5 mm
100 Time (10 sec.) exceeded for closing of clutch 14 for run-up of ramp K1, or the threshold is less than 20 mm
101 Time (10 sec.) exceeded for closing of clutch 14 for run-up of ramp K2, or the threshold is less than 20 mm
102 Time (10 sec.) exceeded for closing of clutch 15 for run-up of ramp K1, or is unstable, or the threshold is greater than 3 mm
103 Time (10 sec.) exceeded for closing of clutch 15 for run-up of ramp K2, or is unstable, or the threshold is greater than 3 mm
128 Precondition Error: Temperature
256 prerequisite error: selector lever is not in P
512 Precondition Error: Car-Speed not NULL
1024 prerequisite errors: TG 1/2 failed
2048 prerequisite errors: battery voltage is low
4096 prerequisite error: Hardware Diagnostics active
8192 prerequisite errors: input speed limits outside

Узнайте стоимость ремонта АКПП

Спасибо за Ваш отзыв

Спасибо! Наш специалист

свяжется с Вами
в течении 15 минут

Получать

специальное предложение
на ремонт АКПП

Узнать стоимость

ремонта АКПП

Прокачка.

Расшифровано.. Я знаю, что становится трудно наверстать упущенное… | Манджит Сингх | Data Science Group, IITR

Я знаю, что становится трудно следить за ежедневными сообщениями, но так и должно быть. 12 алгоритмов за 12 дней .
Здесь мы распаковываем одну из самых мощных техник машинного обучения, используемых гроссмейстерами для победы в Data Hackathons на Kaggle. Вы будете считать себя счастливчиком, если поймете это правильно.

Нет ссылок с этим. к вашему сведению.

Повышение точности модели сверх определенного предела может быть сложной задачей. Именно поэтому вам нужно Повышение .

Не сдавайся в перерыве. Сконцентрируйтесь на победе во втором тайме.

Семейство ансамбля машинного обучения метаалгоритмов в обучении с учителем, которые повышают точность алгоритмов машинного обучения.

Может ли набор слабых учеников создать одного сильного ученика?

  • Слабый ученик : Любой алгоритм машинного обучения, который обеспечивает точность немного выше, чем случайное угадывание.
  • Ансамбль : Общая модель, построенная с помощью Boosting, представляет собой взвешенную сумму всех слабых учеников. В целом модель дает довольно высокую точность.
  • Мета-алгоритм : сам по себе не является алгоритмом машинного обучения, использует другие алгоритмы для более точных прогнозов.

Просто почувствуй.

1. AdaBoost

Первая оригинальная техника бустинга : высокоточное правило предсказания, объединяющее множество слабых и неточных правил.
Классический вариант использования: Распознавание лиц

Объяснение алгоритма!

Выше показано пространство выборки , которое мы будем использовать для классификации.

Ячейка 1 : Всем наблюдениям присваиваются одинаковые веса , и для классификации + или — применяется метод принятия решения . S1 сгенерировал вертикальную линию с левой стороны для классификации точек данных. Этот пень решения неправильно предсказал три +. Итак, мы придадим больший вес этим трем точкам данных в нашем следующем решении.

Коробка 2 : Отчетливо видна разница в размерах между этими тремя неверно предсказанными и остальными точками данных. Для правильного их предсказания применяется еще один отрезок решения (S2) в правой части поля. Но на этот раз три — классифицированы неправильно. Повторение.

Box3 : Здесь трем — присваиваются более высокие веса. S3 применяется для правильного прогнозирования этих неправильно классифицированных наблюдений. На этот раз создается горизонтальная линия для классификации — и +.

Box4 : Здесь мы объединяем S1, S2 и S3, чтобы сформировать сильный прогноз, имеющий сложное правило по сравнению с отдельными слабыми учениками. Очевидно, этот алгоритм точно классифицировал эти наблюдения по сравнению с любым из отдельных слабых учеников.

В основном мы используем пней решений с AdaBoost . Но любой алгоритм машинного обучения можно использовать в качестве базового обучаемого, если он принимает веса в наборе обучающих данных. (как классификация, так и регрессия)

Если вы идете через ад, продолжайте идти. (В. Черчилль)

Наиболее важные параметры

Здесь объясняются основные параметры. Остальное можно украсть у Склеарна.

  • base_estimator : Базовый оценщик, на основе которого строится усиленный ансамбль. Как и в данном примере, мы использовали дерево решений в качестве базового обучающегося.
  • n_estimators : максимальное количество оценок, при котором бустинг прекращается. В случае идеально подходит , процедура обучения останавливается досрочно.
  • Learning_rate : Уменьшает вклад каждого дерева на Learning_rate. Существует компромисс между Learning_rate и n_estimators.
  • алгоритм : Алгоритм SAMME.R обычно сходится быстрее, чем SAMME , обеспечивая меньшую ошибку теста с меньшим количеством повышающих итераций.

Реализация для нубов. Я тоже один.

2. Повышение градиента

Если бы линейная регрессия была Toyota Camry, то повышение градиента было бы вертолетом UH-60 Blackhawk. Это алгоритм для большинства хакеров, стремящихся выиграть соревнования по машинному обучению. Внимательно прочитайте!

Смотрите сами. Кто сейчас предпочитает дороги?

  • Техника машинного обучения, используемая для задач регрессии и классификации, создает модель прогнозирования в виде ансамбля слабых моделей прогнозирования, обычно деревьев решений .

Основная идея этого алгоритма заключается в построении новых базовых обучаемых, которые могут быть максимально коррелированы с отрицательным градиентом функции потерь, связанной со всем ансамблем.

Математика Математика и еще раз математика:

На этот раз рассмотрим задачу регрессии. Нам даны (x1, y1), (x2, y2), …, (xn, yn), и задача состоит в том, чтобы подогнать модель F(x) для минимизации квадратичных потерь. Предположим, у нас есть модель, и эта модель хороша, но не идеальна. Есть ошибки: F(x1) = 0,8, а y1 = 0,9, и F(x2) = 1,4, а y2 = 1,3… Как мы можем улучшить эту модель, ничего не удаляя из F и не изменяя какой-либо параметр F?

Мы можем добавить к F дополнительную модель (дерево регрессии) h, ​​чтобы новый прогноз был F(x) + h(x).

мы хотим улучшить модель так, чтобы

Или, что то же самое, вы хотите, чтобы

Да! Это так просто.

Чтобы получить ч, подгоняем модель по точкам (x1, y1-F(x1)), (x2, y2-F(x2)), …(xn, yn-F(xn)).

Члены (yi-F(xi)) называются остатками. Это те части, в которых наша существующая модель F не справляется. Роль h состоит в том, чтобы компенсировать недостаток существующей модели F. Если новая модель F + h по-прежнему неудовлетворительна, мы можем добавить еще одно дерево регрессии.

Как это связано с градиентным спуском?

Градиентный спуск

Минимизация функции путем перемещения в направлении, противоположном градиенту.

Функция потерь: J = (y − F (x))²/2

Таким образом, отрицательный градиент эквивалентен остатку в случае повышения градиента. Итак, на каждом шаге мы пытаемся уменьшить невязку, а в случае градиентного спуска мы фактически движемся в направлении отрицательного градиента и пытаемся уменьшить потери.

Код Python

  • N_ESTIMATORS : INT (по умолчанию = 100)
  • Learning_Rate : (по умолчанию = 0,1)
  • MAX_DEPTH : (DEFAUTE = 3) =

    • . . Максимальная глубина ограничивает количество узлов в дереве.

3. XGBoost (Extreme Gradient Boosting)

Прежде чем читать это, сделайте одну вещь. Возьмите любое недавнее соревнование Kaggle и посмотрите, как приближаются первые 3 победителя. Если вы не найдете применение XGBoost, стреляйте в меня!

Экстремальное повышение градиента (XGBoost) похоже на структуру повышения градиента, но более эффективна. В частности, XGBoost использовал более регулярную формализацию модели для управления переоснащением, что обеспечивает лучшую производительность, поэтому он также известен как метод «регуляризованного повышения ». Он имеет как решатель линейной модели, так и алгоритмы обучения дерева. Кроме того, он может выполнять параллельные вычисления на одной машине.

Это делает XGBoost как минимум В 10 раз быстрее , чем существующие реализации повышения градиента. Он поддерживает различные целевые функции, включая регрессию, классификацию и ранжирование.

Объяснение алгоритма:

Основное различие между GBM и XGBoost заключается в их целевой функции. В случае XGBoost Целевая функция = Потеря обучения + Регуляризация

Я оставлю это здесь, потому что объяснение математики, лежащей в основе XGBoost, займет совершенно новый блог.

Цель

Любопытство — это похоть ума

Итак, для всех любознательных умов, которые живут, чтобы исследовать больше! Посмотрите здесь, здесь и здесь.

Параметры (наиболее важные для настройки):

  • Booster: У вас есть такие опции, как gbtree, gblinear и dart.
  • learning_rate: Аналогично скорости обучения в GBM. Попробуйте 0,01–0,2
  • max_depth: Это то же самое, что мы использовали в Random Forest, GBM и т. д. Он контролирует переоснащение. Типичные значения: 3–10

Ооо! эти параметры продолжают повторяться

  • гамма: Разделение узлов будет выполняться только в том случае, если снижение потерь больше, чем гамма. Таким образом, это делает алгоритм консервативным.
  • лямбда и альфа: лямбда — это коэффициент регуляризации L2, а альфа — регуляризация L1. Если вы опасаетесь переоснащения, хорошо настройте их.

Код Python:

Те, кому интересно, почему я описал очень мало параметров выше, я сказал Важно.

Вот как вы предсказываете.

Для кодов в R вы можете обратиться к этой статье, а для настройки параметров вы можете обратиться к этой.

Мне больше всего нравится эта часть сообщения в блоге, потому что, в конце концов, это самое главное. Имейте это в виду!

Pros

  • Меньше ошибок на основе ансамблевого метода.
  • Легко понять. (не для xgboost)
  • Автоматически выполнять проектирование функций .
  • Очень мало подготовки данных для алгоритма.
  • Подходит, если исходная модель довольно плохая

Минусы

  • Время и вычисления требуют больших затрат.
  • Возрастает сложность классификации.
  • Трудно реализовать на платформе реального времени.
  • Алгоритмы повышения обычно имеют 3 параметра, которые можно точно настроить: параметр усадки, глубина дерева, количество деревьев. Для хорошей посадки необходима правильная тренировка каждого из этих параметров. Если параметры настроены неправильно, это может привести к переобучению.
  • В случае несбалансированного набора данных деревья решений смещены. Однако, используя правильные критерии разделения, эту проблему можно решить.

Список литературы

  1. Awesome Resources Github Repo (если вы не открываете это, блог не стоил чтения)
  2. AV Blog на повышение
  3. Мастерское обучение. XGBoost docs
  4. Исследовательская статья XGBoost
  5. Multi-Class Adaboost
  6. Ускоряющий модуль Sklearn

Сноски:

Одно предложение состоит в том, что не пропускайте ссылки, только читая их, вы сможете правильно понять алгоритм.

Кстати, это завершает третий алгоритм нашей серии алгоритмов . Это очень интересно для нас. Ваше здоровье!

Нажмите ❤, если это сделает вас немного умнее.

Соавтор: Гаурав Джиндал
Редакторы: Аджай Унагар и Акхил Гупта

Расшифровка приборной панели: предупреждающие индикаторы

Перейти к основному содержанию