Всё про Алгоритмы и Структуры данных

Обучение скрытых слоёв S–A–R перцептрона без вычисления градиентов. Часть 2 Предисловие. Опубликовав первую часть понял, что само обучение перцептрона мало кого интересует, пока не будет экспериментальных результатов. И это разрешило мою дилемму о том, как сократить изложение для хабра. Мы пропустим разделы с объяснением архитектуры перцептрона TL&NL и начнем сразу с 4 раздела моей статьи. https://habr.com/ru/articles/958498/ Алгоритмы и Структуры данных

Пока одни теряют деньги на падении биткоина и альтов, другие на каждом движении курса продолжают зарабатывать. В первый день обвала крипторынка россияне заработали 53 млн $ на перепродаже – рекорд за сутки. Схема проста: покупаешь монету дешевле на одной бирже и тут же продаёшь дороже на другой. Даже новички спокойно зарабатывают по этой схеме от 100 тысяч в неделю, а опытные – шестизначные суммы. И чтобы люди использовали текущую просадку, автор одного из крупнейших арбитражных каналов поделился готовой связкой, где показано, как заработать первые $3000 подробнее здесь ⏎ Всё, что нужно – просто повторить шаги автора, с этим разберется любой новичок. ⚠️ Не упустите момент! Инструкция доступна в канале только сейчас – https://t.me/+6hZa1fbAHps5ZGM6

Инструкция по бесплатной GPT генерации новых фичей для наращивания точности ML модели Одним из самых важных навыков любого специалиста по данным или ML инженера является умение извлекать информативные признаки из исходного набора данных. Этот процесс называемый feature engineering (инженерия признаков), — одна из самых полезных техник при построении моделей машинного обучения. Работа с данными требует значительных инженерных усилий. Хотя современные библиотеки вроде scikit-learn помогают нам с большей частью рутинных операций, по-прежнему критически важно понимать структуру данных и адаптировать её под задачу, которую вы решаете. Создание новых, более качественных признаков позволяет модели лучше улавливать зависимости, отражающие особенности предметной области и влияющие на результаты факторы. Разумеется, feature engineering — это времязатратный, креативный и нередко утомительный процесс, требующий экспериментов и опыта. https://habr.com/ru/articles/956310/ Алгоритмы и Структуры данных

EvoPress: новый подход к оптимизации и сжатию LLM от исследователей Яндекса Всем привет! Меня зовут Денис Кузнеделев, я работаю в команде Yandex Research. Моё основное направление деятельности на данный момент — задача сжатия и ускорения больших языковых и картиночных моделей. Затраты на обучение, инференс и деплой LLM стали одной из ключевых инфраструктурных проблем индустрии: дефицит вычислительных ресурсов, нехватка видеопамяти и высокие требования языковых моделей к вычислительным ресурсам препятствуют масштабированию решений. Сегодня я расскажу о методе неравномерного сжатия нейронных сетей EvoPress, который мы предложили совместно с коллегами из ETH Zurich и представили в июле этого года на одной из ведущих конференций по машинному обучению — ICML. https://habr.com/ru/companies/yandex/articles/957228/ Алгоритмы и Структуры данных

RL (RLM): Разбираемся вместе Всем привет! Недавно я познакомился с курсом по глубокому обучению с подкреплением от HuggingFace Deep Reinforcement Learning Course и захотел сделать выжимку самого интересного. Эта статья — своего рода шпаргалка по основам Reinforcement Learning (RL) и одному из ключевых алгоритмов — PPO, который лежит в основе тонкой настройки современных LLM (Large Language Models). Вы наверняка слышали про такие модели, как o1 от OpenAI или QwQ от Alibaba. Их "рассуждающие" способности во многом — результат применения RL. Давайте разберемся, как обычный принцип обучения, известный по играм вроде AlphaGo, помогает языковым моделям стать умнее. https://habr.com/ru/articles/958062/ Алгоритмы и Структуры данных

Хотите полный контроль над AI-инструментами в одном окне? Это Perplexity — и он умеет всё. Использовать разные сервисы для контента, аналитики, видео и кода — дорого, сложно и отнимает время. На бесплатном вебинаре от Зерокодер мы покажем, как: – Собрать презентацию, визуал, игру и текст с помощью Perplexity; – Экономить ресурсы, заменяя целую команду инструментов одним; – Получать идеи для монетизации ИИ прямо в процессе работы; – Настроить рабочие процессы с помощью Perplexity так, чтобы он реально ускорял решение задач. Все участники получат готовый гайд с набором промптов, который сделает вашу работу и повседневные задачи проще и интереснее. 🎁 Бонус: в конце практикума расскажем как получить годовую подписку Perplexity Pro бесплатно (обычная стоимость – 240$). Присоединяйтесь к практикуму — и узнайте, как управлять всем процессом из одного пульта, экономя время и силы каждый день.

Задачи по алгоритмам: избавляемся от анаграмм https://leetcode.com/problems/find-resultant-array-after-removing-anagrams/ Дан массив слов words. Слово содержит латинские буквы в нижнем регистре a-z. Проверить пары смежных слов (w_i, w_{i+1}) и удалить w_{i+1}, когда w_i и w_{i+1} - анаграммы. https://habr.com/ru/articles/958004/ Алгоритмы и Структуры данных

Почему файлы стали меньше: форматы фото и видео (JPEG, HEIC, AV1) Форматы изображений и видео вроде JPEG, HEIC и AV1 давно стали частью нашей повседневности. Мы снимаем на смартфон, пересылаем фото в мессенджерах, заливаем видео в облако — и редко задумываемся, почему одинаковый кадр может весить в три раза меньше, но выглядеть так же. Если вы хотите разобраться, как современные кодеки экономят место, почему файлы стали компактнее и зачем это вообще понадобилось, то эта статья для вас. https://habr.com/ru/companies/ruvds/articles/956918/ Алгоритмы и Структуры данных

Python: универсальный язык, который не устареет. Это язык, на котором работают стартапы, крупные корпорации и нейросети. Он одинаково востребован в России и за рубежом, а его простота позволяет войти в IT даже без опыта. Специально для новичков команда практикующих разработчиков создала бесплатный 5-дневный мини-курс, где вы на практике познакомитесь с Python и сразу сделаете свои первые проекты — без скучной теории. 👉 Зарегистрируйтесь и получите доступ к занятиям уже завтра.

Придумал расширение для Chrome и устранил шахматных читеров Поисковая выдача по запросу «chrome extension for cheating in chess» переполнена. Инструментов для нечестной игры — десятки. Но стоит инвертировать пожелание и поискать плагин для защиты — не найдется почти ничего. Кроме расширения, о котором сегодня пойдет речь. Ну, возможно, еще нескольких старых приложений, показывающих базовую статистику. https://habr.com/ru/companies/selectel/articles/957758/ Алгоритмы и Структуры данных

Этические аспекты использования искусственного интеллекта в промышленности Аннотация. Статья посвящена анализу этических вызовов, возникающих при интеграции систем искусственного интеллекта (ИИ) в промышленность. На основе ключевых международных и национальных документов — Рекомендации по этике ИИ ЮНЕСКО, Спецификации этики искусственного интеллекта нового поколения Китая, Закона Европейского Союза об искусственном интеллекте и российского Кодекса этики в сфере ИИ — рассматриваются основные риски и принципы, которые должны лежать в основе проектирования, внедрения и эксплуатации промышленных ИИ-систем на всех этапах их жизненного цикла. Особое внимание уделяется вопросам безопасности, прозрачности, объяснимости и подконтрольности человеку промышленных ИИ-систем в контексте Индустрии 4.0. https://habr.com/ru/articles/957802/ Алгоритмы и Структуры данных

Этические аспекты использования искусственного интеллекта в промышленности Аннотация. Статья посвящена анализу этически вызовов, возникающих при интеграции систем искусственного интеллекта (ИИ) в промышленность. На основе ключевых международных и национальных документов — Рекомендации по этике ИИ ЮНЕСКО, Спецификации этики искусственного интеллекта нового поколения Китая, Закона Европейского Союза об искусственном интеллекте и российского Кодекса этики в сфере ИИ — рассматриваются основные риски и принципы, которые должны лежать в основе проектирования, внедрения и эксплуатации промышленных ИИ-систем на всех этапах их жизненного цикла. Особое внимание уделяется вопросам безопасности, прозрачности, объяснимости и подконтрольности человеку промышленных ИИ-систем в контексте Индустрии 4.0. https://habr.com/ru/articles/957802/ Алгоритмы и Структуры данных

[Алгоритмы, Задачки] Элегантно и идиоматично обходим двоичное дерево поиска на Python 3 Недавно увидел на просторах телеграмма заметку о том как решать алгоритмические задачи на деревья. Вспомнил, что в свое время у меня тоже были некоторые наработки, при этом они отличаются от того что описывается по умолчанию в статьях и курсах. Решил "показать их миру" и похоливарить, поэтому очень рассчитываю на ваш фидбэк, вдруг вам эта информация пригодится во время подготовки к собеседованиям. А может быть узнаете что-то новое для себя. https://habr.com/ru/articles/957050/ Алгоритмы и Структуры данных

Data Science — пойми цифры и управляй будущим Хотите работать в сфере, где нейросети не заменят, а помогают? Тогда вам подойдет Data Science — одна из самых востребованных профессий 2025 года. За 4 дня вы решите реальные задачи с данными и узнаете, как выйти на доход от 100 000 ₽ без опыта. Курс бесплатный, старт — уже завтра. Вас ждут блок по нейросетям, готовый план роста и поддержка экспертов. Даже если вы никогда не работали с цифрами — это ваш шанс начать с нуля. 🔥 Кто успел — тот и в команде будущего. Регистрация закроется, как только закончится набор первой волны. Жмите на кнопку — и бронируйте место прямо сейчас.

Как мы переучивали алгоритм построения маршрутов 2ГИС ради грузовиков Куда и по каким дорогам могут заезжать грузовые автомобили, регламентируется отдельными правилами дорожного движения. Разрабатывая режим построения грузовых маршрутов, мы решали главную задачу — научить алгоритм работать с этими правилами, чтобы пользователи получали наиболее точные результаты. Я расскажу, как в 2ГИС устроен алгоритм построения маршрутов в целом и как мы адаптировали его под грузовики — например, учили его строить неоптимальные по времени маршруты. https://habr.com/ru/companies/2gis/articles/757538/ Алгоритмы и Структуры данных

GigaMemory: научи ИИ «помнить всё» с AI Journey Contest 2025 Мы всё чаще делегируем ИИ-ассистентам рабочую рутину и бытовые вопросы. Но во взаимодействии с ними есть существенная проблема: модели не помнят пользователя. Между сессиями теряются имя, контекст работы, желаемые ограничения и предпочтения, значительно влияющие на то, что и как стоит ответить пользователю. В итоге диалог каждый раз начинается «с нуля», а ответы звучат усреднённо. Это снижает эффективность и подрывает доверие: когда ассистент не помнит важное о вас, он превращается в поисковик с красивыми фразами. https://habr.com/ru/companies/sberbank/articles/957292/ Алгоритмы и Структуры данных

Запасной источник дохода на дизайне! Любишь визуальную эстетику, креатив и красоту? Цифровой дизайн — идеальный способ начать подработку, которая может перерасти в профессию. Дизайн — популярная и гибкая профессия, где новички быстро выходят на 60 000 –120 000 ₽ в месяц. На бесплатном курсе ты разберёшься в базовых инструментах, выполнишь реальные задания и соберёшь первые работы в портфолио. Даже если ты никогда не занимался дизайном — тебя всему научат за 4 дня. 👉 Зарегистрируйся и получи чек-листы и материалы для старта.

Чтобы двигаться быстро, решатели квантовых лабиринтов должны забыть о прошлом Представьте, что вы посещаете лабиринт с друзьями. Вы вышли из выхода вскоре после входа и ждёте несколько часов, прежде чем появятся ваши друзья. Естественно, они спрашивают о пути, по которому вы шли — вы ведь можете проследить свои шаги и показать им путь, верно? Неверно в мире, где правят странные законы квантовой физики. Двадцать лет назад исследователи квантовых вычислений разработали алгоритм, который использовал эти законы для прохождения определенного вида математического лабиринта намного быстрее, чем любой алгоритм, работающий на обычном классическом компьютере. Но за это ускорение приходится платить: быстрый квантовый алгоритм находит выход, но понятия не имеет, как он туда попал. Исследователи давно задавались вопросом, неизбежен ли этот компромисс. Неужели невозможно быстро найти выход, не забыв дорогу? https://habr.com/ru/companies/first/articles/757846/ Алгоритмы и Структуры данных

🔥Прими участие в Хакатоне от ИТ-холдинга Т1 в Новосибирске и поборись за призовой фонд 800 000 рублей! Когда: 23–26 октября Формат: онлайн + финал на площадке Участвуй, если ты: 🔹обучаешься на технической или ИТ-специальности; 🔹развиваешься в направлении разработки, аналитики, CV, ML или DevOps; 🔹сможешь быть в Новосибирске 26 октября. Выбери свой кейс:

✴️Цифровой дресс-код: фон, который выделяет вас. Создай локальный ML-модуль сегментации видео и генератор персонализированных фонов. ✴️CodeMetrics: метрики, которые помогают расти. Разработай систему автооценки эффективности команд через анализ Git-метрик.

Почему стоит участвовать: 🔘Кейс в портфолио и полезная обратная связь от менторов Т1; 🔘Шанс проявить себя, чтобы начать карьеру в одной из крупнейших ИТ-компаний; 🔘Реальный опыт командной работы; 🔘Мерч и атмосфера сильного комьюнити — в Т1 более 5 000 джунов из 580+ вузов России и Беларуси. Регистрация открыта! ➡️ Успей до 21 октября по ссылке. erid: 2Vtzqwmd32u

Алгоритм Левита: между Дейкстре и Беллманом Когда заходит речь о поиске кратчайшего пути между двумя вершинами выбор обычно падает на алгоритмы Дейкстры или Беллмана-Форда, однако есть ещё один алгоритм, который может сработать быстрее Беллмана, но не "сломается" на графах с отрицательными рёбрами. https://habr.com/ru/articles/759078/ Алгоритмы и Структуры данных