Data Science: Алгоритмы и Структуры данных

​Разбираемся в динамических структурах данных В одном плейлисте собраны видео по различным структурам: — односвязный и двусвязный список; — бинарное дерево; — стек; — очередь, а также её вариант с приоритетом; — дек. Плейлист на YouTube: https://tprg.ru/yqli Data Science: Алгоритмы и Структуры данных | Чат 💬

​Ищем кратчайший путь в лабиринте: объяснение на Python Поиск пути является одной из типичных задач в программировании. Однако принципы алгоритмов поиска достаточно трудно освоить новичкам. Понять лучше алгориты поиска пути можно на примере задачи по поиску выхода из двухмерного лабиринта. А руководство поможет разобраться с реализацией на Python популярного алгоритма поиска пути — алгоритма Дейкстры: https://habr.com/ru/company/piter/blog/596029/ Data Science: Алгоритмы и Структуры данных | Чат 💬

Что почитать разработчику? Разборы Алексея Рыбака Пишете backend и хотите глубже понимать архитектурные решения? В канале Алексея Рыбака есть что разобрать: • Микросервисы – какой ценой? Почему они могут стать неподъёмным «налогом» для стартапа • Очереди сообщений – что выбрать? Чем отличаются решения и для каких задач подходят • AI – помощь или новая нагрузка? Как меняется работа мейнтейнеров PostgreSQL, когда генерировать отчёты об ошибках становится проще, чем проверять А ещё – System Design Framework, производительность, масштабируемость и блокировки СУБД. В канале выходят и анонсы AI-митапов и обучения разработке с агентами Начните с интересующей темы и подписывайтесь на канал Алексея! Подписаться #реклама 16+ О рекламодателе

Не совершай ЭТУ ошибку! Замечаю, что многие читают 5–10 крупных tech-каналов, думая, что этого хватает, чтобы развиваться в сфере. Большие ресурсы действительно хороши для общей картины. Но они работают на широкую аудиторию, поэтому редкие идеи, интересные кейсы и уникальные новости не всегда доходят до них. Настоящая практика обычно зарождается в небольших нишевых каналах, а крупные медиа уже подхватывают их и цитируют у себя.

При этом по качеству контента они ничем не уступают топам — просто не вкладывают такие же бюджеты в продвижение.

Мне стало интересно найти именно этих людей. Я скинул GPT-6 Astra список крупных каналов и попросил выбрать тех, кого они чаще всего цитируют (убрав рекламу и взаимный пиар) Модель собрала авторов, которых хорошо знают в комьюнити. За многими из них я слежу годами, но некоторые каналы стали открытием даже для меня) Собрал этих практиков в одну подборку, чтобы читать первоисточники параллельно с большими новостниками. Подписка в 1 клик: 👉 https://t.me/addlist/UuZJRIAHqTJmZTMy

​Введение в связные списки Сложно понять, что такое связные списки? Представьте себе поезд, в котором каждый вагон, возможно, содержит груз и при этом может быть связан с другим вагоном. Принцип построения связного списка схож с подобным поездом. Видов связных списков несколько: односвязные, двусвязные и кольцевые. С односвязными списками вас познакомит статья: https://tproger.ru/translations/introduction-to-linked-lists/ Data Science: Алгоритмы и Структуры данных | Чат 💬

​Оценка сложности алгоритма Алгоритмы оцениваются по двум главным критериям — количеству занимаемой памяти и времени исполнения. Однако в алгоритмы можно подать различные входящие массивы данных, от чего время выполнения и количество памяти нельзя выразить одним числом. Поэтому для оценки сложности алгоритмов используют нотацию Big O. Подробнее о Big O и оценке сложности алгоритмов: https://youtu.be/ZRdOb4yR0kk Data Science: Алгоритмы и Структуры данных | Чат 💬

Умножение и деление сдвигом В программировании существует специальная операция — арифметический сдвиг. Он позволяет существенно быстрее умножить или поделить число на степени двойки, чем обычные операции умножения и деления. Весь секрет — в строении двоичных чисел. Как работает левый (<<) и правый (>>) арифметический сдвиг, хорошо объясняется в лекции: https://youtu.be/_pLHvK-X4qg Data Science: Алгоритмы и Структуры данных | Чат 💬

Важная информация! Извиняемся, по ошибке запостили непроверенную рекламу с упоминанием Павла Дурова. Из-за этого дали метку scam, не только наш канал получил метку, будем пытаться снять Data Science: Алгоритмы и Структуры данных | Чат 💬

Возврат нескольких значений из функции Python Чтобы в Python вернуть из функции сразу несколько значений, нужно воспользоваться структурами данных. Так вы можете передать из функции данные в виде списка, кортежа или словаря. Как это сделать, объясняется в статье: https://pythonist.ru/vozvrat-neskolkih-znachenij-iz-funkczii/ Data Science: Алгоритмы и Структуры данных | Чат 💬

👨‍💻 Фронтенд с AI: что можно делегировать агентам 5 октября, стартует конференция Podlodka Frontend Crew — сезон о том, как применять AI во фронтенд-разработке на практике. Участники конференции узнают: • Как находить prompt injection и противостоять таким атакам; • Какие подходы помогают повысить доверие к результатам агентской разработки; • Как проводить ревью кода, созданного AI-агентами; • Как AI помогает упростить починку багов. В программе ещё много практических кейсов. Также нужно отметить, что у конференции очень удобный формат. Это пять дней Zoom-сессий по утрам и вечерам и закрытое Telegram-комьюнити, где можно обсудить новый опыт и узнать от единомышленников то, что не догадаешься спросить у своей LLM. Приходите, чтобы разобраться, какие задачи уже можно делегировать AI, где важно сохранять контроль и как выстроить системную работу с AI в команде или проекте. 🔗 Программа и билеты: https://podlodka.io/fecrew Скидка по промокоду Denigo

​Алгоритм быстрой сортировки: объяснение и реализация на C# QuickSort (или быстрая сортировка) является одним из самых популярных алгоритмов сортировки. Если вы ещё не разобрались, по каким принципам работает быстрая сортировка, то рекомендуем посмотреть видео: https://youtu.be/DmFXdwy_mH0 В нём не только объясняются концепции QuickSort, но и показана визуализация алгоритма и его реализация на языке C#. Data Science: Алгоритмы и Структуры данных | Чат 💬

​Курс лекций по алгоритмам от Школы анализа данных Хотите научиться работать с большими наборами данных? Без крепких знаний алгоритмов никуда. Восполнить «пробелы» в знаниях помогут записи лекций из Школы анализа данных (ШАД) «Яндекса». В них вы узнаете как о теоретических (модели вычислений, иммутабельность и персистентность, хеширование и не только), так и практических (задача о кратчайших путях, RMC, LCA) аспектах алгоритмов. Лекции доступны бесплатно на YouTube. Data Science: Алгоритмы и Структуры данных | Чат 💬

​Алгоритмическая секция на собеседовании: на что обращать внимание? На собеседовании вам могут дать алгоритмические задачи. Вам предстоит не только написать корректный код, но и объяснить, как он работает. При этом на решение отводится ограниченное время. Стрессовая ситуация, не так ли? Но советы из статьи могут помочь в решении алгоритмических задач на собеседованиях: https://habr.com/ru/company/avito/blog/662922/ Data Science: Алгоритмы и Структуры данных | Чат 💬

Как повысить продуктивность при анализе данных? 25 неочевидных инструментов. ➡️Читать статью Data Science: Алгоритмы и Структуры данных | Чат 💬

Алгоритмы сортировки: зачем они нужны? Работая с большим массивом данных, с помощью сортировки можно разместить элемент заданного массива в некотором определённом порядке. Например, в интернет-магазине вы можете отсортировать товар по цене, популярности или категории. Одни алгоритмы помогают сортировать объекты с учётом вводных данных, другие — найти элемент быстрее. Подробнее здесь: https://tproger.ru/articles/zachem-nuzhny-algoritmy-sortirovki/ Data Science: Алгоритмы и Структуры данных | Чат 💬

Почему твой AI тормозит? Платишь, а потом всё равно перепроверяешь, переписываешь и переспрашиваешь, а дело ведь даже не в твоих навыках На разных тарифах предусмотрены разные лимиты и уровни доступа — часть ограничений производительности заложена в сам план. Если AI — твой рабочий инструмент, на больших объёмах иногда выгоднее брать максимальный тариф и экономить не на подписке, а на своём времени. Claude Max 20x, ChatGPT Pro, Google AI Ultra — нужный тариф поможет оплатить Raketa Pay 🚀 SPUTNIK7 — скидка 5% 👉 https://t.me/raketa_pay_public?erid=2W5zFJoDVjo

Алгоритмы поиска решений лабиринтов и их практическое применение в реальном мире — Кит Берроуз и Ванесса Клотцман Первое упоминание термина “maze” датируется тринадцатым веком, а “labyrinth” — к четырнадцатым. Сама концепция лабиринтов восходит к эпохе греческого мифологического героя Тесея — древнего героя, успешно прошедшего Кносский лабиринт и сразившего Минотавра. Однако в более современном контексте лабиринты не имеют ничего общего с убийством мифологических существ. Теперь лабиринты чаще всего представляют из себя прямоугольную головоломку, состоящую из коридоров и поворотов, которые в конечном итоге ведут к выходу. И точно так же, как древний герой Тесей путешествовал по лабиринту, чтобы сразить Минотавра, современный человек решает задачу поиска пути в лабиринте не только для того, чтобы найти выход из лабиринта, но и для гораздо более широкого круга целей — решения связанных задач наиболее эффективным и доступным образом. https://habr.com/ru/company/otus/blog/693036/ Data Science: Алгоритмы и Структуры данных | Чат 💬

Профессор математики из MIT рассказывает о структуре линейной алгебры. ➡️Смотреть видео ⬇️ Скачать видео Data Science: Алгоритмы и Структуры данных | Чат 💬

​Метод Рудольфа Калмана для сглаживания рядов Метод Р. Калмана используется для сглаживания рядов, которые используются повсеместно, так как любую функцию можно представить в виде ряда.Поэтому он получил большое распространение в области обработки научной информации, в анализе информации получаемой с датчиков. В этой статье мы реализуем алгоритм Калмана на языке Python и наглядно увидим его работу. Ссылка на статью Data Science: Алгоритмы и Структуры данных | Чат 💬

Алгоритмы поиска Делимся статьей, где автор рассказывает про алгоритмы поиска. Ты узнаешь, зачем они нужны веб-разработчикам. Также затронута тема оценки сложности алгоритмов и Big O нотации. Читать Data Science: Алгоритмы и Структуры данных | Чат 💬