Всё про Алгоритмы и Структуры данных

〽️ Купить Bitcoin по $27,000 во время войны в Израиле, а продать сейчас по $72,000. Это возможность, которую Вы упустили. 〽️ Купить Ethereum по $1,400, а через год продать по $4,050. Это возможность, которую Вы упустили. 〽️ Купить Ton по $1, а продать на пике по $3,9. Это возможность, которую Вы упустили. Бедные найдут тысячи оправданий, дабы оставить всё как есть. Забавно, ведь чтобы увеличить свой доход не нужны таланты и особые умения. Подписки на Михаила Смирнова будет достаточно, дабы деньги с крипты перестали быть для Вас проблемой. Автор простыми словами рассказывает, стоит ли покупать Bitcoin, какие монеты в марте взлетят и на чём не потерять деньги. Подписывайтесь, чтобы видеть возможности наперёд и уметь ими воспользоваться: @crypto

Использование рекуррентных нейронных сетей в Reinforcement Learning В 2013 году команда DeepMind представила алгоритм, с помощью которого они научили компьютер играть в семь игр «Atari 2600», причем сделали это без участия человека [2]. Компьютер сам совершал действия, оценивал какие из них приносят больше пользы в игре и сам формировал выигрышную стратегию. В основе этого алгоритма лежат алгоритмы RL. Сейчас игры Atari используются как бенчмарк для новых методов обучения с подкреплением. И недавний алгоритм R2D2, от все тех же DeepMind, играет лучше человека почти в 20 раз [3]. Преимущество R2D2 состоит в использовании рекуррентных нейронных сетей. Их применяли и раньше, но новый подход позволяет при этом не терять эффективность других улучшений Deep Q-learning. В этой статье рассказано какими способами удалось достичь такого результата. https://habr.com/ru/articles/599923/ Алгоритмы и Структуры данных

Градиентный бустинг. Реализация с нуля на Python и разбор особенностей его модификаций (XGBoost, CatBoost, LightGBM) На сегодняшний день градиентный бустинг (gradient boosting machine) является одним из основных production-решений при работе с табличными, неоднородными данными, поскольку обладает высокой производительностью и точностью, а если быть точнее, то его модификации, речь о которых пойдёт чуть позже. В данной статье представлена не только реализация градиентного бустинга GBM с нуля на Python, но а также довольно подробно описаны ключевые особенности его наиболее популярных модификаций. https://habr.com/ru/articles/799725/ Алгоритмы и Структуры данных

Extropic: Добро пожаловать в Термодинамическое Будущее (перевод) Тема квантовых вычислений интересна и важна, хоть и вокруг неё полно разного рода спекуляций и булшита. Предсказывают, что квантовые вычисления отбросят на обочину истории все современные системы шифрования, а также послужат фундаментом для инфраструктуры дата центров следующего поколения. https://habr.com/ru/articles/800033/ Алгоритмы и Структуры данных

🇬🇧 Английский язык – как секс. Если зубрить его по учебникам, то кроме правил и теории вы ничему не научитесь. А если регулярно практиковаться и заниматься им хотя бы 2-3 раза в неделю, то вы быстро освоите азы и уже через пару месяцев будете говорить, как иностранец. И это не шутка – канал Sulim English вам это докажет. Автор уже более 10 лет преподает инглиш по технике наслушивания. Это когда вы слушаете только самые главные разговорные конструкции английского языка, попутно запоминая все правила и лексику Без репетиторов, бесполезных тестов, заданий и прочего бреда, которым нас пичкали в школе, репетиторы или же онлайн школы Подписывайтесь, это самый простой способ выучить английский язык: @super_sulim

Оптимизация генплана. Какая математика под капотом? При любых строительных работах генеральный план является обязательной частью проекта. Готовый генплан предоставляет подробную информацию об объемах работ, объектах строительства, транспортных сообщениях и инженерных коммуникациях разного назначения. Именно от точности и качества генерального плана зависит безопасность и надежность всего проекта, его функциональность, а их оптимальное проектирование позволяет снизить финансовые и временные затраты уже на самом старте реализации проекта. Очевидно, что при решении подобной задачи хочется максимально автоматизировать оптимальное проектирование генеральных планов и застраховаться от любых ошибок, связанных с человеческим фактором. В этом тексте я расскажу про математические задачи, с которыми мы сталкиваемся при проектировании генеральных планов, как мы декомпозируем задачу, почему делаем это именно таким образом https://habr.com/ru/companies/numdes/articles/599971/ Алгоритмы и Структуры данных

Создавая непредсказуемость. Примеры использования генераторов случайных чисел Генераторы случайных чисел (ГСЧ) – важнейшая составляющая разнообразных процессов, связанных с компьютерными программами, таких как криптография, моделирование, машинное обучение, игры, программирование, азартные игры, научные исследования – список можно продолжать. Но может возникнуть вопрос: как именно получить по-настоящему случайное значение, и почему это важно? Оказывается, спонтанность — не самая сильная сторона компьютеров. Они могут выполнять только те действия, на которые запрограммированы. Благодаря ГСЧ, компьютеры приобретают способность генерировать уникальные неравномерно распределенные числа. Иными словами, ГСЧ помогает компьютеру моделировать непредсказуемость. https://habr.com/ru/companies/piter/articles/646399/ Алгоритмы и Структуры данных

Криптографические пруфы zkSNARKs для масштабирования и безопасности Эта статья подготовлена по мотивам моего доклада на Highload про zkSNARKs. Это одна из самых горячих тем в современной криптографии. Они используются для обеспечения приватности и масштабируемости в децентрализованных системах. Поговорим, как масштабировать криптографические системы, какие проблемы существуют у снарк-алгоритмов и зачем они нужны. https://habr.com/ru/companies/oleg-bunin/articles/799613/ Алгоритмы и Структуры данных

Простые числа это… просто? Обнаружил очень нехитрый итерационный процесс, который плодит простые числа в большом количестве. За 15 итераций добрались до 1-го квинтиллиона, дальше считать стало сложно. https://habr.com/ru/articles/649823/ Алгоритмы и Структуры данных

Стекинг и блендинг в ML. Ключевые особенности и реализация с нуля на Python Среди всех методов ансамблирования особое внимание заслуживают две очень мощные техники, известные как стекинг (stacked generalization) и блендинг, особенность которых заключается в возможности использования прогнозов не только однородных, но и сразу нескольких разных по природе алгоритмов в качестве обучающих данных для другой модели, на которой будет сделан итоговый прогноз. Например, прогнозы логистической регрессии и градиентного бустинга могут быть использованы для обучения случайного леса, на котором уже будет выполнен итоговый прогноз. https://habr.com/ru/articles/799483/ Алгоритмы и Структуры данных

Сравнение быстродействия def и lambda функций. Так все таки быстродействие или читабельность? Читая pep8, я наткнулся на пункт об использовании анонимных функций - по версии пепа, они снижают читабельность, если использовать переменную с значением функции как функцию, лучше использовать def. Я решил сравнить def и lambda по другому параметру - быстродействию. Я предполагал, что lambda, заточенный под однострочники , будет быстрее выполняться и создаваться. В этом исследовании я это проверю. https://habr.com/ru/articles/598999/ Алгоритмы и Структуры данных

Трансформеры, группы преобразований и self-attention В подвижном мире развивающихся нейросетевых архитектур главную роль играет эффективность работы моделей. Тонкая настройка сетей под конкретные задачи предусматривает интеграцию в них априорных знаний. Делается это посредством стратегических корректировок архитектур сетей. Это — процедура, выходящая за рамки подстройки параметров. Речь идёт о внедрении в нейросеть информации, которая позволит сети понять то, что нужно её создателю. Один из способов это сделать заключается в использовании априорных знаний геометрического характера. Именно этому и посвящена данная статья. https://habr.com/ru/companies/wunderfund/articles/799189/ Алгоритмы и Структуры данных

❗️Больше не нужно платить бешеные деньги для того чтобы изучить фотошоп❗️ Миллион слитых курсов по дизайну уже ждут тебя по ссылке ниже: ⤷ Графика и Дизайн (Blender, Figma, Adobe); ⤷ Open Design (After Effects, Photoshop, Illustrator); ⤷ GenDesign (UX/UI, 3D, Unreal); ⤷ DesignEdu (Плагины, Фишки, Градиенты). → Добавить папку с каналами ← Не упусти, подписывайся.

Пароль как мелодия. Генерация стойких паролей в музыкальных аккордах Несмотря на популярность парольных менеджеров, никто не отменяет необходимость в реальном запоминании длинных стойких паролей. В крайнем случае, мастер-пароль для самого парольного менеджера ведь надо запомнить. https://habr.com/ru/companies/globalsign/articles/799191/ Алгоритмы и Структуры данных

Разбираемся в АА-деревьях (Python) Для понимания этой статьи рекомендую ознакомиться с тем, что такое красно-черные деревья (КЧД) и тем, как они работают При написании пар по алгоритмам и структурам данных, я столкнулся с тем, что существует достаточно мало материалов по AA-деревьям, а конкретных примеров и еще меньше. Так что это статья для таких же "ищущих" как и я :) https://habr.com/ru/articles/799137/ Алгоритмы и Структуры данных

Создание генетического алгоритма для нейросети и нейроcети для графических игр с помощью Python и NumPy Сегодня я расскажу и покажу, как сделать Genetic Algorithm(GA) для нейросети, чтобы с помощью него она смогла проходить разные игры. Я его испробовал на игре Pong и Flappy bird. Он себя показал очень хорошо. Советую прочитать, если вы не читали первую статью: "Создание простого и работоспособного генетического алгоритма для нейросети с Python и NumPy" , так как я доработал свой код который бы показан в той статье. https://habr.com/ru/articles/799123/ Алгоритмы и Структуры данных

Станьте Графическим дизайнером за 0₽ со Skypro Зарплата начинающего специалиста в дизайне от 90 000₽, а стоимость обучения на профессию в онлайн-школах от 140 000 до 300 000 рублей. Прямо сейчас Skypro отдают бесплатно курс по графическому дизайну стоимостью ~ 170 000р, в том числе и курсы по IT. Переходите по ссылке и забирайте курс по дизайну. Акция продлится до 13 марта: https://go.2038.pro/c688b9f699876380?erid=LdtCKBHZy&m=1

Метод главных компонент (PCA). Принцип работы и реализация с нуля на Python Метод главных компонент (Principal Component Analysis или же PCA) — алгоритм обучения без учителя, используемый для понижения размерности и выявления наиболее информативных признаков в данных. Его суть заключается в предположении о линейности отношений данных и их проекции на подпространство ортогональных векторов, в которых дисперсия будет максимальной. Такие вектора называются главными компонентами и они определяют направления наибольшей изменчивости (информативности) данных. Альтернативно суть PCA можно определить как линейное проецирование, минимизирующее среднеквадратичное расстояние между исходными точками и их проекциями. https://habr.com/ru/articles/799001/ Алгоритмы и Структуры данных

Как калькуляторы вычисляют синус? Синус, одна из фундаментальных тригонометрических функций, играет важнейшую роль в различных областях, включая математику, физику, проектирование и computer science. Процесс его вычисления нетривиален, особенно при реализации в электронных калькуляторах, где крайне важна эффективность и точность. В предыдущих постах серии мы изучили, как калькуляторы решают уравнения и как они вычисляют квадратные корни. В этом посте мы изучим запутанный процесс вычисления функции синуса, начав с простых аппроксимаций, а затем перейдя к более сложным методикам. https://habr.com/ru/articles/798991/ Алгоритмы и Структуры данных

Кластеризация в ML: от теоретических основ популярных алгоритмов к их реализации с нуля на Python В данной статье описан не только принцип работы популярных алгоритмов кластеризации от простых к более продвинутым, но а также представлены их упрощённые реализации с нуля на Python, отражающие основную идею. Помимо этого, в конце каждого раздела указаны дополнительные источники для более глубокого ознакомления. https://habr.com/ru/articles/798331/ Алгоритмы и Структуры данных