Всё про Алгоритмы и Структуры данных

Линейная регрессия. Основная идея, модификации и реализация с нуля на Python В машинном и глубоком обучении линейная регрессия занимает особое место, являясь не просто статистическим инструментом, но а также фундаментальным компонентом для многих более сложных концепций. В данной статье рассмотрен не только принцип работы линейной регрессии с реализацией с нуля на Python, но а также описаны её модификации и проведён небольшой сравнительный анализ основных методов регуляризации. Помимо этого, в конце указаны дополнительные источники для более глубокого ознакомления. https://habr.com/ru/articles/804135/ Алгоритмы и Структуры данных | ChatGPT

Как написать решатель «Пятнашек» на C# Цель этой статьи — пробудить интерес читателей к удивительному миру и показать различные способы решения таких же интересных головоломок, как «Пятнашки». Создайте свою базу данных с шаблонами и начните решать головоломки менее чем за 50 миллисекунд. https://habr.com/ru/companies/skillfactory/articles/655629/ Алгоритмы и Структуры данных | ChatGPT

2024... Покупать Bitcoin уже поздно. Даже если он вырастет до $200,000, Вы в лучшем случае сделаете всего x3 от вложений 🥱 Взамен, в 2024 году на рынке появится десятки других монет, которые за месяц вырастут в 7-10 раз. Ваши $500 за пару месяцев превратятся в солидный капитал. Для стабильного заработка в криптовалюте нужно следить за бывалыми игроками. Например, Александром Морозовым. Знания и понимание работы рынка не раз помогут избежать убытка. Похожий контент стоит приличных денег, а Александр делится им совершенно бесплатно. Когда все будут в убытке, Вы будете по уши в прибыли. Дважды о таком не напоминают: @crypto

Поиск цикла Эйлера алгоритмом backtracking Алгоритм поиска с возвратом является хоть и затратным, но зато достаточно универсальным методом. Связан он с перебором вершин графа. Возникает вопрос: можно ли интерпретировать ребра в качестве вершин? Вот эта идея и реализуется. https://habr.com/ru/articles/803963/ Алгоритмы и Структуры данных | ChatGPT

Ровно год назад автор каналa Торговый Инсайдер дал 4 монеты своим подписчикам и вложил вместе с ними по 100$ в каждую, а теперь пришло время подводить итоги. Apex 100$ - 11.100$ CDX 100$ - 10.000$ PIXEL 100$ - 3828$ VEIL 100$ - 7.460$ И это всего лишь 4 монеты из огромного количества, которые мы разбирали на канале «Торговый Инсайдер» 2 апреля мы выложим новый список монет на 2024 год. Поспеши узнать и зайти закупиться пока монеты не улетели в космос! P.s кто не успел, тот опоздал извиняйте 🤷‍♂️👇🏼 https://t.me/+IuJ3daRbpzszY2Yy

Варим кашу из нечеткой логики и вариационных автоэнкодеров Пока весь мир затаив дыхание следит за большими языковыми моделями и одни грезят о том, как подсадят всех на свои сервисы LLM, а другие прикидывают как заменить бездушными симулякрами если не зажравшихся айтишников, то хотя бы женщин штукатуров и бухгалтеров, обычным ML‑инженерам, по щиколотку в коричневой жиже машинного обучения, приходится решать приземлемые задачи чем бог послал. https://habr.com/ru/articles/803789/ Алгоритмы и Структуры данных | ChatGPT

Поиск пути в ВГД-лабиринте Поставка задачи. Найти кратчайший путь в заданном лабиринте между двумя проходными клетками этого лабиринта. При нахождении пути допускается использовать только целочисленные переменные. Погрешности в вычислениях не допускаются. Алгоритм должен (хотя бы в теории) работать со сколь угодно большими лабиринтами. https://habr.com/ru/articles/803123/ Алгоритмы и Структуры данных | ChatGPT

И к гадалке не ходи. Как и зачем мы предсказываем офлайн-продажи товаров Онлайн-ритейлеры и всевозможные маркетплейсы постоянно пересчитывают цены, придумывают хитрые акции и ставят эксперименты на пользователях. Но кто сказал, что в магазине у дома нельзя делать то же самое? Да, это сложнее, но зато интереснее и может принести больше пользы. Мы разрабатываем системы управления ценообразованием для больших розничных сетей. В рамках этой задачи экспериментируем с предсказанием продаж в розничных офлайн-магазинах. Предлагаем вам узнать больше о подходах, которые используются в решении таких задач. https://habr.com/ru/companies/magnus-tech/articles/803579/ Алгоритмы и Структуры данных | ChatGPT

Логистическая и Softmax-регрессии. Теоретические основы и реализация с нуля на Python Начнём с более простого. Логистическая регрессия — линейный бинарный классификатор, основанный на применении сигмоидальной функции к линейной комбинации признаков, результатом которого является вероятность принадлежности к определённому классу. Обычно порог устанавливается 0.5: если вероятность меньше порога — класс относится к 0, а если больше — к 1. В принципе, условия определения логистической регрессии такие же как и у линейной за исключением бинаризации таргета. https://habr.com/ru/articles/803397/ Алгоритмы и Структуры данных | ChatGPT

Как собрать компьютер из оригами Логическая операция принимает одно или несколько входных данных (каждое из которых записано как ИСТИНА или ЛОЖЬ) и выдает выходные данные (ИСТИНА или ЛОЖЬ) на основе заданного правила. Чтобы выполнить операцию с бумагой, математики разработали диаграмму линий, называемую узором сгиба, которая указывает, где складывать бумагу. Складка на бумаге представляет собой вход. Если вы сложите бумагу по одной линии рисунка, складка перевернётся в одну сторону, что указывает на входное значение ИСТИНА. Но если вы сложите бумагу по другой (ближайшей) линии, складка перевернётся на противоположную сторону, указывая на ЛОЖЬ. https://habr.com/ru/companies/first/articles/803561/ Алгоритмы и Структуры данных | ChatGPT

Станьте Python-разработчиком за 0₽ Зарплата начинающего Python разработчика от 100 000₽, а стоимость обучения на профессию в онлайн-школах от 120 000 до 300 000 рублей. Прямо сейчас GeekBrains отдают бесплатно 3 курса по IT, в том числе и курс по Python. ⚠️Переходите по ссылке и забирайте курс по Python — только до 31-го марта: https://go.redav.online/98188006fbb1f770?erid=LdtCK7b7u&m=1

Фильтрация JSON: как мы проводили конкурс на самый быстрый алгоритм В статье расскажу, как мы организовали конкурс, который помог решить проблему исключения некоторых данных (в нашем API) в процессе отправки на фронт. В результате мы получили высокопроизводительный алгоритм фильтрации JSON с использованием векторных инструкций Intel® AVX2. https://habr.com/ru/companies/quadcode/articles/660229/ Алгоритмы и Структуры данных | ChatGPT

Эффективное хранение графов: матрицы смежности Как известно, представление графа в памяти преимущественно осуществляется двумя способами: матрицей смежности и списком смежности. Остановимся на первом из них. Матрица смежности графа Стоит отметить, что размер, выделяемый для хранения обыкновенной матрицы смежности, равняется n^2 где n- количество вершин в графе. https://habr.com/ru/articles/660567/ Алгоритмы и Структуры данных | ChatGPT

Эзотерическая оптимизация газа в Solidity Программирование в Солидити отличается от других языков, так как каждое инструкция и байт памяти тратят газ - деньги пользователей. В сети уже есть много ресурсов с основными техниками оптимизации кода (например, стараться использовать calldata вместо memory), но я хочу показать несколько совсем безумных и неочевидных. Понять о чем я говорю без базового опыта в solidity будет очень сложно, но может быть эти оптимизации проявят в вас интерес в ethereum программировании. https://habr.com/ru/articles/656269/ Алгоритмы и Структуры данных

Инженерный подход к тестированию алгоритмов: исследовательский анализ рабочего процесса. Часть 2 Как мы уже говорили в первой части, для демонстрации анализа алгоритма в более широком контексте примером послужит расстояние редактирования Левенштейна. Расстояние редактирования также иногда называют поиском похожих строк (или нечетким поиском). Это метрика редактирований (изменений символов), необходимых для преобразования одной строки в другую (целевую) строку. Из самых известных применений алгоритма можно выделить предоставление предложений по правильному написанию, нечеткий поиск по строке поискового запроса и сравнение последовательностей ДНК/РНК. https://habr.com/ru/companies/otus/articles/651045/ Алгоритмы и Структуры данных

Как раскрасить вершины графа В этой небольшой заметке я хочу показать, как с помощью алгебры можно решать классическую задачу о раскраске вершин графа. Об этом сюжете я узнал из книги W.W. Adams, P. Loustanau. An Introduction to Groebner Basis (параграф 2.7). https://habr.com/ru/articles/651793/ Алгоритмы и Структуры данных

Много-агентное планирование траекторий в децентрализованном режиме: эвристический поиск и обучение с подкреплением В этом посте я расскажу о наших свежих наработках в этой области, а именно о гибридном методе, которые сочетает в себе принципы классического эвристического поиска (A*) и обучения с подкреплением (PPO). Метод получился неплохим, превосходящим многие современные аналоги по результатам экспериментов, а соответствующая статья была принята на The 38th AAAI Conference on Artificial Intelligence (пока доступен только препринт). Это одна из топовых академических конференций по искусственному интеллекту, которая в этом (2024) году проходила в Канаде (спойлер: я сам визу получить не успел, но моим коллегам и соавторам, кто имел ранее выданные канадские визы, удалось принять личное участие и достойно представить нашу науку на мировом уровне). https://habr.com/ru/companies/airi/articles/802777/ Алгоритмы и Структуры данных

Синхронные и асинхронные стектрейсы: опыт использования в Facebook Здесь мы подробно поговорим о том, каковы технические отличия между реализацией асинхронных стектрейсов по сравнению с реализацией традиционных стектрейсов, а также с какими сложностями можно столкнуться, реализуя такие асинхронные стектрейсы поверх корутин C++. https://habr.com/ru/companies/piter/articles/649725/ Алгоритмы и Структуры данных

Магнитная аномалия: как предсказать продажи промо в ритейле Во вводной статье мы расскажем о разнице между промо и регулярными продажами, о команде и истории развития направления прогнозирования в «Магните», а также объясним, почему качественный прогноз промо важен для бизнеса. https://habr.com/ru/companies/magnit/articles/649683/ Алгоритмы и Структуры данных

Стеганографические эксперименты с видеофайлами и Youtube Сможет ли собственная стеганографическая pet-поделка выдержать тесты и успешно пройти через жернова внутренних верификаций и преобразований Youtube, который решено было выбрать в качестве видеохостинга для наукообразных экспериментов? Можно ли в конечном итоге использовать Youtube для альтернативного хранения видеоданных? Данная заметка постарается если не закрыть полностью ответы на эти вопросы, то по крайней мере через натурный эксперимент проиллюстрировать потенциальные возможности, которые могут оказаться скрытыми за простыми предположениям относительно организации хранения и обработки видеоданных. https://habr.com/ru/articles/651905/ Алгоритмы и Структуры данных