Всё про Алгоритмы и Структуры данных

Самая важная машина, которая никогда не была построена Определение пришло от 23-летнего аспиранта по имени Алан Тьюринг, в 1936 году написавшего основополагающую статью, которая не только формализовала концепцию вычислений, но и доказала фундаментальный вопрос математики и заложила интеллектуальную основу для изобретения вычислительной техники. Великое озарение Тьюринга состояло в том, чтобы дать конкретный ответ на вопрос о вычислениях в форме абстрактной машины, которую его научный руководитель Алонзо Чёрч позже назвал машиной Тьюринга. Она абстрактна, потому что не существует (и не может) физически существовать как осязаемое устройство. Это концептуальная модель вычислений: если машина может вычислить функцию, то эта функция вычислима. Вот как это работает. Машина Тьюринга может считывать и изменять символы на бесконечно длинной ленте в соответствии с таблицей правил. Лента состоит из «ячеек», каждая из которых может хранить ровно один символ, и машина считывает и перезаписывает содержимое ячеек с помощью записывающей головки. Каждое правило в таблице определяет, что должна делать машина, основываясь как на её текущем состоянии, так и на считываемом символе. Машина может войти в конечное состояние («состояние принятия» или «состояние отклонения»), в котором она останавливается, принимая или отклоняя ввод. Или она попадает в бесконечный цикл и продолжает читать ленту вечно. https://habr.com/ru/companies/first/articles/743464/ Алгоритмы и Структуры данных

Лифт не знает, куда ехать. И это лучший алгоритм, который мы придумали Вчера я 4 минуты стоял в подъезде и смотрел, как два лифта одновременно поехали вверх. Все два. На табло — 12, 15, 18. Я на первом. Мне на шестой. И я подумал: вот я кучу лет пишу софт, оптимизирую запросы к базе данных, кеширую всё что движется — а эти две коробки на тросах не могут разобраться, кто из них должен спуститься за мной. Потом я погрузился в тему. И выяснил, что они не «не могут разобраться». Они математически не способны найти идеальное решение. Вообще никто не способен. Задача диспетчеризации группы лифтов — NP-трудная. То есть буквально: не существует алгоритма, который гарантированно найдёт оптимальный маршрут за разумное время. И вот уже 60 лет лучшие инженеры мира решают эту задачу эвристиками. По сути — догадками. https://habr.com/ru/articles/1010314/ Алгоритмы и Структуры данных

Запускаем LLM на AMD RX580: разбор проблем ROCm, Ollama и реальный GPU inference Большинство гайдов по запуску LLM предполагают NVIDIA GPU и CUDA. Если у вас AMD — особенно старая карта вроде RX580 — готовьтесь к расследованию. Большинство примеров и гайдов ориентированы на NVIDIA: https://habr.com/ru/articles/1010358/ Алгоритмы и Структуры данных

Можно ли в деловом документе найти созвездие Большой Медведицы? В сегодняшней статье будет рассмотрен анализ структуры деловых документов. Деловой документ предназначен для обмена данными между организациями и физическими лицами. Деловые документы характеризуются относительно простой структурой и ограниченным словарем статических текстов. Объемы потоков входящих и исходящих бумажных документов в крупных организациях могут достигать нескольких миллионов страниц в день, поэтому ручная обработка большого потока документов невозможна. Анализ текста и распознавание документа – известные задачи, однако анализ распознанного документа имеет свои особенности, о которых мы далее расскажем. https://habr.com/ru/companies/smartengines/articles/743120/ Алгоритмы и Структуры данных

Спорим, вы не сможете решить эту задачу с собеседования в Google Разбираем решение задачи, которую блоггер TechLead давал на собеседовании на должность разработчика ПО в Google. https://proglib.io/p/google-interview-task Алгоритмы и Структуры данных

Как я пытался сделать идеальный нечёткий поиск (и почему в итоге пришлось писать 5 уровней скоринга) Недавно я рассказывал на Хабре про архитектуру своего пет-проекта — клипборд-менеджера Beetroot на стеке Tauri + React + Rust + SQLite. В комментариях тепло приняли отказ от прожорливого Electron и систему бэкапов БД, но за кадром осталась, пожалуй, самая алгоритмически болезненная часть разработки десктопной утилиты — поиск. В моей ежедневной базе 1000+ записей: куски кода, URL-ы, стектрейсы, SQL-запросы, переписки из мессенджеров. Поиск по всему этому должен работать мгновенно и попадать точно в цель. https://habr.com/ru/articles/1010086/ Алгоритмы и Структуры данных

Изучаем алгоритмы: полезные книги, веб-сайты, онлайн-курсы и видеоматериалы В этой подборке представлен список книг, веб-сайтов и онлайн-курсов, дающих понимание как простых, так и продвинутых алгоритмов. https://proglib.io/p/awesome-algorithms Алгоритмы и Структуры данных

Какие алгоритмы нужно знать, чтобы стать хорошим программистом? Данная статья содержит не только самые распространенные алгоритмы и структуры данных, но и более сложные вещи, о которых вы могли не знать. Читаем и узнаем! https://proglib.io/p/required-programmer-algorithms Алгоритмы и Структуры данных

Более быстрый asin() Когда я пишу эту статью, то чувствую себя довольно глупо. На самом деле, это история с моралью «Прежде, чем действовать, изучи вопрос и понимай, в чём заключается твоя цель, потому что иначе потеряешь много времени». Я продолжаю работать над проектом PSRayTracing. Как ни стараюсь я положить его на полку, время от времени слышу о чём-то «новом» и задаюсь вопросом: «а можно ли засунуть это в мой трассировщик лучей, чтобы выжать из него ещё немного скорости?». На этот раз такой темой стали аппроксимации Паде. Моя цель заключалась в обеспечении более быстрых (и точных) тригонометрических аппроксимаций. Увы, это не помогло... однако я обнаружил нечто иное, позволившее существенно ускорить мой трассировщик! https://habr.com/ru/articles/1009424/ Алгоритмы и Структуры данных

Линейная алгебра для нейросетей: векторы на практике Данная статья посвящена основе основ нейронауки — линейной алгебре. Если вы когда-либо планируйте изучать искусственные нейронные сети (и не только), то вам необходимо начать именно с этого. Причем не важно, собираетесь ли вы заниматься фундаментальными исследованиями (Data Science) или просто лепить модели в продакшн на конвейере (ML Engineering), вы обязаны знать их математику хотя бы поверхностно. Любые настройки, дообучение и применение даже готовой модели, требуют понимания основ. А по сему данное знание, как минимум, не будет избыточным. Материал рассчитан на новичка. Если вы знаете школьную математику, то сможете освоить и мой курс. В будущем я напишу статью о линейном представлении нейросетей, где мы адаптируем полученное знание под прикладные задачи, напишем некоторые слои на Python и построим настоящую модель! https://habr.com/ru/articles/1001896/ Алгоритмы и Структуры данных

Оффер на 300к без программирования До такого уровня можно вырасти примерно за 2 года работы бизнес-аналитиком в IT. А если ты еще новичок, то стартануть от сотки в месяц. Если не планируешь заниматься программированием или тестированием, рекомендую посмотреть видос в закрепе канала IT с Юлей В нем Юля, ведущий бизнес-аналитик простым языком объясняет: — чем занимается бизнес-аналитик и почему это лучшее направление для входа в IT — как с нуля зайти в профессию в 2026 году и зарабатывать от 100к — ее путь и реальные истории трудоустройства новичков в IT Плюс дает сборник с разбором самых частых вопросов от HR с правильными ответами и разбором логики. Посмотри, потом будешь рад, что не пролистал: https://t.me/+CL32v3XMSjNhNjcy

Фильтр Калмана: от простого к сложному Фильтра Калмана много не бывает! По этой теме издано несколько книг, опубликовано большое количество статей, в том числе на Хабре. Разработанный в 1960-х годах алгоритм оценки состояния динамических систем по сегодняшний день считается одним из лучших, получает все более широкое применение в различных технических системах: от радиолокации до электрокардиографии. В этой статье я хотел бы на конкретных примерах показать принцип работы фильтра Калмана, наглядно продемонстрировать, на что влияет тот или иной параметр, как работают различные модификации фильтра. https://habr.com/ru/articles/991860/ Алгоритмы и Структуры данных

Биологи смоделировали полный жизненный цикл живой клетки Группа исследователей впервые смоделировала полный жизненный цикл живой бактериальной клетки с наномасштабным разрешением, отследив поведение каждого гена, белка и химической реакции от репликации ДНК до клеточного деления. Результаты исследования, опубликованные в журнале Cell, открывают возможность заменить сотни реальных лабораторных экспериментов одной комплексной 4D-симуляцией. https://habr.com/ru/articles/1009160/ Алгоритмы и Структуры данных

Задача про красные и синие точки Недавно друзья задали мне задачу по дискретной математике. Задача так сильно понравилась, что я решил поделиться ей с широким кругом, а также рассказать свое решение и предложенное авторами задачи. https://habr.com/ru/articles/742276/ Алгоритмы и Структуры данных

Написал шахматный движок для 6×6 Crazyhouse — стал #1 на chess.com, а потом меня забанили Меня зовут Владимир, я бэкенд-разработчик. Это моя первая статья здесь — о том, как пет-проект для нишевого варианта шахмат прошёл путь от «а что, если...» до первого места в рейтинге на chess.com. Без нейронок. На чистом alpha-beta поиске, написанном на Rust. Статья будет полезна тем, кто интересуется шахматным программированием, оптимизацией CPU-bound задач или связкой Python + Rust через PyO3. https://habr.com/ru/articles/1008978/ Алгоритмы и Структуры данных

Algovis — подборка ресурсов с визуализацией алгоритмов В этой подборке собрана коллекция проектов и ссылок, посвященных визуализации алгоритмов. Множество красочных сайтов с примерами реализации и кодом. https://proglib.io/p/visualising-algorithms Алгоритмы и Структуры данных

Создание процедурной карты шестиугольников при помощи коллапса волновой функции Я был одержим процедурными картами с ещё детства, когда кидал кубики на таблицы случайных подземелий из AD&D Dungeon Master's Guide. В этом есть что-то волшебное — ты не проектируешь подземелье, а исследуешь его, помещение за помещением, а кубики решают, попадёшь ли ты в сокровищницу или в тупик с кучей крыс. Спустя годы я решил создать собственный генератор карт. Он создаёт маленькие средневековые островные миры с дорогами, реками, побережьями, горами, лесами и деревьями. И всё это полностью процедурным образом. Генератор написан на Three.js WebGPU с TSL-шейдерами, примерно 4100 шестиугольников в 19 сетках генерируются за ~20 секунд. https://habr.com/ru/articles/1008562/ Алгоритмы и Структуры данных

Разбор заданий по аналитике или как Яндекс отнял почти 6 часов моей жизни Привет, Хабр! В попытках отчаянно найти подработку, которую можно было бы совмещать с учебой, листал я агрегатор стажировок, где и наткнулся на набор от Яндекса. Решив, что терять мне всё равно нечего, я быстро кликнул по ссылке, заполнил анкету, и буквально через минуту мне на почту пришло письмо с приглашением решить тестовое задание. Я подумал, что вечер наконец-то обещает быть интересным, заварил чаёк и уже собрался спокойно чилить следующие несколько часов, аристократически посёрбывая и иногда тыкая пальцем по клавиатуре. https://habr.com/ru/articles/1008460/ Алгоритмы и Структуры данных

Понятия способ, случай, действие и его свобода, причина, измерение, предположение и его верность, игра, поведение и ум В данной работе приведены около девяноста новых определений понятий (НОП), включая указанные в заголовке. Предложенные НОП имеют следующие преимущества: при их составлении соблюдена математическая точность, непротиворечивость в том числе с существующими понятиями в математике, больше соответствуют естественному русскому языку, краткие, большинство не содержат формул. НОП обозначаются словами «исконно русского языка», то есть часть русского языка, из которого исключены заимствования из других европейских языков. Приведенные НОП призваны дать качественную замену похожим понятиям в математике (ППМ), имеющим по сравнению с НОП следующие неустранимые недостатки: https://habr.com/ru/articles/1008420/ Алгоритмы и Структуры данных

Граничные вычисления в коммерческой логистике Привет, Хабр! Мы — братья Лев и Марк Григорьевы. В рамках нашего R&D-проекта мы разрабатываем бортовую систему предиктивной диагностики для тяжелого коммерческого транспорта (тягачи, спецтехника). Задачи в нашей небольшой команде разделены строго: Лев отвечает за аппаратную часть, схемотехнику и проект в целом, а Марк — за инженерию данных, разметку виброакустических датасетов и алгоритмы каскадной фильтрации. В этой статье мы хотим поделиться набитыми шишками при проектировании прототипа: почему стримить аудио работающего двигателя фуры в облако — это экономическая утопия, как организовать непрерывный сбор данных без блокировки процессорного ядра и почему перенос цифровой обработки сигналов (DSP) на борт микроконтроллера стал для нас единственным выходом. https://habr.com/ru/articles/1008056/ Алгоритмы и Структуры данных