Как узнать силу тока в розетке


Какой ток в розетке - переменный или постоянный, и зачем это нужно знать: сколько ампер, какая его частота и как узнать самостоятельно

Человек, хоть частично знакомый с электричеством, знает какой ток протекает в розетке – переменный или постоянный. Но большинство граждан, которые пользуются благами электричества ежедневно, не задумываются об этом, и зря. Ответ на вопрос прост, ведь практически вся производимая электроэнергия относится к переменному току.

Какой ток в розетках постоянный или переменный?

98% вырабатываемой энергии – это переменный ток, и домашняя проводка не исключение. Переменный ток – это тот, который периодически изменяет величину и направление. Частота измеряется в Герцах (период изменения в секунду). Переменный ток производить намного легче чем постоянный, также не вызывает сложностей передача на большие расстояния. При передачи электроэнергии величина напряжения может как увеличиваться, так и уменьшаться неоднократно, поэтому розетки делаются для переменного значения. Но также существуют электронные приборы, которые питаются постоянным током, и их нужно приводить к одному типу.

Преимущества:

  • легко передавать на большие расстояния;
  • простое генераторное оборудование, упрощение устройства электродвигателей;
  • отсутствие полярности.

Недостатки:

  • расчеты проводятся на максимальное значение, по факту используется не более 70%;
  • электромагнитная индукция, приводящая к неравномерному распределению электричества по сечению проводника;
  • сложность проверки и измерения параметров;
  • увеличивается сопротивление, так как используется не весь кабель.

Для чего нужно знать сколько ампер в розетках в квартире

Сила тока измеряется в Амперах (А). Знать этот показатель необходимо, так как розетки различаются по нему.

Стандартные современные розетки рассчитаны на 6, 10 и 16 А. У советских приборов максимальный номинал равен 6,3 А. Для потребителей с повышенной мощностью выбирают соответствующие розетки, у которых повышенная стойкость к большим значениям.

Знание основ электротехники пригодится при поездке в другую страну. У государств могут различаться стандарты частоты и напряжений, и невозможно будет подключить привезенные с собой приборы к местной сети. Каждая розетка имеет маркировку, на которой указана максимальная сила тока.

Если у прибора указана только мощность в паспорте, вычислить ток можно по простой формуле I=P/U, где U –напряжение сети в Вольтах (220 В для домашних розеток), P – мощность прибора, измеряемая в Ваттах и I – сила тока в Амперах.

Сила тока в розетке

Стандартами частоты в России  и европейских странах является 50 Гц, в Америке – 60 Гц. Сила тока в квартирах ограничивается 16 Амперами, в частных загородных домах это значение может достигать 25 А.

Токовые измерения проводят различными способами. Можно опытным путем – подключить прибор в розетку, и если он функционирует – электроэнергия есть. Существуют мультиметры, которые замеряют значения, контрольные лампы, тестеры и индикаторы напряжения.

220 В

Номинальным напряжением в домашней сети является 220В, но на практике это значение может варьироваться. Отклонения до 20-25 Вольт.

На этот показатель влияют:

  • техническое состояние,
  • нагрузки сети,
  • загруженность электростанций.

Скачки напряжения выводят приборы из строя, поэтому подключение к сети лучше производить через специальные стабилизаторы.

Более 220 В

Для силовой электрической техники используются трехфазные сети, которые питаются напряжением 380 Вольт и выше. Чаще всего их можно встретить в электротранспорте – трамваях, троллейбусах, электричках. Для такого напряжения токовая нагрузка составляет до 32 А.

Сколько ампер в розетке 220В

Домашние розетки делаются на разную силу тока, которую она способна пропустить. Наибольшее значение – 16 А для напряжения в 220 Вольт. Каждая электророзетка промаркирована – если отмечено значение 6 А, то суммарная подключаемая нагрузка не более этого числа.

Нагрузка которую может выдержать соединение определяется по сумме  подключенных электроприборов. Например микроволновая печь, стиральная машина  подключаются через отдельные розетки не менее чем на 16 А, а для осветительных приборов, телефонов требуются устройства с меньшим номиналом.

Электроплита подключается через отдельное УЗО, так как для нее требуется 25 А и более.

Живя в ХХІ веке, используя блага научных открытий, человеку обязательно знать тип и величину тока, протекающего в домашней сети. Без этой информации невозможно купить электророзетку, правильно рассчитать нагрузку для электроприборов. Стандарты различаются для разных стран, и это стоит учитывать при поездке в другое государство.

Полезное видео

4 способа узнать, в чем ваши сильные стороны

Ключ к любви к своей работе - это задать себе один простой вопрос: «В чем моя самая большая сила?»

Подумайте об этом: так много людей занимаются работой, которую ненавидят, потому что не нашли единственной истинной страсти. Они хороши в нескольких вещах, поэтому они этим и занимаются то тут, то там, но они не уверены, что это за одно большое дело, которым они хотят заниматься вечно.

Вот мое сообщение: хватит делать дерьмо, которое ненавидишь.Определите свои сильные стороны, чтобы раскрыть свою страсть.

У меня есть четыре шага, которые помогут вам разобраться, и, надеюсь, помогут всем комментариям и электронным письмам, которые я вижу по поводу «как мне найти свои сильные стороны?» или «как мне узнать, какие у меня лучшие профессиональные навыки?» Есть так много статей, которые крутятся вокруг, но я хочу дать вам все четыре конкретных совета.

# 1: Каковы мои навыки?

Возьмите пять-десять человек, которые знают вас лучше всего. Разделите их на две категории: люди, с которыми вы общаетесь на глубоком уровне любви, и люди, с которыми вы близки, но, возможно, вы немного отличается по образу жизни и личности.

Затем попросите одного человека из каждой категории честно сказать вам, в чем, по их мнению, вы лучше всего, а что, по их мнению, у вас хуже всего. «Каковы мои навыки и способности и в чем мои слабые стороны?»

Я искренне верю, что сбор маркетинговых исследований и создание атмосферы, которая позволяет кому-то быть честным с вами, - это две важные вещи здесь. Когда кто-то действительно любит вас, он может не захотеть быть полностью честным, потому что он не хочет причинять вам боль. Но самый быстрый способ найти свои сильные стороны - это устранить слабые.

# 2: В чем мои сильные стороны?

Невозможно с романтической точки зрения относиться к навыкам, которые до сих пор помогали вам добиться успеха в жизни. Например, вы могли быть отличником, хотя у вас нет страсти к учебе. Или вы от природы хороши в баскетболе, но это не то, чем вы действительно хотите заниматься. Но один из способов, которым эти сильные стороны могут чрезвычайно пригодиться, - это использовать их как образец для раскрытия талантов, которых вы, возможно, не понимали раньше. Может быть, вы были ослеплены самой всеобъемлющей силой, потому что не увлечены ею, а перечислили все, что от вас требует этот навык.Не принимайте их как должное. Есть много вещей, которые помогают в чем-то преуспеть. Ваш потенциал не исчерпывается одним этим навыком.

# 3: Читать все

Теперь я знаю, что это очень серый мир. Найти свои сильные стороны - это очень личное. Но я хочу быть уверенным, что оставлю вам действенный совет.

Итак, вот вам супер особый вопрос: поехать в отпуск.

Ага, серьезно.

Но это не полный отпуск. В течение этого времени вы будете возвращаться к каждому электронному письму, письму или заметке, которые кто-то написал вам, рассказывая о своих похвалах или неудачах.Прочтите их все. И пока вы читаете, спросите себя: «За какие из моих навыков меня постоянно хвалят?» И с другой стороны: что люди постоянно говорят, что у вас плохо получается?

Эта задача может занять много часов. Вы могли подумать, что это займет слишком много часов.
Но подумайте: это вы нажали на эту статью. Не может быть так много времени, потому что кажется, что ты действительно хочешь в этом разобраться, верно? В конце концов, это небольшой промежуток времени, на который можно пожертвовать, по сравнению с тем счастьем, которое он принесет вам на всю оставшуюся жизнь.

# 4: Спросите незнакомцев

В социальных сетях сделайте видео или пост, спрашивая всех, кто следит за вами, тот самый вопрос, который мы повторяем снова и снова: «В чем мои личные сильные стороны?» Когда речь идет о людях, которые следят за вашим контентом и комментариями, это можно сформулировать по-разному. Мне нравится спрашивать, что я делаю, что им нравится. Что они нашли полезным? Какая моя самая лучшая работа? Каков мой потенциал?

Это самая широкая сеть, которую вы можете использовать для получения информации.Поскольку это люди, которые наблюдают за вами из очень определенного места, из вашей личности в социальных сетях, вы также можете включить эту часть своей жизни в решение, какую силу преследовать.

После этих четырех шагов у вас должна быть подробная личная информация, необходимая для перехода к новому месту назначения. Объедините все эти мысли, чтобы найти навыки и силу, которые принесут вам пользу. Оттуда варианты безграничны: новый карьерный рост? Начать новую компанию? Найдите делового партнера, который дополняет ваши сильные стороны, и работаете на него? Начать с ним компанию?

Я в восторге от того, что вы думаете о том, на что вы способны.

.

способов обнаружения и удаления выбросов | Наташа Шарма

Что вы ищете, работая над проектом Data Science? Что является наиболее важной частью фазы EDA? Есть определенные вещи, которые, если они не будут выполнены на этапе EDA, могут повлиять на дальнейшее статистическое моделирование / моделирование машинного обучения. Один из них - поиск «выбросов». В этом посте мы попытаемся понять, что такое выброс? Почему так важно идентифицировать выбросы? Какие есть методы для выбросов? Не волнуйтесь, мы не будем проходить только теоретическую часть, мы также займемся кодированием и построением графиков данных.

Определение Википедии,

В статистике выброс - это точка наблюдения, удаленная от других наблюдений.

Приведенное выше определение предполагает, что выброс - это что-то отдельное / отличное от толпы. Многие мотивационные видео предлагают отличиться от толпы, особенно Малкольма Гладуэлла. Что касается статистики, это тоже хорошо или нет? мы собираемся найти это в этом посте.

Google Image - Wikihow

Вы видите что-нибудь по-другому на изображении выше? Все числа в диапазоне 30, кроме числа 3.Это наш выброс, потому что он не где-то рядом с другими числами.

Теперь мы знаем, что такое выброс, но задаетесь ли вы вопросом, как выброс представился населению?

Проект Data Science начинается со сбора данных, и именно тогда выбросы впервые представляются населению. Однако на этапе сбора данных о выбросах вы вообще не узнаете. Выбросы могут быть результатом ошибки во время сбора данных или могут быть просто показателем расхождения в ваших данных.

Давайте посмотрим на несколько примеров. Предположим, вас попросили понаблюдать за выступлениями индийской команды по крикету, т. Е. Пробегом каждого игрока, и собрать данные.

Собранные данные

Как вы можете видеть из собранных выше данных, все остальные игроки набрали 300+, кроме Игрока 3, который набрал 10. Эта цифра может быть просто ошибкой ввода или дисперсией в ваших данных и указанием, что Player3 работает очень плохо, поэтому требует улучшений.

Теперь, когда мы знаем, что выбросы могут быть либо ошибкой, либо просто отклонением, как бы вы решили, важны они или нет. Что ж, это довольно просто, если они являются результатом ошибки, тогда мы можем их игнорировать, но если это просто расхождение в данных, нам нужно подумать немного дальше. Прежде чем мы попытаемся понять, игнорировать выбросы или нет, нам нужно знать способы их выявления.

Большинство из вас может подумать: «О! Я могу просто получить пик данных, чтобы найти выбросы, как мы это сделали в ранее упомянутом примере крикета.Давайте представим файл с 500+ столбцами и 10k + строками. Как вы думаете, выбросы можно найти вручную? Чтобы облегчить обнаружение выбросов, у нас есть множество методов в статистике, но мы будем обсуждать только некоторые из них. В основном мы будем стараться рассматривать методы визуализации (самые простые), а не математические.

Итак, приступим. Мы будем использовать набор данных Boston House Pricing Dataset, который включен в API набора данных sklearn. Мы загрузим набор данных и разделим функции и цели.

 boston = load_boston () 
x = boston.data
y = boston.target
columns = boston.feature_names # создать фрейм данных
boston_df = pd.DataFrame (boston.data)
boston_df.columns = columns
boston_df.head ()
Boston Housing Data

Характеристики / независимая переменная будет использоваться для поиска любых выбросов. Глядя на данные выше, кажется, что у нас есть только числовые значения, то есть нам не нужно выполнять какое-либо форматирование данных. (Вздох!)

Есть два типа анализа, которым мы будем следовать, чтобы найти выбросы - Uni-variate (анализ выбросов с одной переменной) и многомерный (анализ выбросов с двумя или более переменными).Не запутайтесь, когда вы начнете кодировать и строить график данных, вы сами убедитесь, насколько легко было обнаружить выброс. Для простоты мы начнем с основного метода обнаружения выбросов и постепенно перейдем к более продвинутым методам.

Обнаружение выбросов с помощью инструментов визуализации

Коробчатая диаграмма-

Определение Википедии,

В описательной статистике прямоугольная диаграмма - это метод графического изображения групп числовых данных через их квартили.Коробчатые диаграммы также могут иметь линий, идущих вертикально на из прямоугольников ( усов, ) , указывающих на изменчивость за пределами верхнего и нижнего квартилей, отсюда термины диаграмма прямоугольник и усы и диаграмма прямоугольник и усы. Выбросы могут быть , нанесенными на график как отдельных точек.

Приведенное выше определение предполагает, что если есть выброс, он будет отображаться как точка на прямоугольной диаграмме, а другая совокупность будет сгруппирована вместе и отображаться в виде прямоугольников.Давайте попробуем и увидим сами.

 import seaborn as sns 
sns.boxplot (x = boston_df ['DIS'])
Boxplot - Distance to Employment Center

На графике выше показаны три точки от 10 до 12, это выбросы, поскольку они не включены в рамку другое наблюдение, т. е. не где-то рядом с квартилями.

Здесь мы проанализировали однозначный выброс, т.е. мы использовали столбец DIS только для проверки выброса. Но мы также можем проводить многомерный анализ выбросов. Можем ли мы провести многомерный анализ с помощью прямоугольной диаграммы? Ну, это зависит от того, если у вас есть категориальные значения, вы можете использовать их с любой непрерывной переменной и выполнять многомерный анализ выбросов.Поскольку у нас нет категориального значения в нашем наборе данных Boston Housing, нам, возможно, придется забыть об использовании ящичной диаграммы для многомерного анализа выбросов.

Диаграмма рассеяния -

Определение в Википедии

Диаграмма рассеяния - это тип графика или математической диаграммы, использующей декартовы координаты для отображения значений обычно двух переменных для набора данных. Данные отображаются в виде набора из точек , каждая из которых имеет значение , одна переменная , определяющая положение на горизонтальной оси , , и значение , другая переменная , определяющая положение на вертикальной оси , . .

Как следует из определения, диаграмма рассеяния - это набор точек, который показывает значения двух переменных. Мы можем попытаться построить диаграмму рассеяния для двух переменных из нашего набора данных о жилищном строительстве.

 fig, ax = plt.subplots (figsize = (16,8)) 
ax.scatter (boston_df ['INDUS'], boston_df ['TAX'])
ax.set_xlabel ('Доля акров, не связанных с розничной торговлей на город ')
ax.set_ylabel (' Полная ставка налога на имущество на $ 10 000 ')
plt.show ()
Точечная диаграмма - Доля некоммерческих коммерческих площадей на город по сравнению с полной стоимостью налога на недвижимость

На графике выше мы видим, что большинство точек данных находятся внизу слева, но есть точки, которые далеки от населения, например, в правом верхнем углу.

Выявление выбросов с помощью математической функции

Z-Score-

Определение Википедии

Z-score - это стандартное отклонение со знаком, на которое значение наблюдения или точки данных превышает среднее значение того, что наблюдается или измеряется.

Интуиция, лежащая в основе Z-показателя, заключается в описании любой точки данных путем определения их взаимосвязи со стандартным отклонением и средним значением группы точек данных.Z-оценка находит распределение данных, где среднее значение равно 0, а стандартное отклонение равно 1, то есть нормальное распределение.

Вам должно быть интересно, как это помогает в идентификации выбросов? Что ж, при вычислении Z-показателя мы повторно масштабируем и центрируем данные и ищем точки данных, которые слишком далеки от нуля. Эти точки данных, которые слишком далеки от нуля, будут рассматриваться как выбросы. В большинстве случаев используется порог 3 или -3, то есть, если значение Z-оценки больше или меньше 3 или -3 соответственно, эта точка данных будет идентифицирована как выбросы.

Мы будем использовать функцию Z-score, определенную в библиотеке scipy, для обнаружения выбросов.

 из scipy import stats 
import numpy as npz = np.abs (stats.zscore (boston_df))
print (z)
Z-score of Boston Housing Data

Глядя на приведенный выше код и выходные данные, трудно сказать какая точка данных является выбросом. Давайте попробуем определить порог для выявления выброса.

 порог = 3 
печать (np.where (z> 3))

Это даст результат, как показано ниже -

Точки данных, где Z-оценка больше 3

Результаты не могут вас смутить.Первый массив содержит список номеров строк, а второй массив номеров соответствующих столбцов, что означает, что z [55] [1] имеют Z-оценку выше 3.

 print (z [55] [1]) 3.375038763517309 

Итак , точка данных - 55-я запись в столбце ZN является выбросом.

Оценка IQR -

График в виде прямоугольников использует метод IQR для отображения данных и выбросов (форма данных), но для того, чтобы получить список идентифицированных выбросов, нам нужно будет использовать математическую формулу и получить выброс данные.

Определение Википедии

Межквартильный диапазон ( IQR ), также называемый средним или средний 50% , или технически H-разброс , является мерой статистической дисперсии, равной разница между 75-м и 25-м процентилями или между верхним и нижним квартилями, IQR = Q 3 - Q 1.

Другими словами, IQR - это первый квартиль, вычитаемый из третьего квартиля; эти квартили можно четко увидеть на прямоугольной диаграмме данных.

Это мера дисперсии, аналогичная стандартному отклонению или дисперсии, но гораздо более устойчивая к выбросам.

IQR в чем-то похож на Z-оценку с точки зрения определения распределения данных и последующего сохранения некоторого порога для выявления выброса.

Давайте выясним, что мы можем использовать коробчатый график с использованием IQR и как мы можем использовать его для поиска списка выбросов, как мы это делали при вычислении Z-показателя. Сначала мы рассчитаем IQR,

 Q1 = boston_df_o1.quantile (0.25) 
Q3 = boston_df_o1.quantile (0,75)
IQR = Q3 - Q1
print (IQR)

Здесь мы получим IQR для каждого столбца.

IQR для каждого столбца

Поскольку теперь у нас есть оценки IQR, пора зафиксировать выбросы. Приведенный ниже код даст результат с некоторыми истинными и ложными значениями. Точка данных, где у нас есть False, означает, что эти значения действительны, тогда как True указывает на наличие выброса.

 print (boston_df_o1 <(Q1 - 1.5 * IQR)) | (boston_df_o1> (Q3 + 1.5 * IQR)) 
Обнаружение выбросов с помощью IQR

Теперь, когда мы знаем, как обнаруживать выбросы, важно понимать, нужны ли они быть удаленным или исправленным.В следующем разделе мы рассмотрим несколько методов удаления выбросов и, при необходимости, подстановки новых значений.

Во время анализа данных, когда вы обнаруживаете выброс, одним из самых сложных решений может быть то, как поступить с выбросом. Должны ли они их удалить или исправить? Прежде чем говорить об этом, мы рассмотрим несколько методов удаления выбросов.

Z-Score

В предыдущем разделе мы видели, как можно обнаружить выбросы, используя Z-оценку, но теперь мы хотим удалить или отфильтровать выбросы и получить чистые данные.Это можно сделать с помощью всего одного строчного кода, поскольку мы уже вычислили Z-оценку.

 boston_df_o = boston_df_o [(z <3) .all (axis = 1)] 
С и без размера выброса набора данных

Итак, приведенный выше код удалил около 90+ строк из набора данных, т.е. выбросы были удалены.

Оценка IQR -

Так же, как Z-оценка, мы можем использовать ранее рассчитанную оценку IQR, чтобы отфильтровать выбросы, сохраняя только действительные значения.

 boston_df_out = boston_df_o1 [~ ((boston_df_o1 <(Q1 - 1.5 * IQR)) | (boston_df_o1> (Q3 + 1.5 * IQR))). Any (axis = 1)] boston_df_out.shape 

Приведенный выше код удалит выбросы из набора данных.

Существует несколько способов обнаружения и удаления выбросов, но методы, которые мы использовали для этого упражнения, широко используются и просты для понимания.

Следует ли удалять выбросы. Эти мысли могут возникать у каждого аналитика / специалиста по данным хоть раз при каждой проблеме, над которой он работает. Я нашел несколько хороших объяснений -

https: // www.researchgate.net/post/When_is_it_justifiable_to_exclude_outlier_data_points_from_statistical_analyses

https://www.researchgate.net/post/Which_is_the_best_method_for_removing_outliers_in_a_best_method_for_removing_outliers_in_a_a_data_set 9000-data_set 9000-data_set

000-data_set 9000-0003

Подводя итог их объяснения - неверные данные, неправильный расчет, их можно определить как выбросы, и их следует отбросить, но в то же время вы можете захотеть исправить и их, поскольку они изменяют уровень данных i.е. означают, что вызывает проблемы при моделировании данных. Например, 5 человек получают зарплату 10К, 20К, 30К, 40К и 50К, и вдруг один из людей начинает получать зарплату 100К. Рассмотрим эту ситуацию, поскольку, если вы являетесь работодателем, новое обновление зарплаты может быть воспринято как необъективное, и вам может потребоваться увеличить зарплату и другим сотрудникам, чтобы сохранить баланс. Итак, может быть несколько причин, по которым вы хотите понять и исправить выбросы.

На протяжении этого упражнения мы видели, как на этапе анализа данных можно столкнуться с некоторыми необычными данными i.е выброс. Мы узнали о методах, которые можно использовать для обнаружения и удаления этих выбросов. Но был поднят вопрос о том, можно ли удалить выбросы. Чтобы ответить на эти вопросы, мы нашли дополнительные материалы для чтения (эти ссылки указаны в предыдущем разделе). Надеюсь, этот пост помог читателям узнать о выбросах.

Note- Для этого упражнения использовались инструменты и библиотеки, указанные ниже.

Framework- Jupyter Notebook, Language- Python, Libraries - библиотека sklearn, Numpy, Panda и Scipy, Plot Lib- Seaborn и Matplot.

  1. Boston Dataset
  2. Github Repo
  3. Выбросы KDNuggets
  4. Обнаружение выбросов
.

точек

Выход - это свойство объекта, которое ссылается на другой объект. Ссылка заархивирована через Interface Builder. Связи между содержащим объектом и его выходами восстанавливаются каждый раз, когда содержащий объект разархивируется из своего файла пера. Содержащий объект содержит выход, объявленный как свойство с квалификатором типа IBOutlet и параметром weak . Например:

 @interface AppController: NSObject 
 {
} 
 @property (weak) IBOutlet NSArray * ключевые слова; 

Поскольку это свойство, выход становится частью инкапсулированных данных объекта и поддерживается переменной экземпляра.Но розетка - это не просто собственность. Связь между объектом и его выходами архивируется в файле пера; при загрузке файла пера каждое соединение разархивируется и восстанавливается, и поэтому всегда доступно, когда возникает необходимость отправить сообщения другому объекту. Квалификатор типа IBOutlet - это тег, применяемый к объявлению свойства, чтобы приложение Interface Builder могло распознать свойство как выход и синхронизировать его отображение и соединение с Xcode.

Розетка заявлена ​​как слабая ссылка ( weak ) для предотвращения циклов сильной ссылки.

Вы создаете и подключаете розетку в функции Interface Builder Xcode. Объявление свойства для розетки должно быть помечено квалификатором IBOutlet .

Приложение обычно устанавливает выходные соединения между своими настраиваемыми объектами контроллера и объектами в пользовательском интерфейсе, но они могут быть установлены между любыми объектами, которые могут быть представлены как экземпляры в Interface Builder, даже между двумя настраиваемыми объектами.Как и в случае с любым другим элементом состояния объекта, вы должны иметь возможность обосновать его включение в класс; чем больше выходов у объекта, тем больше памяти он занимает. Если есть другие способы получить ссылку на объект, например, найти его по позиции индекса в матрице, или путем включения в качестве параметра функции, или с помощью тега (присвоенного числового идентификатора), вам следует сделать это вместо этого.

Розетки - это форма композиции объектов, которая представляет собой динамический шаблон, который требует от объекта каким-то образом получать ссылки на составляющие его объекты, чтобы он мог отправлять им сообщения.Обычно он хранит эти другие объекты как свойства, поддерживаемые переменными экземпляра. Эти переменные должны быть инициализированы соответствующими ссылками в какой-то момент во время выполнения программы.


.Маршрутизация

- Angular 2, маршрутизатор-розетка RC5 внутри другого маршрутизатора-розетка

Переполнение стека
  1. Около
  2. Продукты
  3. Для команд
  1. Переполнение стека Общественные вопросы и ответы
  2. Переполнение стека для команд Где разработчики и технологи делятся частными знаниями с коллегами
.

Смотрите также