Алгоритм приготовления торта

Алгоритм приготовления пирожных — МегаЛекции

1. Приготовление выпеченных и отделочных полуфабрикатов

2. Выравнивание боковых сторон (для пластов)

3. Разрезание пластов по горизонтали (для бисквитного п/ф)

4. Промачивание нижнего пласта

5. Смазывание и склеивание пластов

6. Промачивание верхнего пласта

7. Грунтование, смазывание или глазирование поверхности

8. Разрезание на пирожные

9. Отделка боковых сторон

10. Отделка (украшение) поверхности

Данный алгоритм может изменяться в зависимости от вида выпеченного п/ф и технологии приготовления тортов.

Приготовление

Бисквитных тортов

Алгоритм приготовления бисквитных тортов

1. Приготовление бисквитного полуфабриката (в капсулах, на кондитерских листах, в формах) и отделочных полуфабрикатов

2. Выравнивание боковых сторон (для пластов)

3. Разрезание на пласты (для бисквитного п/ф, выпеченного в капсулах или формах)

4. Промачивание нижнего пласта

5. Склеивание пластов (верхний пласт кладут корочкой вниз)

6. Промачивание верхнего пласта

7. Грунтование, смазывание или глазирование поверхности

8. Разрезание на торты

9. Отделка боковых сторон

10. Отделка (украшение) поверхности

Особенности приготовления бисквитных тортов

Бисквитный полуфабрикат готовят основным способом или способом «Буше». Выпекают в капсулах (для тортов квадратной, прямоугольной, треугольной и ромбовидной формы), в формах или на кондитерских листах в виде пластов.

Распределение сиропа

Перед промачиванием бисквитный полуфабрикат выдерживают 6-8 часов для укрепления структуры, иначе мякиш будет липким, мажущимся. Верхний пласт кладут корочкой вниз, т.к. при промачивании корочка намокает, отстает от мякиша и при грунтовании может смешаться с кремом, джемом или помадой.

Для промачивания нижнего пласта используют меньше сиропа, так как он является основанием, а верхние пласты промачиваются больше.

Например: в двухслойных тортах на нижний пласт используют 40% сиропа, а на верхний 60%. В трехслойных тортах – на нижний пласт 25%, на средний – 35% и на верхний – 40% сиропа.

Распределение крема

Для отделки поверхности оставляют 25% крема, на склеивание пластов – 35% и на грунтование поверхности – 40% крема.

Бисквитные торты являются самыми распространенными. В таблице 22 приведены рецептуры для приготовления тортов массового производства.

Торт «Бисквитно-кремовый». Бисквит основной выпекают в капсулах. После выпечки и укрепления структуры выравнивают боковые стороны и разрезают на 2 пласта. Нижний пласт промачивают сиропом и смазывают кремом. Верхний пласт кладут корочкой вниз и промачивают сиропом. Поверхность грунтуют кремом. Можно кондитерской гребенкой нанести рисунок в виде волнистых линей. Разрезают на торты, боковые стороны смазывают кремом и обсыпают крошкой. Украшают цветным сливочным кремом и фруктовой начинкой.

Торт «Сказка».Этот торт можно приготовить двумя способами.

1 способ. Бисквит выпекают в полуцилиндрической форме. После укрепления структуры разрезают по горизонтали на три пласта. Каждый пласт промачивают сиропом и склеивают шоколадным кремом. Поверхность и боковые стороны торта смазывают тонким слоем крема. Нижнюю часть боковых сторон обсыпают жареной бисквитной крошкой. На поверхность из широкой плоской зубчатой трубочки по всей длине наносят полоску крема и украшают торт цветным кремом, фруктами и цукатами.

2 способ. Бисквит выпекают, как для рулета. Пласт промачивают сиропом, смазывают шоколадным кремом и свертывают в рулет. Поверхность и боковые стороны торта покрывают белым кремом. Нижнюю часть рулета и торцы посыпают жареной бисквитной крошкой. Поверхность украшают полосками из шоколадного крема в виде почернений на коре дерева, листиками, цветами из крема и цукатами.

Торт «Трюфель». Бисквит основной выпекают в капсулах. После выпечки и укрепления структуры выравнивают боковые стороны и разрезают на 2 пласта. Нижний пласт промачивают сиропом и смазывают шоколадным кремом. Верхний пласт кладут корочкой вниз и промачивают сиропом. Поверхность грунтуют шоколадным кремом. Разрезают на торты, боковые стороны смазывают этим же кремом. Поверхность и боковые стороны обсыпают трюфельной посыпкой. Украшают торт шоколадом.

Торт «Отелло».Бисквитный пласт подготавливают так же, как и для торта «Трюфель». Пласты промачивают сиропом с добавлением коньяка, прослаивают сливочным кремом. Поверхность грунтуют этим же кремом. Боковые стороны смазывают кремом и обсыпают жареной бисквитной крошкой. Украшают торт цветным кремом: двумя воланами, напоминающими театральный занавес, лирой – эмблемой искусства, двумя розами, надписью «Отелло», выполненной сначала белым, а по нему повторно темным кремом, подкрашенным жженкой или красным красителем. В верхнем углу торта находится ягода вишни, заглазированная желе и прикрытая двумя розовыми бутонами из крема.

Торт «Кофейный». Бисквит выпекают в капсулах. Подготавливают так же, как и для торта «Трюфель». Пласты промачивают кофейным сиропом, прослаивают и грунтуют кофейным кремом. Боковые стороны смазывают кремом и обсыпают жареной бисквитной крошкой. Украшают торт кофейным и шоколадным кремом, жареными орехами. Можно из шоколадного крема сделать на торте надпись «Кофе».

Торт «Ванильный с грибами».Бисквит выпекают в капсулах. Два пласта промачивают сиропом, прослаивают и грунтуют шоколадным кремом «Шарлотт». Боковые стороны смазывают кремом и обсыпают жареной бисквитной крошкой. Украшают торт «грибами» из воздушного полуфабриката и кремом «Шарлотт».

Для «грибов» воздушное тесто формуют в виде ножек и шляпок. Некоторые шляпки перед выпечкой посыпают бисквитной крошкой или после выпечки и охлаждения глазируют шоколадом.

Торт «Подарочный». Торт квадратной или круглой формы. Разрезают на два пласта. Промачивают сиропом и прослаивают сливочным кремом. Поверхность и боковые стороны грунтуют кремом, обсыпают жареными рублеными орехами и украшают сахарной пудрой.

Торт «Бисквитно-фруктовый».Торт квадратной или круглой формы. Два пласта промачивают сиропом и прослаивают фруктовой начинкой. Поверхность смазывают фруктовой начинкой и украшают фруктами. Заливают желе в несколько приемов. После застывания желе боковые стороны смазывают фруктовой начинкой и обсыпают жареной бисквитной крошкой.

Торт «Бисквитный с белковым кремом и фруктовой прослойкой».Торт квадратной или круглой формы. Два пласта промачивают сиропом и прослаивают фруктовой начинкой. Поверхность и боковые стороны смазывают фруктовой начинкой. Поверхность грунтуют белковым кремом. Боковые стороны обсыпают жареной бисквитной крошкой. Украшают торт белковым кремом, фруктами и сахарной пудрой.

Если в приготовлении торта используют белковый сырцовый крем, то после украшения торты подвергают колерованию, т.е. ставят в жарочный шкаф при температуре 220-230 ºС на 2…3 минуты. При колеровке фиксируются украшения из крема, на поверхности его образуется тоненькая корочка буровато-желтого цвета. После колерования посыпают сахарной пудрой.

Рекомендуемые страницы:

Воспользуйтесь поиском по сайту:

Приготовление торта - Советы по приготовлению

Предоставляется
RecipeTips

Правильное приготовление торта - основа для хорошо декорированного торта, но прежде, чем вы начнете готовить торт, необходимо правильно приготовить форму для торта. Ознакомьтесь с рецептами своих тортов, чтобы узнать, как приготовить противни, потому что процесс приготовления может отличаться для разных тортов.

Когда вы начинаете процесс украшения торта, лучше всего начинать с ровного торта с плоским верхом.Важно, чтобы каждый слой слоеного торта был максимально плоским и ровной по толщине. Чтобы торт выпекся с плоским верхом, можно выполнить несколько шагов. Если пирог выпекается с куполообразной или закругленной вершиной, вы все равно можете выровнять его, чтобы получилась лепешка.

sbz / coding-prepare: Практика технических вопросов кодирования

перейти к содержанию Зарегистрироваться

Почему именно GitHub? Особенности →
- Обзор кода
- Управление проектами
- Интеграции
- Действия
- Пакеты
- Безопасность
- Управление командой
- Хостинг
- мобильный
- Истории клиентов →
- Безопасность →
Команда
Предприятие

6.3. Предварительная обработка данных - документация scikit-learn 0.23.2

Пакет sklearn.preprocessing предоставляет несколько общих служебные функции и классы преобразователей для изменения необработанных векторов признаков в представление, более подходящее для последующих оценщиков.

В целом алгоритмы обучения выигрывают от стандартизации набора данных. Если некоторые выбросы присутствуют в наборе, надежные скейлеры или трансформаторы больше соответствующий. Поведение различных скейлеров, трансформеров и нормализаторы в наборе данных, содержащем маргинальные выбросы, выделены Сравните влияние различных скейлеров на данные с выбросами.

6.3.1. Стандартизация или удаление среднего и масштабирование дисперсии

Стандартизация наборов данных является общим требованием для многих оценщики машинного обучения , реализованные в scikit-learn; они могут вести себя плохо, если отдельные функции не выглядят более-менее как стандартные нормально распределенные данные: по Гауссу с нулевым средним и единичной дисперсией .

На практике мы часто игнорируем форму распределения и просто преобразовать данные в центр, удалив среднее значение каждого функцию, а затем масштабируйте ее, разделив непостоянные функции на их стандартное отклонение.

Например, многие элементы, используемые в целевой функции алгоритм обучения (например, ядро RBF Support Vector Машины или регуляризаторы l1 и l2 линейных моделей) предполагают, что все функции сосредоточены вокруг нуля и имеют различия в одном и том же порядок. Если характеристика имеет отклонение на несколько порядков больше чем другие, он может доминировать над целевой функцией и Оценщик не может правильно учиться на других функциях, как ожидалось.

Функция scale обеспечивает быстрый и простой способ выполнить это операция с одним массивом данных:

 >>> из предварительной обработки импорта sklearn >>> импортировать numpy как np >>> X_train = np.массив ([[1., -1., 2.], ... [2., 0., 0.], ... [0., 1., -1.]]) >>> X_scaled = preprocessing.scale (X_train) >>> X_scaled array ([[0. ..., -1.22 ..., 1.33 ...], [1,22 ..., 0. ..., -0,26 ...], [-1,22 ..., 1,22 ..., -1,06 ...]])

Масштабированные данные имеют нулевое среднее и единичную дисперсию:

 >>> X_scaled.mean (ось = 0) массив ([0., 0., 0.]) >>> X_scaled.std (ось = 0) массив ([1., 1., 1.])

Модуль предварительной обработки дополнительно предоставляет служебный класс StandardScaler , который реализует Transformer API для вычислений среднее и стандартное отклонение на обучающей выборке, чтобы возможность позже повторно применить то же преобразование к набору для тестирования.Следовательно, этот класс подходит для использования на ранних этапах sklearn.pipeline.Pipeline :

 >>> scaler = предварительная обработка.StandardScaler (). Fit (X_train) >>> скейлер StandardScaler () >>> scaler.mean_ массив ([1. ..., 0. ..., 0,33 ...]) >>> scaler.scale_ массив ([0,81 ..., 0,81 ..., 1,24 ...]) >>> scaler.transform (X_train) array ([[0. ..., -1.22 ..., 1.33 ...], [1,22 ..., 0. ..., -0,26 ...], [-1,22 ..., 1,22 ..., -1,06 ...]])

Экземпляр масштабатора затем можно использовать с новыми данными, чтобы преобразовать их в так же, как на тренировочной выборке:

алгоритмов сортировки - GeeksforGeeks

Алгоритм сортировки используется для переупорядочения заданного массива или элементов списка в соответствии с оператором сравнения элементов. Оператор сравнения используется для определения нового порядка элементов в соответствующей структуре данных.

Например, : Приведенный ниже список символов отсортирован в порядке возрастания их значений ASCII. То есть символ с меньшим значением ASCII будет помещен первым, чем символ с более высоким значением ASCII.

«Последние статьи» по сортировке
Тема:

Базовый:

Алгоритмы сортировки:

Библиотека реализаций алгоритмов сортировки:

Разное:

Проблемы с кодированием:

Ссылки:

«Практические задачи» по сортировке
«Тесты по сортировке»

Если вам нравится GeeksforGeeks и вы хотели бы внести свой вклад, вы также можете написать статью и отправить ее по электронной почте на @ geeksforgeeks.орг. Смотрите, как ваша статья появляется на главной странице GeeksforGeeks, и помогайте другим гикам.

Пожалуйста, напишите комментарии, если вы обнаружите что-то неправильное, или вы хотите поделиться дополнительной информацией по теме, обсужденной выше