Endi mavjud! Telegram Tadqiqoti 2025 — yilning asosiy insaytlari 
Всё про Алгоритмы и Структуры данных
Kanalga Telegram’da o‘tish
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
Ko'proq ko'rsatish7 756
Obunachilar
-124 soatlar
-37 kunlar
-2730 kunlar
Ma'lumot yuklanmoqda...
O'xshash kanallar
Taglar buluti
Kirish va chiqish esdaliklari
---
---
---
---
---
---
Obunachilarni jalb qilish
Iyun '26
Iyun '26
+15
0 kanalda
May '26
+14
0 kanalda
Get PRO
Aprel '26
+17
0 kanalda
Get PRO
Mart '26
+27
0 kanalda
Get PRO
Fevral '26
+93
0 kanalda
Get PRO
Yanvar '26
+41
0 kanalda
Get PRO
Dekabr '25
+20
0 kanalda
Get PRO
Noyabr '25
+22
0 kanalda
Get PRO
Oktabr '25
+28
0 kanalda
Get PRO
Sentabr '25
+38
0 kanalda
Get PRO
Avgust '25
+39
0 kanalda
Get PRO
Iyul '25
+41
0 kanalda
Get PRO
Iyun '25
+43
0 kanalda
Get PRO
May '25
+81
0 kanalda
Get PRO
Aprel '25
+112
0 kanalda
Get PRO
Mart '25
+32
0 kanalda
Get PRO
Fevral '25
+36
0 kanalda
Get PRO
Yanvar '25
+47
0 kanalda
Get PRO
Dekabr '24
+40
1 kanalda
Get PRO
Noyabr '24
+38
0 kanalda
Get PRO
Oktabr '24
+55
2 kanalda
Get PRO
Sentabr '24
+40
0 kanalda
Get PRO
Avgust '24
+65
1 kanalda
Get PRO
Iyul '24
+65
0 kanalda
Get PRO
Iyun '24
+54
0 kanalda
Get PRO
May '24
+65
0 kanalda
Get PRO
Aprel '24
+65
0 kanalda
Get PRO
Mart '24
+67
1 kanalda
Get PRO
Fevral '24
+76
0 kanalda
Get PRO
Yanvar '24
+90
1 kanalda
Get PRO
Dekabr '23
+59
1 kanalda
Get PRO
Noyabr '23
+29
0 kanalda
Get PRO
Oktabr '23
+35
0 kanalda
Get PRO
Sentabr '23
+3
0 kanalda
Get PRO
Avgust '23
+23
0 kanalda
Get PRO
Iyul '23
+14
0 kanalda
Get PRO
Iyun '23
+26
0 kanalda
Get PRO
May '23
+19
0 kanalda
Get PRO
Aprel '23
+19
0 kanalda
Get PRO
Mart '23
+25
0 kanalda
Get PRO
Fevral '23
+212
0 kanalda
Get PRO
Yanvar '23
+280
0 kanalda
Get PRO
Dekabr '22
+293
0 kanalda
Get PRO
Noyabr '22
+670
0 kanalda
Get PRO
Oktabr '22
+262
0 kanalda
Get PRO
Sentabr '22
+559
0 kanalda
Get PRO
Avgust '22
+2 507
0 kanalda
Get PRO
Iyul '22
+3 004
0 kanalda
Get PRO
Iyun '22
+2 986
0 kanalda
Get PRO
May '22
+4 596
0 kanalda
| Sana | Obunachilarni jalb qilish | Esdaliklar | Kanallar | |
| 24 Iyun | 0 | |||
| 23 Iyun | 0 | |||
| 22 Iyun | 0 | |||
| 21 Iyun | +1 | |||
| 20 Iyun | +1 | |||
| 19 Iyun | +1 | |||
| 18 Iyun | 0 | |||
| 17 Iyun | +2 | |||
| 16 Iyun | +1 | |||
| 15 Iyun | 0 | |||
| 14 Iyun | +1 | |||
| 13 Iyun | +1 | |||
| 12 Iyun | +2 | |||
| 11 Iyun | 0 | |||
| 10 Iyun | 0 | |||
| 09 Iyun | 0 | |||
| 08 Iyun | 0 | |||
| 07 Iyun | 0 | |||
| 06 Iyun | +1 | |||
| 05 Iyun | +1 | |||
| 04 Iyun | +1 | |||
| 03 Iyun | 0 | |||
| 02 Iyun | +1 | |||
| 01 Iyun | +1 |
Kanal postlari
Квантовые компьютеры — не угроза 128-битным симметричным ключам
Надвигающаяся угроза для криптографии со стороны квантовых компьютеров заставила срочно менять действующие примитивы асимметричной криптографии — обмен ключами (ECDH) и цифровые подписи (RSA, ECDSA, EdDSA) — которые уязвимы для квантового алгоритма Шора. Однако существующих симметричных методов криптографии (AES, SHA-2, SHA-3) или уровней их стойкости это не коснулось.
В индустрии бытует заблуждение, что квантовые компьютеры вдвое ослабят безопасность симметричных ключей, и для обеспечения того же 128-битного уровня защиты потребуется перейти на 256-битные ключи. Это неточная интерпретация ускорения, которое несут в себе квантовые алгоритмы. Она не отражена ни в одном из нормативных стандартов и рискует отвлечь внимание от реально необходимой работы по переходу к постквантовой системе криптографии. Обычно это заблуждение происходит из недопонимания применимости другого квантового метода — алгоритма Гровера.
https://habr.com/ru/companies/ruvds/articles/1040544/
Алгоритмы и Структуры данных
| 2 | Тратите много времени на работу? ИИ уже умеет делать часть задач за Вас
Представьте: тексты пишутся быстрее, аналитика и отчёты собираются за минуты, а рутинные задачи больше не съедают вечер. Именно так сегодня работают специалисты с ИИ‑инструментами — и поэтому становятся востребованнее и дороже на рынке.
Этот бесплатный курс поможет быстро войти в тему без сложной подготовки. В игровом формате Вы внедрите ИИ под задачи бизнеса, выполните реальные проекты и научитесь автоматизировать процессы даже без навыков программирования.
Переходите по ссылке и регистрируйтесь бесплатно — пока навык ИИ не стал обязательным для всех.
Реклама. Информация о рекламодателе по ссылкам в посте. | 201 |
| 3 | Как работает адаптивный RAG, которому вообще не нужна LLM
Один из самых популярных способов снизить процент галлюцинаций языковых моделей — метод RAG, то есть схема, в которой модель при необходимости обращается к внешним данным, а не опирается исключительно на внутренние знания. Все LLM текущего поколения работают с RAG, но он делает систему затратнее по вычислениям и сам по себе может допускать ошибки, если внешний контекст оказался плохим или нерелевантным.
Сегодня я разберу исследование LLM-Independent Adaptive RAG: Let the Question Speak for Itself, в котором ученые из MWS AI, AIRI, Сколтеха и еще нескольких университетов предлагают решение этой проблемы через новый подход к adaptive retrieval, когда RAG запускается не автоматом, а только при необходимости.
https://habr.com/ru/companies/mts_ai/articles/1041078/
Алгоритмы и Структуры данных | 287 |
| 4 | Не все якори одинаково полезны, или как I2I-рекомендации свежими сохранять
Привет, Хабр! Меня зовут Иван Воробьев, я работаю в команде рекомендаций VK Видео, AI VK. В данной статье хочу рассказать, как и зачем я переделывал систему построения I2I-рекомендаций. Поговорим о том, какие решения были поставлены в её основу, насколько они оправдались, а также причём тут якори и как они связаны со свежестью рекомендаций.
В первую очередь сосредоточимся на бэкенде: организации работы с данными и вычислений, их конфигурациях, и требуемых вычислительных ресурсах. Основной эффект от внедрения новой системы кроется именно тут: удалось обеспечить свежесть I2I-рекомендаций примерно в час, сократив при этом количество используемых ядер в три раза. Саму логику построения рекомендаций тоже затронем, но в меньшей мере.
https://habr.com/ru/companies/vk/articles/1040306/
Алгоритмы и Структуры данных | 347 |
| 5 | Понятие о конечных автоматах: руководство разработчика по предсказуемой логике приложений
Вы когда-нибудь отлаживали такой компонент пользовательского интерфейса, где достаточно нажать в неверном порядке несколько кнопок – и приложение валится? А не доводилось ли вам ломать голову, пытаясь отследить, почему в некоторых случаях форма отправляется нормально, а в других — отказывает? Такие неприятные сценарии зачастую возникают по одной базовой причине: непредсказуемое управление состоянием. Мы привыкли полагаться на булевы флаги, рассеянные по коду инструкции if-else, тем временем надеясь, что наше приложение будет правильно работать, чего бы пользователь ни делал в интерфейсе.
Аккуратно справиться с таким хаосом помогают конечные автоматы. Они не позволяют вашему приложению скатиться в какие-то неопределённые состояния, а предоставляют формальную модель, в которой явно прописываются все возможные состояния, в которых может оказаться ваша система, а также в точности указывается, как организуются переходы между этими состояниями. Можете считать, что пишете контракт, в котором регулируется поведение вашего приложения. В этой статье разобрано, что представляют собой конечные автоматы, почему они важны и как научиться ими пользоваться, чтобы создавать более надёжные приложения.
https://habr.com/ru/companies/piter/articles/1039106/
Алгоритмы и Структуры данных | 370 |
| 6 | Встречаем маршруты «Прогулочный» и «Оживлённый» в Яндекс Картах, или Как мы учили модель понимать предпочтения людей
Год назад я рассказывал, как Яндекс Карты научились учитывать рельеф и лестницы при построении пешеходных маршрутов. Но альтернативные варианты по-прежнему выглядели для пользователя как просто «ещё один путь, только дольше» — и люди не раздумывая выбирали самый быстрый. Теперь у каждого альтернативного маршрута появилось имя и характер: например, «Быстрый», «Прогулочный», «Оживлённый» или «Без лестниц».
Простые категории посчитать несложно. А вот «Прогулочный» и «Оживлённый» — это субъективные характеристики: в хорошую погоду хочется пройти через парк или вдоль набережной, а в тёмное время — по освещённым улицам, подальше от дворов и промзон. Для этого с помощью LLM мы обучили легковесную модель, которую и применили в сервисе. Как именно — читайте в статье. Сам путь разработки оказался совсем не «Быстрым» и далеко не «Прогулочным» — с тупиками и неожиданными поворотами там, где их не ждали.
https://habr.com/ru/companies/yandex/articles/1040764/
Алгоритмы и Структуры данных | 386 |
| 7 | Один простой механизм управляет практически всем в игре Cities: Skylines
Мне захотелось узнать, как игра Cities: Skylines обеспечивает постоянное движение, которое мы видим в растущем городе — жители ищут работу, туристы посещают достопримечательности, мусоровозы ездят по своим маршрутам, люди находят себе пары, но не смог найти почти никакой информации. Поэтому я декомпилировал игру и решил разобраться сам. Выяснилось, что почти все взаимодействия в игре выполняются через простую, изящную систему: торги, напоминающие фондовый рынок.
https://habr.com/ru/articles/1040580/
Алгоритмы и Структуры данных | 378 |
| 8 | Как изменились требования к разработчикам в эпоху AI: опыт техлида
Недавно один хороший знакомый набирал команду в стартап. Он приверженец подхода AI first и попросил меня помочь с наймом.
У меня за плечами большой опыт разработки. Настолько большой, что я помню, как разработчики ругали компиляторы C для микропроцессоров за неоптимизированный код и говорили, что никогда не перейдут с ассемблера. Также я помню, как программисты ругали высокоуровневые абстракции за бойлерплейт и обещали никогда не бросить C.
Сейчас мы переходим к новому уровню абстракции, и требования к сотрудникам меняются соответственно. В своей работе и pet-проектах я активно использую Cursor. За последние полгода у меня появилось понимание, как правильно использовать этот инструмент. Делюсь инсайтами.
https://habr.com/ru/articles/1040690/
Алгоритмы и Структуры данных | 398 |
| 9 |  Нейросети уже заменяют носителей языка.
В Telegram быстро набирает популярность ИИ-девушка Chatty, с которой можно голосом практиковать живой разговорный английский и ещё 12 языков на основе новейших моделей искусственного интеллекта. Попробовать можно бесплатно.
🇬🇧 Английский: @ChattyTutorBot
🇩🇪 Немецкий: @ChattyGermanBot
🇪🇸 Испанский: @ChattySpanishBot
🇫🇷 Французский: @ChattyFrenchBot
🇮🇹 Итальянский: @ChattyItalianBot
🇵🇹 Португальский: @ChattyPortugueseBot
🇨🇳 Китайский: @ChattyChineseBot
🇯🇵 Японский: @ChattyJapaneseBot
🇰🇷 Корейский: @ChattyKoreanBot
🇸🇦 Арабский: @ChattyArabicBot
🇹🇷 Турецкий: @ChattyTurkishBot
🇷🇺 Русский: @ChattyRussianBot
🇵🇱 Польский: @ChattyPolandBot | 373 |
| 10 | Шахматные программы VI. Структура поиска Stockfish
В этой части мы наконец-то обратимся к коду реальных программ. Примером нам будет служить код поиска шахматной программы Стокфиш. В настоящее время это безусловно сильнейшая шахматная программа в мире.
https://habr.com/ru/articles/1039220/
Алгоритмы и Структуры данных | 380 |
| 11 | Погрузитесь в ИТ за 5 дней и получите доступ к высокооплачиваемым вакансиям!
Бесплатный короткий курс для тех, кто хочет не просто понять, чем занимаются айтишники, но и получить реальный опыт работы с ИТ‑системами.
Всего за 5 дней вы освоите ключевые компоненты ИТ‑сферы, разберёте 6 профессий и получите возможность выйти на зарплату 150–250 тыс.
Курс полностью практический. 8 мини‑проектов с реальными задачами, где вы научитесь: писать код, работать с инфраструктурой, разбираться в сетях, облаке и защите данных.
Подойдёт новичкам и тем, кто уже в ИТ. Количество мест ограничено — регистрируйтесь по ссылке и начинайте практику.
Реклама. Информация о рекламодателе по ссылкам в посте. | 1 |
| 12 | Ключ к вычислимости ℵ₋₁ [алеф-минус-один]
Сколько нужно бит, чтобы представить одно число из континуума ℵ₁ чисел?
Ответ: ℵ₀ бит.
https://habr.com/ru/articles/1040352/
Алгоритмы и Структуры данных | 426 |
| 13 | Языковые модели без машинного обучения
Эта статья про мои эксперименты с языковыми моделями, в которых не используется машинное обучение и аппаратное ускорение. Чтобы избежать недопонимания поясню, что я имею ввиду под языковой моделью (ЯМ).
ЯМ это совокупность алгоритмов, структур данных и собственно данных для генерации связного текста в ответ на запрос. Каким образом ЯМ генерирует ответы определяется способом её реализации. В канонической реализации ЯМ используются методы машинного обучения и мощные аппаратные ускорители. В моей реализации ЯМ я хочу получать связный текст в ответ на запрос без машинного обучения и без аппаратного ускорения.
Если свериться с Википедией на английском и на русском языках, или с многочисленными публикациями про (Large/Small) Language Models, то мои определение и понимание… несколько неканонические. Поскольку я экспериментирую для себя (я сам себе работодатель), то заранее соглашусь с любыми мнениями о неканоничности моего определения ЯМ.
https://habr.com/ru/articles/1039976/
Алгоритмы и Структуры данных | 435 |
| 14 | Планирование движения для ровера на ходовой Ackerman'а
Несмотря на прогресс в технологиях и развитие микроэлектроники, задача поиска оптимального пути по-прежнему является весьма тяжёлой для современных вычислителей — будь то CPU или GPU. Горизонт планирования у многих локальных алгоритмов (например, DWA, TEB, MPPI на CPU) как правило не превышает нескольких метров, а иногда и дециметров. Однако планирование на большой временной интервал и дистанцию позволяет алгоритмам лучше находить пути в насыщенных препятствиями средах и является важным элементом системы уклонения от движущихся, динамических препятствий. Для решения задачи создания модуля поиска пути с дальним горизонтом планирования в этой статье будет рассмотрен пакет локального планировщика MPPI-Generic, работающий на GPU. Он может работать в связке с планировщиком State Lattice Planner из ROS NAV2, но в этой демонстрации будет использоваться отдельно от него — как «универсальный планер». Тесты работы обоих пакетов планирования будут проводиться в самодельном Qt-OpenGL симуляторе автомобиля (пикапа), выполненном на C++ для более плотной интеграции с симулятором и удобного обращения к CUDA-ядрам MPPI-Generic.
https://habr.com/ru/articles/1039784/
Алгоритмы и Структуры данных | 452 |
| 15 | Я хотел повторить Growing Neural CA за вечер. Ушёл месяц
Месяц назад я прочитал на Хабре статью про нейронные клеточные автоматы. Маленькие нейросети управляют клетками на сетке, клетки сами собираются в букву T или крест, и всё это обучается без учителя через что-то вроде эволюции. Я подумал: круто, повторю за пару вечеров, посмотрю как себя ведёт.
Эта статья — про то, что было дальше. Спойлер: пара вечеров превратилась в месяц, я провёл 22 эксперимента, упёрся в потолок IoU 0.44 на простой букве T, и главное чему научился — это вообще не про нейросети.
https://habr.com/ru/articles/1039694/
Алгоритмы и Структуры данных | 455 |
| 16 | Как у меня НЕ получился торговый бот на Polymarket
Привет, Хабр. Видел в интернете кейс. где сделали бота с LLM для торговли на Polymarket и он сделал $10k из $1k за месяц. Ну и чо бы не попробовать что то такое же сделать! Побочный проект, чисто по приколу. Вооружил его вирутальным стартовым капиталом — $100 нарисованных.
И вот на второй день этот несерьёзный проект показал +9% на счёте.
https://habr.com/ru/articles/1039642/
Алгоритмы и Структуры данных | 478 |
| 17 | Только 17% всех 64-битных целых чисел можно разложить на два 32-битных
В разработке ПО произведение двух целых чисел часто вычисляется до фиксированного количества битов с переполнением. Возьмём для примера 8-битные целые. Если умножить 127 на 127, то мы получим число 1 в виде 8-битного беззнакового целого с переполнением. Реальное полное произведение равно 16129. Для представления 16129 обычно используются 16 бит точности.
Таким образом у нас появляется понятие полного произведения. Полное произведение двух 32-битных чисел обычно представляется при помощи 64 бит. У меня возник вопрос, какую долю всех 64-битных чисел можно записать как произведение двух 32-битных целых.
https://habr.com/ru/articles/1039552/
Алгоритмы и Структуры данных | 549 |
| 18 | Трекинг посетителей на fisheye-камерах: задача “со звездочкой”
Всем привет, на связи команда NeuroCore. Сегодня расскажем про кейс разработки системы видеоаналитики для магазинов самообслуживания: почему fisheye-камеры - настоящее проклятие, почему SORT и DeepSORT не справились с задачей, как мы выстроили конвейер от детекции до бизнес-событий, и какие инженерные решения позволили добиться стабильной работы в продакшене.
Дано: магазины самообслуживания, которые работают без кассиров и продавцов. Покупатель входит по QR, выбирает товары, рассчитывается и выходит. Заказчику нужна автоматизированная система отслеживания: кто находится внутри, сколько времени, в каких зонах, а также распознает несанкционированный доступ и вход группами. В случае нарушений, система должна генерировать алерты по 7 типам событий.
Что есть: одна потолочная fisheye-камера, которая покрывает весь зал. Это идеальный выбор для ритейла: угол обзора 180 градусов, не нужно ставить десятки обычных камер, не нужно сшивать панорамы. Но за этот комфорт приходится платить.
https://habr.com/ru/articles/1039354/
Алгоритмы и Структуры данных | 523 |
| 19 | За пределами LLM, часть 2: якорная таблица Кэли, которая не является ни полем, ни моноидом
В первой статье я высказал простую идею: если вычисление можно свести к конечной таблице операции, его можно проверять, а не угадывать. То есть его можно свести не к "модель выдала вероятность 0,67", а просто открыть таблицу и сказать: вот ячейка, вот результат, rc=0.
Эта статья — прямое продолжение первой статьи. Сейчас у меня на руках значительно отличающаяся рабочая модель ИИ-движка. Но сразу честно: я не собираюсь раскрывать здесь внутреннюю кухню "GALO AI". Ни устройство нейрона, ни приватные маршруты мышления. Покажу только основополагающую математику: маленькую конечную структуру, которую можно взять руками, прогнать скриптом и попытаться сломать контрпримером.
Ключевая идея проста до невозможности: я взял обычное сложение по модулю и изменил в его таблице ровно одну строку.
https://habr.com/ru/articles/1039330/
Алгоритмы и Структуры данных | 516 |
| 20 | Архитектура крипто-сканера для биржи: Open Interest, Funding Rate, EMA и MACD в реальном времени
На финансовых рынках, и в частности на крипторынке, с каждым годом ручной трейдинг становиться всё труднее, на смену ему приходит алготрейдинг. Современный алгоритмический трейдинг постепенно смещается в сторону анализа производных метрик: открытого интереса, funding rate, структуры ликвидности, кластеров объёмов и поведения участников рынка в деривативах. Простая оценка цены уже не даёт достаточного преимущества. Основное внимание переходит к тому, как именно формируется движение.
В этой статье разберём архитектуру полноценного фьючерсного сканера для биржи BingX, построенного на Python. Система анализирует десятки и сотни торговых инструментов в реальном времени, фильтрует активы по Open Interest и Funding Rate, рассчитывает технические индикаторы EMA и MACD, а затем формирует торговые сигналы на основе синхронизации нескольких независимых факторов.
Речь пойдёт не о полноценной архитектуре рыночного анализатора, пригодного для дальнейшего масштабирования: подключения Telegram-уведомлений, машинного обучения, кластерного анализа, order flow и полностью автоматической торговли через API.
https://habr.com/ru/articles/1039310/
Алгоритмы и Структуры данных | 483 |
