Data Science: Алгоритмы и Структуры данных

Атака зомби: математическая модель заражения В одном из американских издательств вышел любопытный сборник научных работ по моделированию инфекционных болезней. Одна из статей в сборнике (18-страничный PDF) посвящена весьма «актуальной» сегодня теме — моделированию атаки зомби [When Zombies Attack!: Mathematical Modelling Of An Outbreak Of Zombie Infection – P. Munz, I. Hudea, J. Imad and R.J. Smith?]. Учёные составили базовую математическую модель скорости распространения атаки зомби, в зависимости от количества жителей. https://habr.com/ru/articles/67275/ Алгоритмы и Структуры данных

Дискретные тригонометрические функции, машинный эпсилон и автоматическое дифференцирование Попалась мне недавно статья Синус, косинус, квадратный корень FixedPoint. Автор размышляет как можно не затратно рассчитывать координаты и углы в микроконтроллере. Попробовал я подсказать автору пару аппроксимаций, но он оказался общителен только на тему "упадка автоматизации в РФ", а по делу как то не сложился диалог. Посмотрел, такие статьи с такой тематикой не редкость. Например, очень хорошая статья Как посчитать синус быстрее всех на Xабре. В общем разгрузил себе голову на майских праздниках от главного хобби - геометрической алгебры. В процессе изучения всего этого, возник у меня вопрос - а зачем вообще нужно аппроксимировать sin,cos, arctan и еще и в привязке к числу в двоичной системе, если есть декартовы координаты? Из ответа на этот вопрос родилась идея этой статьи. Будет длинно, но если на примере подробно разбираться с работой машинного эпсилон и автоматическим дифференцированием, короче не получится. Следите за мыслью по ходу изложения. Начну с главного тезиса, и разверну по шагам как это работает на примере операций с единичной окружностью. На математический трактат не замахиваюсь, поэтому пишу только основное и не строго. https://habr.com/ru/articles/907936/ Алгоритмы и Структуры данных

I-CON: Периодическая таблица машинного обучения В последние годы в исследованиях машинного обучения наблюдается распространение методов обучения представлений, каждый из которых имеет уникальную архитектуру, функции потерь и стратегии обучения. Эта фрагментация затрудняет для исследователей понимание взаимосвязей между различными методами и определение того, какой подход лучше всего подходит для данной задачи. В статье "I-CON: Унифицированная платформа для обучения представлений" предлагается всеобъемлющая информационно-теоретическая платформа, которая вносит ясность в этот сложный ландшафт, объединяя более 23 различных методов обучения представлений под единой математической формулировкой. Фреймворк I-CON, показывающий взаимосвязь между входными данными, контрольными сигналами, изученными представлениями и распределениями вероятностей. https://habr.com/ru/articles/908306/ Алгоритмы и Структуры данных

Ну как оно, нравится быть фрилансером? DevHumor

Путь самурая к заветной 1К на LeetCode [личный опыт] Возможно вы сейчас на этапе подготовки к алгоритмическому собеседованию в Big Tech или просто энтузиаст, который хочет укрепить свои знания алгоритмов. Тогда эта статья для вас! https://habr.com/ru/articles/907944/ Алгоритмы и Структуры данных

CLIP или SigLIP. База по Computer vision собеседованиям. Middle/Senior Вопросы о CLIP-моделях встречаются почти на каждом техническом собеседовании. Неважно, занимаетесь ли вы видеоаналитикой, создаёте генеративные модели или работаете над поиском по изображениям — CLIP и его потомки (BLIP , SigLIP ) стали стандартом де-факто в задачах связи визуальных и текстовых данных. Почему? Потому что они позволяют решать задачи, которые ранее требовали значительных усилий: от автоматической разметки данных до генерации изображений по текстовым запросам. А значит, на собеседовании вас спросят, как устроены эти модели, зачем они нужны и в чём их преимущества перед классическими подходами. https://habr.com/ru/articles/908168/ Алгоритмы и Структуры данных

🧐 Ты когда-нибудь задумывался:  - Почему одни люди годами работают за 50 000 ₽, а другие через 2-3 месяца учёбы получают офферы на 150 000+?  - Как некоторые выходят на фриланс и выбирают проекты, а не ждут, пока их наймут?  - Почему в IT даже новички могут позволить себе переезд в другую страну или ипотеку со льготной ставкой?  Ответ прост: они выбрали правильное направление с самого начала.  SkillFactory знает, как это сделать. Не гадайте на кофейной гуще — пройдите точный тест из 18 вопросов, который уже помог 10 000+ человек:  ☑️ 5 минут — и алгоритм покажет, какая IT- или дизайн-специальность подходит именно вам.  ☑️ Бесплатно — сразу после теста: карьерный гайд + разбор ваших сильных сторон.  ☑️ Без воды — только актуальные профессии 2025 года с реальными зарплатами.  👉 "Но разве можно выбрать профессию за 5 минут?"  Можно, если вопросов ровно столько, чтобы отсечь всё лишнее. Попробуйте — ссылка на тест. Реклама. Информация о рекламодателе по ссылкам в посте.

Триангуляция по косточкам Всё началось невинно. Шёл 2009 год, и я просто хотел портировать Earcut на Flash — для своей мини-игры. Тогда это сработало, но с годами стало понятно: простые решения перестают работать, как только хочешь выжать из них максимум. Я углубился в теорию, и начал перебирать статьи и просматривать ролики на youtube. Сильно помогла книга А.В. Скворцова. В итоге я остановился на подходе разбиения на монотонные многоугольники. Он казался самым очевидным. И ох, сколько я набил себе шишек, пока его реализовал. Первым прорывом стало осознание, что float нужно заменить на int. Алгоритм почти заработал - но всё равно сыпался. Он оказался крайне не устойчивым ко входным данным: самопересечения, коллинеарные рёбра, касания дыр к внешнему контуру, дегенеративные точки - всё это могло его поломать в любой момент. В итоге алгоритм вроде и работал, но мне он не нравился. Шли года, моя рука крепла. Я написал iOverlay - булеву библиотеку, которая может устранить самопересечения и привести начальные условия в надлежащий вид. И тогда я решил вернуться к старому триангулятору и разобрать его по косточкам. На этот раз всё пошло проще - потому что я уже знал, чего ждать. https://habr.com/ru/articles/908134/ Алгоритмы и Структуры данных

Всё, что вам не рассказали про Shunting Yard Алгоритм сортировочной станции (Shunting Yard) был предложен Дейкстрой ещё в 1961 году и служит для преобразования математических выражений из привычной всем инфиксной записи (где операторы стоят между операндами, как в 1 + 2 * 3) в постфиксную (обратную польскую нотацию, 1 2 3 * +), удобную для дальнейшего вычисления. Алгоритм получил своё название по аналогии с процессом сортировки вагонов на железнодорожной станции, где нужно правильно выстроить их в нужном порядке с учётом приоритетов. Алгоритм широко известен, а его описание можно найти даже на Википедии. Однако есть один важный момент, который почти всегда упускается или замалчивается: алгоритм предполагает, что входное выражение уже синтаксически корректно. https://habr.com/ru/articles/908062/ Алгоритмы и Структуры данных

Змейка здорового человека Если вы, как и я, устрашились фундаментального двухчастного трактата коллеги@Orazbek_B, возможно вас заинтересует это крохотное эссе. Сперва – код на питоне: https://habr.com/ru/articles/672296/ Алгоритмы и Структуры данных

DI в Python, Easy-DI: спаситель в сложном мире зависимостей Сегодня я бы хотел вместе с вами погрузится в увлекательный мир зависимостей, а точнее их внедрение. И так, давайте сначала разберемся что же такое зависимость? Зависимость - это объект (или функция, в Python все - это объект), который нужен другому объекту или функции для их нормальной работы. Почти в каждого объекта есть одна или несколько зависимостей. Существует 2 основных метода их получение: создание зависимости непосредственно внутри функции либо же инъекция (внедрение). https://habr.com/ru/articles/907544/ Алгоритмы и Структуры данных

Псевдослучайный рандом в Python В этой статье хочу рассказать про нерандомность модуля random в стандартной библиотеке Python. С точки зрения криптографии и математики числа, генерируемые этим модулем, случайные лишь на вид — они порождаются детерминированным алгоритмом, что делает их псевдослучайными. Рассмотрим, как устроен генератор на основе алгоритма Mersenne Twister (MT19937), почему его выходы «нерандомны» в формальном смысле и какие практические следствия это имеет. https://habr.com/ru/articles/907930/ Алгоритмы и Структуры данных

Как Duolingo юзает машинное обучение для прокачки английского: кратко и по делу Привет, чемпионы! Duolingo — это уже давно не просто приложение с разноцветными совами и скучными заданиями. С 2023 года и особенно в 2025-м они вкатились в тему искусственного интеллекта (ИИ) и машинного обучения (ML) по полной. Всё, что раньше делали люди — создание курсов, проверку ответов, адаптацию заданий — теперь почти полностью берёт на себя ИИ. Вот как это работает и почему это круто. https://habr.com/ru/companies/datafeel/articles/907412/ Алгоритмы и Структуры данных

Пандемия данных. Почему в будущем медицина будет всё больше основываться на данных? Методы работы с большими данными всё активнее применяются в медицинской сфере: биоинженерии, биостатистике и биоинформатике, медицинской физике и аналитике. Вместе с экспертами онлайн-магистратуры МФТИ «Прикладной анализ данных в медицинской сфере» разбираемся, как Data Science интегрирует медицину будущего в практики настоящего. https://habr.com/ru/companies/skillfactory/articles/672360/ Алгоритмы и Структуры данных

Крипта не для гениев — просто тебе никто не объяснил нормально, что это такое и как на ней даже школьники делают пару средних ЗП в день. Сегодня крипта — золотая жила, куда богатейшие люди мира инвестируют миллиарды, Трамп создаёт криптоимперию, а Россия вот-вот запустит свою биржу. Кто не поленится разобраться в крипте сейчас — сколотит состояние. Для этого достаточно читать канал Inv Trading Автор один из немногих фанатов крипты, который по шагам может объяснить даже вашей бабушке, откуда в крипте деньги, как она работает и как даже новичку стабильно делать 40% в месяц. Подписывайтесь, в закрепе есть пошаговый план для заработка и список монет, которые скоро кратно вырастут: @invtrading

Как проверить в C, является ли выражение константой Вот вам маленькая задачка на программирование: реализуйте такой макрос, который принимает в качестве аргумента числовое выражение (числа могут быть целыми или с плавающей точкой) и: Удостоверяет, что выражение является константой (т.e, его значение известно во время компиляции), а если это не так — отменяет компиляцию. «Возвращает» то же самое значение. Дополнительно: пусть возвращаемое значение относится к тому же типу, что и исходное выражение. Эту задачу можно решать разными способами, в зависимости от того, каким стандартом C вы пользуетесь, и разрешены ли в вашем случае расширения компилятора. Ниже перечислю некоторые варианты таких решений и расскажу об их достоинствах и недостатках. https://habr.com/ru/articles/907754/ Алгоритмы и Структуры данных

Про настройку гиперпараметров ансамблей моделей машинного обучения Под катом хочется затронуть тему настройки гиперпараметров в моделях машинного обучения, получаемых при помощи блендинга. В таких ансамблях предсказания из одной модели машинного обучения становятся предикторами для другой (следующего уровня). На рисунке ниже представлены некоторые варианты ансамблей, где данные передаются слева направо. Называть такие ансамбли мы будем в рамках поста также пайплайнами или композитными моделями (композитные пайплайны). https://habr.com/ru/articles/672486/ Алгоритмы и Структуры данных

Гипотеза Коллатца. Шаг в сторону Переработал первоначальное оформление статьи по советам администраторов сайта. Им спасибо. Надеюсь текст стал понятнее. Описание гипотезы Коллатца в вики: https://ru.wikipedia.org/wiki/Гипотеза_Коллатца цитирую : Берём любое натуральное число N. Если оно чётное, то делим его на 2, а если нечётное, то умножаем на 3 и прибавляем 1 (получаем 3*N + 1). Над полученным числом выполняем те же самые действия, и так далее. Гипотеза Коллатца заключается в том, что какое бы начальное число N мы ни взяли, рано или поздно мы получим единицу. Попробуем сделать шаг в сторону и исследовать преобразование с вычитанием 1, то есть умножаем на 3 и вычитаем 1 (получаем 3*N - 1). Результат делим на 2 до нечетного значения и так далее. Результат с вычитанием 1 состоит в том, что есть несколько точек остановки алгоритма, а не только единица. Примеры на картинках ниже. https://habr.com/ru/articles/672824/ Алгоритмы и Структуры данных

Всего за 5 минут определите подходящую вам IT-профессию. Онлайн-школа Skillfactory разработала уникальный профориентационный тест из 18 вопросов. Ответив на них, узнаете наиболее подходящую вам специальность. Работайте в российских или зарубежных компаниях, в офисе или удаленно. Для айтишников — сниженная ставка по ипотеке, высокая зарплата, комфортные условия и гибкий график. Переходите по специальной ссылке, чтобы пройти тест, получить карьерную консультацию и мини-курс для выбора профессии в IT или дизайне Реклама. Информация о рекламодателе по ссылкам в посте.

Пример забытого «наивного» алгоритма Недавно написал скептический комментарий по поводу необходимости алгоритмических интервью. Вспомнил примеры из своей практики, один из них вполне подходящий, можно сделать патч в opensource проекте. Разработчики зачастую пишут код (скелет), используя наивные алгоритмы и не используя валидаторы (предполагая изменить код позже либо ошибочно предположив что объем данных будет небольшим). Не так давно попался один тикет с жалобой на зависание in‑house приложения которое обрабатывает adobe pdf документы (печатает в png изображение для web клиентов). Приложение использует библиотеку apache pdfbox. Запустил тест с проблемным pdf документом в котором использовались формы — компьютер «пошел на взлет». Похоже на длинный цикл, хорошо пошел. Жду пару минут, стало интересно. Начался тротлинг CPU (перегрев, рабочая коробочка у меня небольшая, мобильная, с воздушным охлаждением и быстро нагревается при большой длительной нагрузке). Открыл отладчик, нашел проблемный учаток кода в библиотеке pdfbox который держал поток: https://habr.com/ru/articles/907316/ Алгоритмы и Структуры данных