Анимация градиентного спуска и ландшафта функции потерь на Python

Демонстрация работающих примеров визуализации ландшафта функции потерь и анимации процесса градиентного спуска.

https://proglib.io/p/animaciya-gradientnogo-spuska-i-landshafta-funkcii-poter-na-python-2021-01-04

Алгоритмы и Структуры данных

Нечеткое сравнение строк с помощью rapidfuzz

В публикации расскажу, как при решении задачи нечеткого сравнения строк, среди разных инструментов сравнения (по косинусному сходству, по сходству Левенштейна, по сходству Джаро‑Винклера) был выбран лучший вариант нечеткого сопоставления. Сравнение инструментов производилось исходя из скорости выполнения, правильности сравнения и простоты реализации, с помощью библиотек rapidfuzz и sklearn.

https://habr.com/ru/articles/733492/

Алгоритмы и Структуры данных

Алгоритмы программы для дозиметра на счетчике Гейгера

Счетчик Гейгера довольно простой датчик с точки зрения его устройства и с точки зрения обработки сигналов с него. Кроме того, энергопотребление счетчиков Гейгера ничтожно. Поэтому они широко используются в бытовых дозиметрах.

https://habr.com/ru/articles/732456/

Алгоритмы и Структуры данных

Интерактивные книги 2: на этот раз про геймдизайн и алгоритмы

Хабр силен комментариями. Поэтому, когда я писал топик "Мечтали про интерактивные книги? Я знаю человека, который делает их прямо сейчас", то надеялся, что читатели помогут найти аналогичные примеры. Результат превзошел ожидания.

https://habr.com/ru/companies/timeweb/articles/732902/

Алгоритмы и Структуры данных

3D-таймлайн на чистом JavaScript: как я собирал этот слайдер по шагам

Представьте себе не просто «карусель карточек», а временную шкалу, которая уходит в перспективу, карточки выезжают по наклонным линиям, масштабируются как в 3D-сцене, а под всем этим — настраиваемый скроллбар с годами и плавной анимацией смены категорий. Всё это — без WebGL, только HTML, CSS и JavaScript.

https://habr.com/ru/articles/966712/

Алгоритмы и Структуры данных

Возвращение легенды: самый востребованный вебинар Зерокодера про Perplexity AI снова пройдёт в ноябре.

На бесплатном занятии ребята покажут, как:

– Собрать презентацию, визуал, игру и текст с помощью Perplexity;
– Экономить ресурсы, заменяя целую команду инструментов всего одним ИИ;
– 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).

P.S. Это специальный повтор вебинара от экспертов по Perplexity. Жмите на ссылку и успевайте зарегистрироваться!

Дайджест препринтов научных статей в области Информатики

2511.01872 Learned Cost Model for Placement on Reconfigurable Dataflow Hardware. Etash Guha, Tianxiao Jiang, Andrew Deng, Jian Zhang, Muthu Annamalai

Хьюристические модели стоимости для размещения и маршрутизации (PnR) в реconfigurable dataflow архитектурах страдают от неточности, высокой трудоемкости разработки и слабой адаптивности к изменениям компилятора.

Предлагается data-driven подход на основе GNN: где эмбеддинги узлов и ребер графа PnR агрегируются для предсказания throughput регрессором, обученным на эмпирических измерениях, без хьюристик. Это дает 31-52% выше точность предсказаний, 5.6% прирост throughput на моделях BERT/GPT и быструю адаптацию при обновлениях компилятора.

https://habr.com/ru/articles/967018/

Алгоритмы и Структуры данных

Ускорение Python в 150 раз с использованием C

Если вы программируете на Python, рано или поздно вы столкнётесь с ограничением скорости выполнения кода. Если вам когда-либо доводилось писать сложные вычислительные алгоритмы в Python(вычисление расстояния между строками, матричные операции или криптографическое хэширование), то вы понимаете, о чём я.

Конечно, большей частью работы может справиться библиотека NumPy, но что делать если алгоритм последовательный? Именно с этой проблемой я столкнулся, когда захотел перевести тестирование алгоритма, который определяет количество правок для преобразования одной строки в другую.

Я попробовал Python. Я попробовал NumPy. А затем обратился к C, который я впервые изучал в колледже десятилетия назад, но не использовал лет пятнадцать. И тут началось самое интересное.

https://habr.com/ru/articles/966880/

Алгоритмы и Структуры данных

Всегда короткий Python-код

Не так давно довелось спонтанно поучаствовать в активности от T‑банка. Кроме всяких «интересных» заданий, там были задачки и на кодинг. Критерием победы в задачах «Стековки» были не O(n), не микросекунды, а краткость кода, твёрдо измеренная в символах, что тоже по своему интересно. «Как написать решение используя минимальное число символов?».

https://habr.com/ru/articles/967398/

Алгоритмы и Структуры данных

Как скопировать дерево, но не точь-в-точь

На собеседованиях и литкоде любят вращать бинарные деревья. Но что насчёт трансформации обычного дерева в другое? Как решить эту задачу, и какие могут быть подходы? Рассмотрим на опыте трансляции одного синтаксического в другое, чтобы разобраться.

https://habr.com/ru/companies/pvs-studio/articles/967530/

Алгоритмы и Структуры данных

Ликбез о плавающей точке: сложение, катастрофическое сокращение и бабушка Кэхена

Давайте продолжим обсуждение самой неоптимизированной в мире 32-битной библиотеки для работы с плавающей запятой TinyFloat. Библиотека написана на C++ и намеренно избегает встроенных типов плавающей запятой, полагаясь исключительно на 32-битные целые числа. Цель состоит в том, чтобы сделать код максимально читабельным — без бит-хаков и хитроумных уловок.

Кроме того, я хочу иметь подробную документацию о том, что происходит «под капотом». Оказалось, что лучший способ документировать код C++ — это полностью переписать его на Python :)

https://habr.com/ru/articles/967686/

Алгоритмы и Структуры данных

Как мы создаём HD-карты для автономного транспорта: устройство map-editor

В этой статье мы разберём, как устроен один из ключевых инструментов — map‑editor, обеспечивающий создание и развитие HD‑карт для роботов, какие технические вызовы встречаются по пути и как мы с ними справляемся. Среди наших технологий — FastAPI и C++ для серверной логики, PostgreSQL с PostGIS для работы с геометрией, интеграция с облачными хранилищами и распределёнными вычислениями, а также элементы автоматизации на базе ML.

https://habr.com/ru/companies/yandex/articles/967698/

Алгоритмы и Структуры данных

Как ускорить бинарный поиск

Приветствую, сообщество Habr. Я решил рассказать о том, как ускорить обычный бинаный поиск в сотни раз и искать данные в обычном текстовом файле БЫСТРЕЕ, чем при использовании класических баз данных. Сейчас я попробую решить задачу бинарного поиска без них, расскажу об основных способах оптимизации, а в конце проведу сравнение. Это вполне реальная задача, с которой я столкнутся при разработке собственного проекта, а поэтому мне есть что вам рассказать.

https://habr.com/ru/articles/732970/

Алгоритмы и Структуры данных

Книга: «Алгоритмы машинного обучения»

Узнайте тонкости работы алгоритмов ML, чтобы эффективно решать задачи и повы-шать производительность используемых моделей. Познакомьтесь с фундаментальными математическими основами важнейших алгоритмов машинного обучения и вариантами их реализации на Python. Особое внимание уделяется вероятностным методам.

В книге анализируются и объясняются десятки алгоритмов, применяемых в различных сферах, в частности финансах, компьютерном зрении и обработке естественного языка. Каждый алгоритм сначала выводится математически, а потом иллюстрируется кодом на Python, снабженным подробными пояснениями и информативными графиками. Особую ценность представляет данная автором ясная интерпретация байесовских алгоритмов для моделей Монте-Карло и марковских цепей.

https://habr.com/ru/companies/piter/articles/967170/

Алгоритмы и Структуры данных

Многие BI-системы перестали работать в России, некоторые компании ищут аналоги, а некоторые создают свои решения. Это дольше и сложнее, но дает большую продуктивность в перспективе.

Команда Далее разработала собственное BI-решение для внутренней аналитической платформы, чтобы управлять данными в реальном времени и видеть полную картину бизнеса.

Fullstack-тимлид Дмитрий Дин рассказывает:-
зачем крупным компаниям стоит рассматривать собственную BI-систему,
- как архитектура влияет на масштабируемость и прозрачность процессов в компании,
- и почему правильный подход к сигналам ускоряет принятие решений.

Читайте статью на Хабре — там подробнее о подходе и ссылка на демо ReGraph.

Больше кейсов и полезных материалов для разработчиков, менеджеров и цифрового бизнеса, а также вакансии в проектные команды крупных брендов — в канале Далее.

#реклама
О рекламодателе

Поведенческие шаблонов в проектировании: 23 шаблона назначение, структура, примеры использования

В трех частях статьи мы последовательно рассмотрим 23 шаблона проектирования, которые впервые были перечислены в книге «Шаблоны проектирования: элементы объектно-ориентированного программного обеспечения». Описание каждого шаблона включает структуру, объяснение, рекомендации по использованию и пример практического применения. Первая часть посвящена поведенческим шаблонам, вторая – структурным, а третья – порождающим.

https://proglib.io/p/povedencheskie-shablony-proektirovaniya-naznachenie-struktura-primery-ispolzovaniya-2022-02-22

Алгоритмы и Структуры данных

Ускоряем приложение: никаких фреймворков — только математика

Представьте, что вам нужно ускорить работу огромной легаси-системы с 50 микросервисами, нагрузка на которую выросла в 2000 раз. При этом она обрабатывает затратные по времени операции, которые зависят друг от друга в плане данных.

Первыми на ум приходят стандартные подходы к оптимизации, например внедрить кэширование или улучшить работу с базой. Но я расскажу вам про более необычный, математический способ — алгоритм сетевого планирования. Он помогает составлять технологические карты и находить узкие места в процессах с высокой степенью параллелизма.

https://habr.com/ru/companies/oleg-bunin/articles/732712/

Алгоритмы и Структуры данных

Как фильтры Блума в 16 раз ускорили API

Этот пост станет глубоким разбором того, как мы снизили задержки P95 конечной точки API с 5 до 0,3 секунды при помощи нишевого трюка computer science под названием «фильтр Блума».

Мы расскажем о том, почему конечная точка была медленной, о решениях, которые мы рассматривали для повышения её скорости, и о критериях выбора между ними. Также мы объясним, как всё это устроено внутри.

https://habr.com/ru/articles/968024/

Алгоритмы и Структуры данных