1 и 2. Без познаний в программировании (или с самыми базовыми), можно попробовать создать сайт в онлайн-конструкторе (uCoz, wix и подобных).
Если умеешь программировать, вопрос "с каких программ" некорректен. Используй любой текстовый редактор (а лучше среду разработки).
Для сайта всегда нужно писать front-end, и почти всегда back-end.
Front-end (клиентская сторона) -- внешний вид сайта, пользовательский интерфейс. Нужно знать, по крайней мере, HTML, CSS, JavaScript.
Back-end (программно-аппаратная часть сервиса) -- то, что происходит "под капотом". Например, обработка запросов клиента (API, которые использует front-end), работа с базами данных. Есть разные фреймворки на разных языках программирования. Python Django, Python Flask, PHP Laravel, Express.js и многие другие.
3. Во избежание ошибок
Все значения атрибутов тегов следует указывать в кавычках. Если значение с пробелами, а ты забудешь поставить кавычки, браузер в качестве значения alt возьмет только первое слово.
Важно соблюдать правильную иерархию тегов. Например, <title> должно находиться внутри <head> и нигде иначе.
Также нужно не забывать закрывать теги. Обязательные закрывающие теги должны присутствовать всегда, иначе браузер будет отображать документ неправильно.
Браузер игнорирует неправильно написанные теги (как и атрибуты) и отображает содержимое так, будто тега и не было. Более того, код HTML с неизвестными тегами не пройдет валидацию.
Для читабельности
Хотя HTML-теги нечувствительны к регистру (<br> <=> <bR> <=> <BR>), рекомендуется придерживаться выбранной формы записи на протяжении всех страниц сайта. Более того, текст, полностью набранный заглавными символами, читается хуже, чем текст с символами нижнего регистра или смешанный.
Хотя внутри тега между его атрибутами допустимо ставить перенос строк. лучше писать теги в одну строку, иначе ухудшается восприятие кода и его становится сложнее править.
Объяснение:
Машинное обучение (Machine Learning) это тренировка математической модели на исторических данных для того, чтобы прогнозировать какое-то событие или явление на новых данных. То есть попытка заставить алгоритмы программ совершать действия на основе предыдущего опыта, а не только на основе имеющихся данных.
Для обучения нужны исторические данные (обучающая выборка) и значение целевой переменной (то, что прогнозируем), которое соответствует заданным историческим данным. Модель наблюдает и находит зависимости между данными и целевой переменной. Эти зависимости используются моделью для нового набора данных, чтобы прогнозировать целевую переменную, которая неизвестна.
Машинное обучение включает в себя целый набор методов и алгоритмов, которые могут предсказать какой-то результат по входным данным. Например, у вас есть какая-то информация по тому, сколько стоили ценные бумаги в каждый момент из какого-то длинного промежутка времени, алгоритмы машинного обучения могут предсказать, сколько эти бумаги будут стоить в будущем.
Алгоритмов машинного обучение большое множество: одни эффективны для решения одного типа задач задач, вторые — для другого. Важно не путать машинное обучение, нейросети и искусственный интеллект, это принципиально разные вещи. Обучить искусственный интеллект можно не только методами машинного обучения, а кроме нейросетевых алгоритмов есть ещё и классическое обучение, и обучение с подкреплением.
