Всё про Алгоритмы и Структуры данных

Нейронные сети: наиболее полные и понятные видеолекции Нейронные сети – мощный и многофункциональный инструмент, который применим в любой современной отрасли. Рассмотрим базовые понятия. https://proglib.io/p/plain-neural-networks Алгоритмы и Структуры данных

Создание сервера для онлайн ММО игр на PHP ч.13 — Event-driven паттерн, JSON-RPC и почему не сервисная (SOA) архитектура В процессе разработки разработчик часто реализовывает функционал, который кажется ему логичным даже не задумываясь как этот архитектурный стиль называется. При этом читая про паттерны и шаблоны проектирования архитектуры в научной литературе информация может показаться сложной, а названия трудно запоминающиеся. В этой статье я без привязки к коду объясню простым языком и в картинках как можно применять в разработке архитектуры авторитарного сервера для онлайн игр шаблон проектирования Event-driven. https://habr.com/ru/articles/741734/ Алгоритмы и Структуры данных

За пределами LLM: детерминированный движок рассуждения на конечном алфавите Часть 1. Детерминированный движок рассуждения на конечной таблице операции (в перспективе — замена LLM) Когда речь заходит о больших языковых моделях, все сразу отмечают их талант к сочинению и пересказу текстов. Но вот встроить такую модель в реальный продукт — задача куда более каверзная, чем кажется на первый взгляд. На практике вылезают три системных «подводных камня», из‑за которых работать с ними бывает откровенно неудобно. Первый камень — непредсказуемость. Представьте: вы посылаете модели один и тот же запрос дважды — а в ответ получаете два разных варианта. И это не случайность, а закономерность. Виной тому целый веер причин: от "памяти" о предыдущих диалогах (контекст) до тонких настроек генерации и естественного "плавания" внутренних весов модели. В итоге результат зависит не только от вашего запроса, но и от кучи невидимых факторов. Второй момент — проблема с проверкой. В обычном программном коде мы чётко знаем: вот входные данные, вот ожидаемый вывод, вот критерии успеха. С языковыми моделями такой ясности нет. Как доказать, что ответ "правильный", если у задачи может быть десяток равноценных решений? Где та грань, за которой креативность превращается в выдумку? Третий сюрприз ждёт после обновлений. Допустим, вы полгода отлаживали интеграцию, подобрали идеальные параметры, написали кучу тестов — и тут разработчики выпускают новую версию модели. И вдруг всё начинает работать иначе: прежние запросы дают странные ответы, тесты падают один за другим. Дело в том, что даже небольшие изменения в обучении модели могут кардинально поменять её "стиль" и логику. Предсказать, как именно она поведет себя в вашем сценарии, почти невозможно — а значит, каждое обновление грозит превратиться в марафон по починке сломавшегося https://habr.com/ru/articles/988698/ Алгоритмы и Структуры данных

Вам нравится читать контент на этом канале? Возможно, вы задумывались о том, чтобы купить на нем интеграцию? Следуйте 3 простым шагам, чтобы сделать это: 1) Нажмите на ссылку: Вход 2) Пополняйтесь удобным способом 3) Размещайте публикацию Если тематика вашего поста подойдет нашему каналу, мы с удовольствием опубликуем его.

6 бесплатных книг по алгоритмам в программировании Подборка книг по алгоритмам, которые следует прочесть каждому программисту. Некоторые из них станут незаменимыми помощниками. https://proglib.io/p/algorythm-books Алгоритмы и Структуры данных

Распространенные ошибки при создании приложений с генерацией ИИ Поскольку мы все еще только осваиваем создание приложений с использованием базовых моделей, ошибки вполне нормальны. Это краткая заметка с примерами некоторых из наиболее распространенных ошибок, которые я видел как в публичных кейсах, так и в своем личном опыте. Эти ошибки являются распространенными, поэтому, если вы работали над каким-либо продуктом, связанным с ИИ, вы, вероятно, уже сталкивались с ними. https://habr.com/ru/companies/piter/articles/987774/ Алгоритмы и Структуры данных

Шум в компьютерной томографии: правда ли он нам мешает? Как уже, наверное, известно нашему читателю, мы занимаемся разработкой томографического программного обеспечения. Мы работаем над совершенствованием алгоритмов реконструкции внутренней структуры объектов, боремся с артефактами реконструкции и различного рода шумами в измеренных данных. Наша основная задача - повысить качество реконструкции, увидеть чуть больше и чуть четче то, что когда-то было недоступно человеческому глазу. Каждый пиксель детектора "живет своей жизнью и ошибается по своему". Ошибки связаны с шумом, который в каждом пикселе распределен уникальным образом и часто зависит от самого зарегистрированного значения. Такой шум называют гетероскедастичным. https://habr.com/ru/companies/smartengines/articles/741796/ Алгоритмы и Структуры данных

Разделяй и властвуй. Повышение эффективности алгоритмов. Часть 1 Да, мы привыкли, что перемножение двух байт, или двух LONG это операция, которая происходит за константное время и не требует какого то особого алгоритма. Даже в школе мы учили наизусть таблицу умножения, что позволяло нам за константное время получить любой результат умножения двух чисел размером от 1 до 10. Но, что если нам надо перемножить два числа любой длины? Не LONG, не байт, не число от 1 до 10, а любые два числа, которое, имеют в общем случае длину n бит, а результат умножения может иметь длину 2n бит. https://habr.com/ru/articles/742308/ Алгоритмы и Структуры данных

Распространенные ошибки при создании приложений с генеративным ИИ Поскольку мы все еще только осваиваем создание приложений с использованием базовых моделей, ошибки вполне нормальны. Это краткая заметка с примерами некоторых из наиболее распространенных ошибок, которые я видел как в публичных кейсах, так и в своем личном опыте. Эти ошибки являются распространенными, поэтому, если вы работали над каким-либо продуктом, связанным с ИИ, вы, вероятно, уже сталкивались с ними. https://habr.com/ru/companies/piter/articles/987774/ Алгоритмы и Структуры данных

Распространенные ошибки при создании приложений с генеративным ИИ Поскольку мы все еще только осваиваем создание приложений с использованием базовых моделей, ошибки вполне нормальны. Это краткая заметка с примерами некоторых из наиболее распространенных ошибок, которые я видел как в публичных кейсах, так и в своем личном опыте. Эти ошибки являются распространенными, поэтому, если вы работали над каким-либо продуктом, связанным с ИИ, вы, вероятно, уже сталкивались с ними. https://habr.com/ru/companies/piter/articles/987774/ Алгоритмы и Структуры данных

Алгоритмический тупик: почему платформы продвигают мусор, имея инструменты для его фильтрации Мы живем в 2026 году, когда технологии позволяют оценить глубину и оригинальность текста, но крупные площадки по большей части все еще живут по старинке и судят о качестве по числу лайков и частоте публикаций. Отсюда мы наблюдаем фундаментальный системный сбой, который медленно убивает сложный технический контент. https://habr.com/ru/articles/987794/ Алгоритмы и Структуры данных

Дерево Киви для поиска шаблонов по тексту История этого эксперимента началась где-то в 2022 году с желания фильтровать поступающую из разнородных каналов информацию. В современном мире люди вынуждены находиться в бурном потоке всевозможных новостей, публикаций и коммерческих объявлений и вручную пытаться найти в этом потоке то, что им нужно. https://habr.com/ru/articles/742496/ Алгоритмы и Структуры данных

Алгоритмический тупик: почему платформы продвигают мусор, имея инструменты для его фильтрации Мы живем в 2026 году, когда технологии позволяют оценить глубину и оригинальность текста, но крупные площадки по большей части все еще живут по старинке и судят о качестве по числу лайков и частоте публикаций. Отсюда мы наблюдаем фундаментальный системный сбой, который медленно убивает сложный технический контент. https://habr.com/ru/articles/987794/ Алгоритмы и Структуры данных

👩‍💻 В сеть вывалилась гигантская куча курсов и книг от топовых IT‑школ Держи сотни гигабайт свежих уроков, и каждую неделю мы подкидываем ещё! • 1612 ГБ — DevOps • 1402 ГБ — Python • 1300 ГБ — C, C++ • 1815 ГБ — Frontend • 1515 ГБ — Backend • 898 ГБ — ИБ, Хакинг • 996 ГБ — Kotlin, Swift • 212 ГБ — JavaScript • 315 ГБ — Flutter • 820 ГБ — Go, PHP • 419 ГБ — Java, Rust • 648 ГБ — GameDev • 517 ГБ — Windows, Linux • 998 ГБ — Дизайн (UX/UI) • 617 ГБ — Нейросети (ML/RL) • 546 ГБ — БД (SQL & NoSQL) • 687 ГБ — Аналитика данных • 115 ГБ — QA-тестирование Подписывайся и не плати за то, что можно получить бесплатно

Как заставить LLM сортировать данные: от наивного подхода до TrueSkill Если вы когда-нибудь грузили в LLM список и просили выбрать лучшее или отсортировать — вы, скорее всего, получали посредственный результат. Я проверил это на 164 постах своего телеграм-канала, сравнив пять разных методов сортировки. Оказалось, что разница между «дёшево и плохо» и «дёшево и хорошо» — в правильном алгоритме, а не в модели. В этой статье разберём, почему наивные подходы не работают, как алгоритм из Xbox Live помогает ранжировать контент, и какой метод даёт лучшую корреляцию с реальными данными. https://habr.com/ru/articles/987538/ Алгоритмы и Структуры данных

Топ 5 мифов о налоговом контроле: разбор от экс-налоговика В последнее время в информационном поле мне всё чаще попадается информация о заблуждениях в сфере налогового контроля, и по большей части эти заблуждения исходят от людей, которые называют себя специалистами или экспертами. Таким образом формируется в корне неверное представление о том, чем на самом деле занимается служба и как она осуществляет свой контроль. Вы наверняка видели подобные заголовки: «эксперты предупреждают», «юристы советуют» - смотреть и читать это уже просто больно. Поэтому на правах бывшего сотрудника ФНС, прошедшего три контрольных отдела - предпроверочный анализ, контрольно-аналитический отдел и отдел выездных проверок, я решил подготовить статью с разбором самых популярных мифов, которые встречались мне за последнее время. Если в этой статье я разберу не все популярные мифы, и вы слышали что-то ещё, что на ваш взгляд не похоже на правду - пишите в комментариях, или в личные сообщения. Я добавлю это к разбору в следующей статье. https://habr.com/ru/articles/987500/ Алгоритмы и Структуры данных

Python: ИИ для “Четыре в ряд” с алгоритмом AlphaZero В этой статье мы рассмотрим применение алгоритма AlphaZero для создания ИИ игры "Четыре в ряд" с самообучением и Deep Learning. https://proglib.io/p/connect4-alphazero Алгоритмы и Структуры данных

Поиск решений управляемый данными. Терминологический словарь Ранее в статье «Почему нейросети не заменят прикладных специалистов: простая логика против вероятностных подходов» рассматривались общие вопросы поиска решений управляемого данными. Кратко: это механизм динамического связывания отдельных фрагментов решения в виде информационных блоков в последовательности для определения запрошенных параметров. Эта информационная технология, основанная на простой логике, позволяет оперативно вести диалог с пользователем, используя накопленные в процессе поиска решения данные. Для того чтобы общаться с системой на естественном языке необходим терминологический словарь предметной области. https://habr.com/ru/articles/987218/ Алгоритмы и Структуры данных

Планирование расписаний водителей: как математическая модель укрощает хаос перевозок Что есть план, если ему не следуют? Системы планирования работы сотрудников представляют человека в виде последовательности операций: работа, обед, работа, сон. Иногда и того проще - оставляют без обеда. Такая саркастическая интерпретация жизни вызывает улыбку и наводит грусть. Но в этой статье мы не будем уделять внимание сентиментам, а сосредоточимся на бездушном повествовании об одной из таких систем, а точнее - о задаче планирования графиков работы водителей на круговых маршрутах. Работа будет полезна специалистам в области логистики, транспортного планирования и оптимизации, а также исследователям в сфере математического моделирования транспортных задач. https://habr.com/ru/articles/985680/ Алгоритмы и Структуры данных

Планирование расписаний водителей: как математическая модель укрощает хаос перевозок Что есть план, если ему не следуют? Системы планирования работы сотрудников представляют человека в виде последовательности операций: работа, обед, работа, сон. Иногда и того проще - оставляют без обеда. Такая саркастическая интерпретация жизни вызывает улыбку и наводит грусть. Но в этой статье мы не будем уделять внимание сентиментам, а сосредоточимся на бездушном повествовании об одной из таких систем, а точнее - о задаче планирования графиков работы водителей на круговых маршрутах. https://habr.com/ru/articles/985680/ Алгоритмы и Структуры данных