Data Science: Алгоритмы и Структуры данных
Відкрити в 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
Показати більше
Сітка:7 647
Підписники
-424 години
-207 днів
-6430 днів
Триває завантаження даних...
Схожі канали
Хмара тегів
Вхідні та вихідні згадування
---
---
---
---
---
---
Залучення підписників
жовтень '26жовт '26
жовтень '26
+2
в 0 каналах
вересень '26
+31
в 0 каналах
Get PRO
серпень '26
+65
в 0 каналах
Get PRO
липень '26
+55
в 0 каналах
Get PRO
червень '26
+19
в 0 каналах
Get PRO
травень '26
+14
в 0 каналах
Get PRO
квітень '26
+17
в 0 каналах
Get PRO
березень '26
+27
в 0 каналах
Get PRO
лютий '26
+93
в 0 каналах
Get PRO
січень '26
+41
в 0 каналах
Get PRO
грудень '25
+20
в 0 каналах
Get PRO
листопад '25
+22
в 0 каналах
Get PRO
жовтень '25
+28
в 0 каналах
Get PRO
вересень '25
+38
в 0 каналах
Get PRO
серпень '25
+39
в 0 каналах
Get PRO
липень '25
+41
в 0 каналах
Get PRO
червень '25
+43
в 0 каналах
Get PRO
травень '25
+81
в 0 каналах
Get PRO
квітень '25
+112
в 0 каналах
Get PRO
березень '25
+32
в 0 каналах
Get PRO
лютий '25
+36
в 0 каналах
Get PRO
січень '25
+47
в 0 каналах
Get PRO
грудень '24
+40
в 1 каналах
Get PRO
листопад '24
+38
в 0 каналах
Get PRO
жовтень '24
+55
в 2 каналах
Get PRO
вересень '24
+40
в 0 каналах
Get PRO
серпень '24
+65
в 1 каналах
Get PRO
липень '24
+65
в 0 каналах
Get PRO
червень '24
+54
в 0 каналах
Get PRO
травень '24
+65
в 0 каналах
Get PRO
квітень '24
+65
в 0 каналах
Get PRO
березень '24
+67
в 1 каналах
Get PRO
лютий '24
+76
в 0 каналах
Get PRO
січень '24
+90
в 1 каналах
Get PRO
грудень '23
+59
в 1 каналах
Get PRO
листопад '23
+29
в 0 каналах
Get PRO
жовтень '23
+35
в 0 каналах
Get PRO
вересень '23
+3
в 0 каналах
Get PRO
серпень '23
+23
в 0 каналах
Get PRO
липень '23
+14
в 0 каналах
Get PRO
червень '23
+26
в 0 каналах
Get PRO
травень '23
+19
в 0 каналах
Get PRO
квітень '23
+19
в 0 каналах
Get PRO
березень '23
+25
в 0 каналах
Get PRO
лютий '23
+212
в 0 каналах
Get PRO
січень '23
+280
в 0 каналах
Get PRO
грудень '22
+293
в 0 каналах
Get PRO
листопад '22
+670
в 0 каналах
Get PRO
жовтень '22
+262
в 0 каналах
Get PRO
вересень '22
+559
в 0 каналах
Get PRO
серпень '22
+2 507
в 0 каналах
Get PRO
липень '22
+3 004
в 0 каналах
Get PRO
червень '22
+2 986
в 0 каналах
Get PRO
травень '22
+4 596
в 0 каналах
| Дата | Залучення підписників | Згадування | Канали | |
| 06 жовтня | 0 | |||
| 05 жовтня | +1 | |||
| 04 жовтня | 0 | |||
| 03 жовтня | +1 | |||
| 02 жовтня | 0 | |||
| 01 жовтня | 0 |
Дописи каналу
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 💬
| 2 | 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 💬 | 212 |
| 3 |  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 | 218 |
| 4 |  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 | 306 |
| 5 | 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 💬 | 302 |
| 6 | 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 💬 | 331 |
| 7 | 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 💬 | 373 |
| 8 |  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 💬 | 303 |
| 9 | 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 💬 | 393 |
| 10 |  +4👨💻 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 | 374 |
| 11 | 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 💬 | 309 |
| 12 | 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 💬 | 402 |
| 13 | 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 💬 | 400 |
| 14 |  Как повысить продуктивность при анализе данных? 25 неочевидных инструментов.
➡️Читать статью
Data Science: Алгоритмы и Структуры данных | Чат 💬 | 412 |
| 15 |  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 💬 | 460 |
| 16 |  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 | 330 |
| 17 | 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 💬 | 419 |
| 18 |  Профессор математики из MIT рассказывает о структуре линейной алгебры.
➡️Смотреть видео
⬇️ Скачать видео
Data Science: Алгоритмы и Структуры данных | Чат 💬 | 422 |
| 19 | 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 💬 | 435 |
| 20 | 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 💬 | 432 |
