Data Science: Алгоритмы и Структуры данных
前往频道在 Telegram
Мы не претендуем на оригинальность контента, мы лишь собираем материал из открытых источников. Ссылка: @Portal_v_IT Сотрудничество, авторские права: @oleginc, @tatiana_inc Канал на бирже: https://telega.in/c/structuredata
显示更多
网络:7 692
订阅者
-224 小时
-137 天
-5630 天
数据加载中...
相似频道
标签云
进出提及
---
---
---
---
---
---
吸引订阅者
九月 '26
九月 '26
+21
在0个频道中
八月 '26
+65
在0个频道中
Get PRO
七月 '26
+55
在0个频道中
Get PRO
六月 '26
+19
在0个频道中
Get PRO
五月 '26
+14
在0个频道中
Get PRO
四月 '26
+17
在0个频道中
Get PRO
三月 '26
+27
在0个频道中
Get PRO
二月 '26
+93
在0个频道中
Get PRO
一月 '26
+41
在0个频道中
Get PRO
十二月 '25
+20
在0个频道中
Get PRO
十一月 '25
+22
在0个频道中
Get PRO
十月 '25
+28
在0个频道中
Get PRO
九月 '25
+38
在0个频道中
Get PRO
八月 '25
+39
在0个频道中
Get PRO
七月 '25
+41
在0个频道中
Get PRO
六月 '25
+43
在0个频道中
Get PRO
五月 '25
+81
在0个频道中
Get PRO
四月 '25
+112
在0个频道中
Get PRO
三月 '25
+32
在0个频道中
Get PRO
二月 '25
+36
在0个频道中
Get PRO
一月 '25
+47
在0个频道中
Get PRO
十二月 '24
+40
在1个频道中
Get PRO
十一月 '24
+38
在0个频道中
Get PRO
十月 '24
+55
在2个频道中
Get PRO
九月 '24
+40
在0个频道中
Get PRO
八月 '24
+65
在1个频道中
Get PRO
七月 '24
+65
在0个频道中
Get PRO
六月 '24
+54
在0个频道中
Get PRO
五月 '24
+65
在0个频道中
Get PRO
四月 '24
+65
在0个频道中
Get PRO
三月 '24
+67
在1个频道中
Get PRO
二月 '24
+76
在0个频道中
Get PRO
一月 '24
+90
在1个频道中
Get PRO
十二月 '23
+59
在1个频道中
Get PRO
十一月 '23
+29
在0个频道中
Get PRO
十月 '23
+35
在0个频道中
Get PRO
九月 '23
+3
在0个频道中
Get PRO
八月 '23
+23
在0个频道中
Get PRO
七月 '23
+14
在0个频道中
Get PRO
六月 '23
+26
在0个频道中
Get PRO
五月 '23
+19
在0个频道中
Get PRO
四月 '23
+19
在0个频道中
Get PRO
三月 '23
+25
在0个频道中
Get PRO
二月 '23
+212
在0个频道中
Get PRO
一月 '23
+280
在0个频道中
Get PRO
十二月 '22
+293
在0个频道中
Get PRO
十一月 '22
+670
在0个频道中
Get PRO
十月 '22
+262
在0个频道中
Get PRO
九月 '22
+559
在0个频道中
Get PRO
八月 '22
+2 507
在0个频道中
Get PRO
七月 '22
+3 004
在0个频道中
Get PRO
六月 '22
+2 986
在0个频道中
Get PRO
五月 '22
+4 596
在0个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 15 九月 | +1 | |||
| 14 九月 | 0 | |||
| 13 九月 | +1 | |||
| 12 九月 | 0 | |||
| 11 九月 | +1 | |||
| 10 九月 | +2 | |||
| 09 九月 | +6 | |||
| 08 九月 | +3 | |||
| 07 九月 | +1 | |||
| 06 九月 | +1 | |||
| 05 九月 | +1 | |||
| 04 九月 | 0 | |||
| 03 九月 | 0 | |||
| 02 九月 | +2 | |||
| 01 九月 | +2 |
频道帖子
Z - алгоритм
Задача данного алгоритма найти все вхождения шаблона в текст за линейное время. Пусть для текста равна n, а длина шаблона - m, тогда общее затраченное время составит O(m+n) с линейной пространственной сложностью. Для этого мы строим специальный Z-массив.
Что такое Z массив?
Для строки str0..n-1 массив Z имеет ту же длину, что и строка. Элемент Zi массива Z хранит длину самой длинной подстроки, начиная с Zi, которая таке является префиксом str0..n-1
Пример:
str = "aaaaaa"
Z = {x, 5, 4, 3, 2, 1}
Data Science: Алгоритмы и Структуры данных
| 2 |  Задача на бинарные строки
Давайте сначала разберемся что такое бинарные строки! На самом деле тут ничего сложного: это строки которые могут содержать только 2 различных символа. К примеру a и b: abbbbaaa
А теперь после теории, перейдем к задаче.
Преобразуйте данную строку в строку, в которой не будет содержаться значение подстроки "ab". Чтобы убрать "ab", мы можем пользоваться операциями, в которой мы заменим эту подстроку на "bba". Основная цель данной задачи, найти общее количество операций, которые необходимы для преобразование данной строки.
Input : s = 'abbaa'
Output : 2
Объяснение:
Тут, 'ab'baa заменяется на s = bbabaa
bb'ab'aa а тут на s = bbbbaaa
Нам потребовалось 2 операции на это.
Попробуйте решить данную задачу.
Data Science: Алгоритмы и Структуры данных | 306 |
| 3 |  Разница между 2мя большими числами
1. Поверните обе строки (чтобы конец стал началом) - reverse string operation. Создайте пустую строку для результата
2. Продолжайте вычитать цифры одну за одной из 0го индекса(в повернутых строка) - до конца меньшей строки, добавьте разницу, если она положительна в конец результата. Если разница отрицательна, то прибавьте 10 и отслеживайте перенос как +1, если положительный, то перенос равен 0
3. Снова переверните результативную строку
Как видите: чтобы посчтитать разницу между 2мя строками - мы используем обычную математику(якобы в столбик)
Data Science: Алгоритмы и Структуры данных | 372 |
| 4 | Разница между 2мя большими числами
Даны два числа в виде строк. Числа могут быть очень большими (не помещаться в long long int), задача - найти разницу этих двух чисел.
Data Science: Алгоритмы и Структуры данных | 369 |
| 5 |  Структура данных - строки
Строки определяются как массив символов. Разница между символьным массивом и строкой заключается в том, что строка заканчивается специальным символом "\0"
Объвить строку так же просто как объявить одномерный массив. Обращаю особое ваше внимание, что каждый символ строки хранится отдельно в ячейке. И как одномерный массив - строки имеют всё те же свойства.
Data Science: Алгоритмы и Структуры данных | 398 |
| 6 |  Топологическая сортировка
Самый простой вариант данной сортировки - это изменение DFS обхода. В DFS мы начинаем с вершины, сначала выводим ее на печать, а зачем рекурсивно вызываем DFS для смежных вершин. В топологической сортировке - мы будем использовать стек!
Мы не будем печатать сразу наши вершины, мы будем сначала вызывать рекурсивно топологическую сортировку для всех вершин, а после их записывать в стек. В результате мы распечатаем содержимое стека.
Самое важное, что вершина помещается только тогда, когда все ее смежные вершины находятся в стеке.
Data Science: Алгоритмы и Структуры данных | 382 |
| 7 |  Топологическая сортировка
Топологическая сортировка для ориентированного ациклического графа (DAG) - это линейное упорядочение вершин таким образом, что для каждого направленного ребра u-v: вершина u идет перед v в порядке. Топологическая сортировка для графа невозможна, если граф не является DAG.
Завтра мы рассмотрим саму сортировку!
Data Science: Алгоритмы и Структуры данных | 357 |
| 8 | Как определить зацикливание в ориентированном графе
Проблема: дан ориентированный граф. Необходимо проверить содержит ли граф цикл или нет
Алгоритм
1. Создайте граф, используя заданное количество ребер и вершин (условно, если граф еще не создан)
2. Создайте рекурсивную функцию, которая инициализирует текущий индекс или вершину, а также создает стек рекурсии
3. Отметьте текущий узел как посещенный, а также отметьте индекс в стеке рекурсии
4. Найдите все вершины, которые примыкают к данному узлу(но еще ни разу не посещались). Рекурсивно вызывайте данную функцию для этих вершин.
5. Если рекурсивный вызов вернет - true - значит это и есть истина и ваш финальный ответ. Кстати, если соседние вершины уже присутствуют в стеке рекурсии - вы можете сразу вернуть true
Data Science: Алгоритмы и Структуры данных | 369 |
| 9 |  Говорят и показывают сеньоры: обучение Junior Data Scientist
Как начать изучение Data Science? Что и где читать? Какие есть подводные камни, советы и уловки? Статья в помощь для Junior Data Scientist.
➡️Читать статью
Data Science: Алгоритмы и Структуры данных | 370 |
| 10 |  21 урок из курса по глубокому машинному обучению от Andrew Ng
21 урок, который извлек ведущий аналитик Национального банка Канады из курса по глубокому машинному обучению, от Andrew Ng.
➡️Читать статью
Data Science: Алгоритмы и Структуры данных | 368 |
| 11 |  Алгоритм транспонирования графа
Мы проходим по списку смежности, и когда мы находим вершину v в списке смежности вершины u, которая указывает на ребро от u до v в основном графе, мы просто добавляем ребро от v до u в транспонированный граф, т.е. добавляем u в смежность список вершины v нового графа. Таким образом, обходя списки всех вершин основного графа, мы можем получить транспонированный граф. Таким образом, общая временная сложность алгоритма составляет O (V + E), где V - количество вершин графа, а E - количество ребер графа.
Data Science: Алгоритмы и Структуры данных | 93 |
| 12 |  ⚡️1 МЛН $ ЗА СОВЕТ
Когда PepsiCo выходила на рынок, его главным конкурентом была The Coca-Cola Company
Со временем стало ясно, что PepsiCo не выдержит конкуренцию с этим гигантом.
Но, однажды в компанию пришел человек, который сказал, что за 1 млн $ и место генерального директора расскажет секрет как увеличить прибыль компании в сотни раз.
Конечно, никто платить не стал, вызвали лучших умов и поручили им найти этот секрет.
Однако, когда у них ничего не вышло, акционеры PepsiCo скрепя сердце выполнили условия того странного человека
🤯 В ответ они получили листок бумаги, на котором были написаны 3 слова: | 340 |
| 13 |  «Если ты такой умный, почему у тебя до сих пор нет миллиона?»
Проблема никогда не была в ТЕБЕ самом🤷🏻♂️
Пока одни годами ждут прибавки в 5 000 рублей, партнеры Дмитрия спокойно забирают свою прибыль используя его ИИ алгоритм:
Цифры никогда не врут:
За последние 5 месяцев 119 партнёров вышли на первый 1 млн. Средний доход остальных — 297 000 ₽ в месяц.
Твой потенциал стоит в 5-10 раз дороже твоей текущей зарплаты, пришло время реализовать его на максимум!
Укажи в боте желаемый уровень дохода и получи возможность стать партнером 👉
https://telegram.me/+QqxbSJVZ80g5YTli | 217 |
| 14 | Транспонирование графа
У многих графов есть еще одно условие, то что их можно транспонировать. Давайте сначала разберемся с тем, что же такое транспонирование.
Транспонированый ориентированный граф G - это другой ориентированный граф на том же множестве вершин со всеми ребрами, перевернутыми по сравнению с ориентацией соответствующих ребер в G. То есть, если G содержит ребро (u, v), то обратное (transpose / reverse) G содержит ребро (v, u) и наоборот.
Data Science: Алгоритмы и Структуры данных | 405 |
| 15 |  OpenAI Gym – это инструментарий для разработки и сравнения алгоритмов обучения с подкреплением. Это библиотека с открытым исходным кодом, которая дает доступ к стандартизованному набору сред.
➡️Ссылка на Github
Data Science: Алгоритмы и Структуры данных | 395 |
| 16 |  Забрать подписки на сервисы можно на ggsel ⚾️
На сайте собраны подписки на YT Premium, Spotify, нейронки и другой софт ☕️
Иностранные карты для оплаты не потребуются — на ggsel все безопасно оплачивается с обычных карт российских банков 🫰 | 439 |
| 17 |  10 рецептов машинного обучения от разработчиков Google
В десяти коротких видеоуроках курса машинного обучения от разработчиков Google рассмотрены приемы Machine Learning для начинающих аналитиков данных.
➡️Читать статью
Data Science: Алгоритмы и Структуры данных | 439 |
| 18 |  Простой алгоритм для задачи нахождения материнской вершины
Самым тривиальным способом решения данной задачи будет выполнение BFS/DFS для всех вершин и выяснить: сможем ли мы достичь всех вершин из этой вершины.
Данный подход неэффективен, если наши графы достаточно большие, ибо его время будет O(V(E + V)). Однако, это самый простой путь для решения подобных задач. К тому же, мы недавно рассмотрели BFS / DFS
Data Science: Алгоритмы и Структуры данных | 425 |
| 19 |  Можно ли собрать полезный рабочий инструмент с ИИ за один вечер?
Проверим на первой бесплатной лаборатории вайб-кодинга от Зерокодера
Не будем тратить эфир на теорию и бесконечные промпты. Возьмем 100 реальных отзывов клиентов и прямо на глазах соберем приложение, которое само их проанализирует.
Но главное – формат самой лаборатории.
Это не запись заранее подготовленного кейса и не лекция, где эксперт показывает идеальный результат. Задачу собираем прямо в Zoom: от постановки до готового инструмента. Во время занятия можно задавать вопросы ведущему и разбираться с процессом вместе.
В итоге получается реальный продукт, который можно использовать для конкурентного анализа, поиска идей и улучшения своих продуктов или адаптировать под задачи клиентов и продавать как готовое решение.
И это только первая задача. Каждую неделю – новый кейс и новый инструмент: приложения, дашборды, автоматизации и AI-помощники.
Забрать первое участие в лаборатории бесплатно – по ссылке | 414 |
| 20 | Задача: найти материнскую вершину в графе
Итак нам дан граф, нам нужно найти материнскую вершину.
Материнской вершиной в графе G = (V, E) называется вершина v такая, что все остальные вершины в G могут быть достигнуты путем из v.
Есть несколько кейсов, которые позволяют это сделать.
1. Ненаправленный связанный граф - в этом случае все вершины являются материнскими вершинами, поскольку мы можем достичь все другие узлы в графе из выбранного
2. Ненаправленный/Направленный исключенный граф - в этом случае нет материнских вершин, поскольку мы не можем достичь всех узлов из выбранного
3. Направленный связнфй граф - в этом случае мы должны найти вершину v в графе, что удостоена условию "маринский"
Data Science: Алгоритмы и Структуры данных | 425 |
