ВСЯ СЛОЖНОСТЬ АЛГОРИТМОВ ЗА 11 МИНУТ | ОСНОВЫ ПРОГРАММИРОВАНИЯ

Онлайн-буткемп «Junior-аналитик с нуля за 10 недель»: go.skillfactory.ru/JD4LkA
По промокоду ALEKOS скидка 45%
Оценка сложности алгоритмов за 11 минут.
Подписывайся в соц. сетях:
Телеграм - t.me/Alek_OS
ВК - alekos1
❤️ Поддержка канала:
Бусти - boosty.to/alekos
Юмани - yoomoney.ru/to/410011179144828
✔️ Полезные ссылки:
Основы программирования - • КАК РАБОТАЕТ ПАМЯТЬ КО...
Полезно знать - • ЯЗЫКИ ПРОГРАММИРОВАНИЯ...
Алгоритмы и структуры данных - • УСКОРЬ СВОЙ КОД В МИЛЛ...
Мысли Алека - • КАК ИЗУЧАТЬ ПРОГРАММИР...

[@AlekOS]

Телеграм-канал: t.me/Alek_OS

[@VyacheslaveDev69]

Хорошо.

[@Midredel]

Добавишь видосы на рутуб? У тебя там даже канал есть

[@LithiumDeuteride-6]

Интересно, а как ещё описываются степень параллелизма алгоритма, т.е. если у нас есть процессор 1/1 и задачу он считает за 1 единицу времени, а может ли процессор 2/2 подсчитать туже задачу за 0.5 времени. Думаю такой параметр алгоритма сейчас наиважнейший, т.к. быстродействие потока ограничена и со временем намного не возрастёт, а вот количество потоков который может выполнить вычислительное устройство со временем возрастает, например видеокарты, да и у процессоров всё больше ядер/потоков.

[@vladislav_varaksin]

Невероятно актуально, каждое видео очень помогает разобраться в темах, которые учу самостоятельно, потому что всё крайне наглядно и понятно, всё еще с нетерпением жду продолжение цикла по ассемблеру)

[@user-be9rc4yz8r]

Вау, отличный видос. Разобрал очень нужную тему, которая много где важна. Я почему-то для себя представил что там все сложно и как-то избегал её, но понимал что нужно будет изучить когда-то. Оказалось всё очень просто. Ну как минимум процентов 90 я точно понял и это супер! Спасибо большое

[@web-writer4769]

круто, радует что чаще стал выходить контент на канале!

[@alexone899]

Исходя из скорости выхода новых видео могу предположить что количество подписок экспоненциально растёт.

[@maltamagistro]

Скорей это значит, что заказы на рекламу экспоненциально растут

[@tdrkDev]

@@maltamagistro ну и что в этом плохого?) Видео автора то хороши.

[@dmaraptor]

С таким качеством роликов думаю это продлится недолго.

[@Noname-ec8mw]

Ты можешь это проверить исходя из количества пдп, его видно под видео

[@watherMG]

Спасибо тебе за невероятно качественный контент, действительно помогаешь разобраться в фундаментальных вещах

[@alexone899]

За последнее время особенно много новых видео. Пожалуйста, не останавливайся ! Жги дальше !!!🔥

[@cmit59]

Просто появилась реклама. Но я нисколько не против. Реклама нужна и она полезна. Особенно такая. Так что вы правы: жги дальше.

[@DemetriuszStrykowski]

ТОЧНО!!!

[@kam1k4dze]

Стоит упомянуть, что алгоритм со сложностью O(1) может спокойно быть в тысячу раз медленнее алгоритма O(N!), для ваших данных. Поэтому стоит понимать, что Big O говорит только о скорости роста времени выполнения алгоритма, о самой скорости алгоритма эта нотация вообще ничего не скажет. В ролике это упоминается, но мне кажется это стоит подчеркнуть, так как очень часто вижу такое заблуждение.

[@razor23Ukraine]

Вот именно поэтому я вообще не понимаю нафиг этот Big O нужен. На моей практике чисто позадалбывать на собеседовании и всё =(

[@eugenedukatta9355]

Kamikadze, Неплохо бы приводить конкретные примеры. Причем такие примеры, которые не сравнивают мягкое с теплым. Сложность полезна для сравнения алгоритмов решающих одинаковую задачу но разными способами. И бессмысленно сравнивать алгоритмы один вычисляет число фибоначчи, второй сортирует массив.

[@egorolefirenko139]

​@@razor23Ukraineпотому что если у алгоритма меньшая асимптотическая сложность, то для него всегда найдётся такой размер ввода, начиная с которого он начинает работать быстрее, чем алгоритм с большей сложностью

[@whiteprincewithobsession]

@@razor23Ukraine есть алгоритмы с перемножением матриц, и есть дефолтное перемножение за сложность n^3, а есть алгоритм за n^(2,37) но он начинает работать быстрее первого только при больших входных данных, так как имеет большую константу Для этого Big O и нужен

[@raymondxp4709]

Big O это не количество времени а количество итераций! Ты чем слушал временная сложность говорит о том сколько шагов или операций нужно совершить для завершения алгоритма. O(1) не зависит от входных данных хеш-таблица например чтобы найти в ней элемент неважно сколько у тебя элементов хоть миллиард он найдет его за один шаг. O(N!) чем больше данных тем хуже даже добавления одно элемента тот же поиск замедлит в тысячу раз. Здесь неважно сколько миллисекунд выполняется одна итерация ведь на разных машинах оно бедт разным он это сказал в самом начале, нам важно сколько итераций оно будет всегда одинаковым. Видимо ты не понял принцип Big O.

[@zxw]

Подача материала просто супер 😁 ждём новых роликов про криптографию!

[@frenkefourfinger2413]

Выход твоих роликов для меня праздник , е Ты очень круто выдаешь материал, спасибо тебе огромное за то что ты делаешь эти ролики ... 🙃

[@Flawden]

Офигенно! Я никак не мог понять что за фигня эта ваша оценка сложности. Наконец-то допер. Спасибо!

[@Dmitrii-Zhinzhilov]

Alek, благодарю! 👍🔥

[@SorokinAU]

шикарно! мне очень понравилось ваше объяснение с примерами! спасибо!

[@user-be9rc4yz8r]

О, отличная тема. Давно уже хочу в ней разобраться. Надеюсь всё пойму. Погнал смотреть. И спасибо тебе что намного чаще видосы стали выходить!

[@user-cl5nc2xu6y]

Кратко и доступно, про очень важную тему. Респектую за этот шедевр.

[@well321321]

Очень приятно ваши видео смотреть!

[@borislove1]

не думал что эти видео будут настолько полезны при сдачи сессии:) для повторения самое то!

[@bOOOOkash]

Спасибо, лайк! Уверен, что Ваши ролики найдут место и в учебных заведениях.

[@pashkiewich]

Спасибо за видео, вдохновляет учиться

[@meerable]

Чуствуется серьезный подход к прокачке навыков презентаций) Замечательный интонационные паузы) не позволили мне уйти в транс! ❤

[@user-ky8dr1hu5e]

Познавательно, спасибо!

[@denistalko6585]

Хорошее объяснение, спасибо!

[@---fc8jp]

Хороший труд! Вдохновения автору!

[@devbackendtube]

4:51 - позволю заметить что мы считаем не то что они будут одинаковые, а то что они будут расти одинаково (по времени или памяти) при изменении количества входных данных

[@7wafer7]

Спасибо за видео

[@pishikot]

Крутая шпаргалка, очень доступно объяснено. Сама концепция несложная, когда поймешь, что к чему, но таких доступных изложений не видел ещё.

[@nomore7222]

Как всегда, лучший 🔥

[@theepic6978]

Очень хорошее объяснение! Thank you

[@TheR1za]

Слышали о программистах, которые совсем на днях были уволены из Microsoft. Так вот, все они прошли курс на скиллфэктори.

[@veliaraft]

Ценный контент. Подписался.

[@fada9238]

Не перестаю восхищаться вашим каналом! Задавали нам эту О-символику в колледже не степике проходить. Ничерта не понятно было, всё объясняли скучно и непонятно где вообще применимо. То есть, я как бы понял зачем - чтобы оценить сложность алгоритма. Но там это объясняли в такой скучной форме, что слушать было невозможно! Я просто ничего не понимал...! А у вас - выяснилось, что тема то простая :D Спасибо за то, что ваш канал существует и делает такой контент!

[@countrysideshowyaigrock4689]

Огонь!!

[@backwardzzzz]

Все твои видео классные, слушай объясни пожалуйста как происходит генерация случайных чисел в коде, я думаю это интересная тема для следующего видео

[@SOLOKOS]

Сложность алгоритмов может определяться несколькими способами, в зависимости от конкретных характеристик алгоритма и задачи, которую он решает. Ниже приведены несколько основных: 1. Временная сложность: Временная сложность алгоритма относится к количеству времени, необходимому для решения задачи при увеличении размера входных данных. Алгоритмы с более высокой временной сложностью обычно считаются более сложными в решении, чем те, у которых временная сложность ниже. 2. Пространственная сложность: Пространственная сложность алгоритма относится к объему памяти, необходимому для решения задачи при увеличении размера входных данных. Алгоритмы с более высокой пространственной сложностью могут быть более сложны в реализации или оптимизации, чем те, у которых пространственная сложность ниже. 3. Область применения: Сложность алгоритма также может зависеть от области применения, для которой он разработан. Некоторые задачи могут иметь врожденную сложность, которую нельзя снизить с помощью алгоритмических оптимизаций. 4. Характеристики входных данных: Характеристики входных данных могут также влиять на сложность алгоритма. Некоторые алгоритмы могут быть более сложны в реализации или оптимизации для определенных типов входных данных, таких как большие числа, разреженные данные или данные с множеством повторяющихся образцов. 5. Детали реализации: Детали реализации алгоритма, такие как выбор структур данных или языка программирования, также могут повлиять на его сложность. В целом, определение сложности алгоритма может быть сложным процессом, требующим тщательного анализа и учета многих факторов. Big O - это математическая нотация, используемая для определения временной сложности алгоритма, то есть описания того, как быстро работает алгоритм при увеличении размера входных данных. Она указывает на асимптотическую верхнюю границу времени выполнения алгоритма и позволяет определить, как быстро будет расти время выполнения алгоритма при увеличении размера входных данных. Обычно Big O записывается в виде O(f(n)), где f(n) - функция, описывающая количество операций, которые выполняет алгоритм при обработке n элементов входных данных. Например, если алгоритм имеет временную сложность O(n), то это означает, что время выполнения алгоритма пропорционально размеру входных данных. Big O используется для сравнения и анализа различных алгоритмов и помогает выбирать наиболее оптимальный алгоритм для решения конкретной задачи. Она также позволяет оценить, насколько эффективно можно оптимизировать алгоритм при работе с большими объемами данных.

[@user-gy3zd7mx3u]

Похоже на ответ ЖПТ

[@user-gy3zd7mx3u]

Это 3.5 или 4 дала такой ответ?

[@user-zs5iw1tw3w]

Спасибо за видео

[@itzlaboratory]

Привет, в какой программе ты делаешь ролики? Как делаешь анимацию?

[@ibamaliks]

В какой программе вы делаете анимации? Хочу дипломную презентацию сделать в подобном виде )

[@KeiTaiho]

спасибо за видео

[@smexyenok5736]

Вот благодаря таким людям как ты люди не деградируют, людям интересно смотреть твои видео потомучто интересная и приятная подача информации

[@baielsartbaev2716]

А самое главное - полезная!

[@loganlogan3657]

В точку сказал

[@heybeachMIN]

что делать если я ничего не понял из этого видео? Я деградировал уже?!

[@hardcodedreborn9650]

​@@heybeachMINЕсли ты школьник то это норма, а если нет то тоже, тебя просто не интересовала данная сфера.

[@heybeachMIN]

@@hardcodedreborn9650 я не школьник, но да, алгоритмы и математика меня не сильно раньше интересовала ) так что сейчас пытаюсь наверстать упущенное

[@__-pq1nt]

Вот нравится мне на этом канале то, что разбираются темы, к которым человек сам не подошёл, так как они покрыты "тайнами". Про них мало понятной информации, но автор канала каким-то образом сложные темы объясняет за 15 минут. Без подробностей, конечно, но чтобы начать разбираться это более чем достаточно. Спасибо автору за старания 😍

[@user-ic3tr4eq2o]

Нет там никакого покрытия тайной и литературы просто ГОРЫ. Если ты к теме сложности алгоритмов и оптимизации не добрался - значит ты просто "не дорос". Ну в смысле для того чтоб копать в эту сторону, перед тобой должна стоять задача очень часто выполнять объемную задачу (например поиск данных в большом массиве и не раз в месяц, а прям часто). В данном ролике даже не упомянули откуда растут ноги. А ноги растут из особенностей "железа". Команды процессора не одинаковые по времени выполнения. Так самые "длинные" это операции сравнения и сопутствующие им операции условного перехода. Следом идут операции записи в память. Плюс к операциям записи идёт организация структуры хранения обрабатываемых данных. В конечном итоге оптимизация сводится к тому, что нужно по возможности сделать так, чтоб было минимальное количество сравнений (если можно заменить одно сравнение тремя операциями сложения - заменяй. работать будет быстрее. тут ярким примером так называемые "хеш"). В целом дисциплина называется "структуры данных и алгоритмы".

[@TanziroK]

Привет, посоветуйте пожалуйста книжки с C++, мой уровень очень плох, но при этом я могу вникать в материал, просто только начинающий, хоть уже и в ВУЗе просидел полгода, но играл слишком много, а сейчас уже понимаю, что нужно заниматься, и ко второму курсу идти на работу потому что стипендии не хватает, чтобы покрывать мои "хотелки"​@@user-ic3tr4eq2o

[@alexone899]

2 часа ночи, думал пойти спать. Так стоп, новый урок от Алека !? Сон подождёт.

[@basscloud9854]

это и правильно потому что перед сном информация мозгом может и вопринимается хуже но зато запоминается лучше - повторил а ты уже оказывается это знаешь значит осталось что - правильно осталось понять и пременить

[@jessypinkman8010]

Какой дурак ночью будет ложится спать ?

[@Bigteamer]

@@jessypinkman8010 не знаю джесси, когда мет варить?

[@jessypinkman8010]

@@Bigteamer Чел, ты или умолкнешь или товара не видать, в Альбукерке уже везде чекают, так что по тише

[@Bigteamer]

@@jessypinkman8010 Понял, бро. Буду ждать товар

[@alexeyponomarev1933]

Молодца!

[@a.osethkin55]

Странно, что не было классического примера (задача о комивояжере). Спасибо большое за видео!

[@abuZaid77]

Хорошо разъяснил

[@ilyamed]

Классный ролик, все наглядно

[@ioannchimrov]

Предлагаю сделать видео про деревья(в частности бинарные), балансировку деревьев и всё вот это. Как будто не так много контента на эту тему на ру ютубе, либо я ошибаюсь.

[@user-gu1eo9oy1y]

Очень круто и доступно

[@adekakz9794]

Спасибо, прокачиваю мозг благодаря тебе

[@victornesterenko7016]

В примере вычисления факториала на 10:00 опечатка, следует исправить '+' на '*'. А так ролик хороший, спасибо за простое и доступное изложение .

[@dalerd1074]

Я когда смотрел, думал о смысле жизни

[@IlyaKuznetsov1983]

Музыка топ, люблю её. Спасибо мэн!

[@p0n41lk7]

Криптография 2 часть!! Мы ждем

[@user-ej8em7zt4b]

лайк не глядя, гению

[@Sergey.Ts_]

Если раньше я думал, что немного знаю математику и чуток умею программировать.... То теперь понимаю, что лучше пойти выпить пивка 😮

[@asjvchnvh9313]

Не ну это трендец просто. Просто идеальный канал, ну не к чему придраться

[@ruskie_petuhi]

Есть ещё амортизировання сложность, когда в какой-то момент она может вырасти (например в хеш мапах при расширении массива, так как нужно скопировать данные в новый массив из предыдущего), а так же сложность Omega и Theta.

[@vovapirotskiy5031]

очень круто

[@Altair21817]

Спасибо за видео! Доходчиво и с картинками! :D Кстати, сейчас друг написал, попросил функцию посмотреть (упрощенно - собирает символы по паттерну и печатает их) - показал скриншот из видео, прокомментировав, что у него по памяти получается O(N!) - делал конкатенацию строки. Друг понял и пошел оптимизировать! Скинул ему ссылку на видео) А что за музыка в рекламе на фоне с 2:22 / в конце видео используется?)

[@calisthenics2695]

🔥🔥🔥🔥🔥

[@user-mv3on8jd5h]

❤❤❤

[@mipselqq3133]

Лучший

[@MikhailGoncharov-tl4cr]

невероятно великолепны йобзор

[@user-rq2zk3vi7q]

Вставлю свои пять копеек по поводу памяти. Если мы инициализируем словарь или массив размера переданного в функцию аргумента, то по памяти M = О(n) (M = memory).

[@user-dq6rk6fl7f]

сложность алгоритмов проходил на первом семестре программной инженерии. препод никакущий, объяснял убого и так, что ничего не понял. сейчас я во втором семаке и Алек выпустил видос по этой теме. не совсем вовремя, но тем не менее, я хоть понял то, что старался объяснить нам препод. спасибо тебе огромное, Алек

[@adekakz9794]

у нас вообще забили на сложность алгоритмов)) а вуз носит название МЕЖДУНАРОДНЫЙ!

[@user-cq4kq3nc4u]

тоже прохожу сейчас это в универе, можешь подсказать: сложность О(n+k), когда в программе два цикла, не вложенных, так вот, эта сложность линейная, т.е. аналогична O(n)? или я чего- то не понял

[@user-dq6rk6fl7f]

@@user-cq4kq3nc4u вроде да, потому что все около N отбрасывается: О(2N) -> О(N), O(N+3) -> O(N). Не отбрасываются логарифмы и степени на сколько знаю. Тип может быть O(N*logN), оно так и останется , или же O(N²), тоже не изменится

[@user-cq4kq3nc4u]

@@user-dq6rk6fl7f благодарю

[@RedBallOfLove]

а ещё есть проблема в реальном железе. казалось бы поиск в дереве быстрее, чем поиск в неупорядоченном массиве из 100 элементов, но за счет того, что данные хранятся последовательно в памяти и влезают в кеш процессора, то прогнать цикл может оказаться быстрее, чем в дереве.

[@SergiyAntonyuk_PhD]

Тот редкий случай, когда просто, КРАТКО и понятно объяснены довольно сложные вещи. Спасибо автору

[@user-uf5mn4lk7k]

мало что понял, но было интересно

[@DenysHolovin]

Не за 11 минут а за 10 :) 11 минус реклама. Гениально!

[@amegatron07]

Спасибо за видео! Полезно не забывать об этой теме, хоть в лично в моей практике уже давно достаточно редко приходится "упарываться" в жесткую алгоритмику. Но вот чем мне всегда О-нотация не нравилась, так как раз своей грубостью. Часто знать о двух разных алгоритмах, что они просто O(N) (или любая другая функция) - это ничего не знать. Представьте себе абстрактную ситуацию, что выбираете алгоритм для своей задачи из магазина, и в характеристиках у обоих обозначена сложность O(N). Но один (1) из них выполняет по факту в среднем N/2 операций. А другой (2) всегда выполняет 1000*N. Хоть они оба и O(N), первый будет значительно предпочтительнее второго. Во-первых потому, что N для него - действительно максимум. Во-вторых, что в большой части случаев он будет завершаться, выполнив меньше N операций. Но в чем же заключается дополнительная проблема алгоритма (2), про который известно, что он O(N), но неизвестно, что фактически он всегда выполняет 1000*N операций, помимо того, что он очевидно менее оптимален, чем первый? А проблема как раз в том, что просто сравнение разных сложностей в O-нотации не совсем корректно. Вот теперь представьте, что есть еще алгоритм (3), решающий эту же задачу, но имеющий сложность O(N^2). Он же сложнее, чем O(N), так? Так, да не так. Если просто взглянуть на эти две функции: 1000*N и N^2, легко увидеть, что тот "более быстрый" алгоритм O(N) (который фактически 1000*N, но коэффициент мы пренебрежительно отбросили) будет по факту выполняться дольше, чем N^2 для N < 1000. А теперь представьте, что сама наша исходная задача и не предполагает работать с N, большими 1000. В этом случае нам было бы выгоднее взять этот третий алгоритм, если выбирать только из этих двух. А теперь представьте, что оценка этого третьего алгоритма тоже сделана слишком грубо, и по факту точнее было бы говорить об (N/10)^2 - это по-прежнему O(N^2), но сравнивая его с (2), он будет быстрее уже не только при N < 1000, а при N < 100000 (!).

[@kosiak10851]

так эта нотация применяется для оценки при N стремящемся к бесконечности. Эсли у тебя на входе алгоритма не бесконечный размер данных, то и не применяй, не надо.

[@user-rm4kq9vg7z]

ПОРЖАЛ. За 10 недель без навыков вы научитесь....🤣🤣🤣

[@Spichka_]

10:38, тот момент когда ты пишешь на питоне и ты можешь умножать строку.

[@alexbook8694]

Достаточно прогнать на эталонном компе, а сам выбор эталонного компа очевиден: тот что тебе дали на работа в качестве рабочего или целевого.

[@leomysky]

Очень понятно и наглядно, большое спасибо!

[@TwoRiks]

Не понимаю в программировании и математике ни черта, но автора так интересно слушать😅 очень познавательно, спасибо большое, продолжай 👍

[@user-zh4rf2pe2i]

по-любому у автора в загашнике есть информационная мега-бомба. она нам всё объяснит, и м ы решим ка жить дальше. Голос да, действительно такой

[@TinDIlintin]

Дело в том, что никто ни в чём ничего не понимает. Просто некоторые питают иллюзии, что что-то понимают, а у вас такой иллюзии нет )

[@TwoRiks]

@@TinDIlintin это очень обнадёживает, надеюсь вы правы, спасибо 👌

[@nbylnov]

Видео скорее больше запутывает без формальных определений. Также хотелось бы услышать про тета- и омега- нотации. Советую почитать соответствующую главу книги Томаса Кормена «Алгоритмы. Построение и анализ».

[@fsaed_lost_acc]

Не поверишь, но буквально на днях сам копался по этой теме в интернете)

[@antaki93]

Довольно поспешно и поверхностно. Лучше книжку почитать, что-то вроде "Грокаем алгоритмы" А. Бхаргава

[@kosiak10851]

а ещё лучше учебник по дискретке, а не эту упрощённую для аутистов книжку

[@antaki93]

@@kosiak10851 для базового понимания в самый раз

[@payrgames]

Как бы хотелось бы видео по C# или знает кто подобный канал с подобной подачей по C#?

[@ilyushechka]

Когда я поступил в университет и на матанализе встретил "О большое", то далеко не сразу понял, что это то самое "big O" в программировании. Сфера настолько перенасытиоась дилетантами, что даже понятия искажают для тех, кто не посещал школьную маоематику с 5 класса

[@nami_gamedev]

Я так понимаю, что скорость выхода видео равна O(n²)?

[@ash_invest]

надо будет раза 3 пересмотреть с ручкой и листочком... на 4-й минуте уже потерял нить

[@user-di3er2qo3u]

0:44 O(N * log N) на графике не выглядит как логарифм, и "загибается" вверх а не вниз На большой дистанции линейно-логарифмическая сложность - хуже линейной, что у вас обозначено С графиком на первой минуте может показаться, что линейно-логарифмическая когда-то догонит линейную, но это не так - эти две функции можно считать полностью расходящимися Так же не полностью раскрыта тема коэффициентов, когда сложность алгоритма не получится оценить "двухмерной" асимптотикой Там сложность оценивается уже "пространственно" Я не знаю работает ли это для памяти, не сталкивался Но не удивлюсь если такие "пространственные" коэффициенты применимы и для памяти

[@xmahz]

При нескольких переменных N и K допустим, скоростью алгоритма является максимальная скорость или худшая, поэтому если N больше K тогда скорость O(N) и наоборот

[@titsubishi]

Мне одному кажется, что видосы у Алека в продакшн с ускоренным воспроизведение выходят? Инфа нужная и полезная, но на такой скорости что-то усвоить не представляется возможным)

[@user-iw5qp8fj9f]

Скоро будет почётней рекламировать скамы и наркомагазы в даркнете, чем сами знаете какие школы...😂

[@GameMorg]

Ничего не понял, но очень интересно

[@jekapsk]

Почему рассматривается только О-большое, и еще надо было упомянуть о сложности в лучшем случае, на примере отсортированного и не отсортированного массива

[@dd2xy422]

Что-то мозг поплыл

[@user-hp2cg6px8c]

0:48 - так мы смотрим на количество операций или на время выполнения? Видос топ, конечно, а то другие размазывают инфу.

[@anjelomanoranjan3908]

Блестательное видео. Жду видео по Java

[@maxpsyh3389]

1:48 такое ощущение, что здесь пару реплик на монтаже потеряли. А то был просто линейный перебор, ВНЕЗАПНО превратился в перебор с хитровывернутым условием и "надо работу своего алгоритма хоть немного представлять".

[@fahrenheit1863]

А как учитывать сложность когда используются функции ЯП, например есть цикл по массиву и происходит проверка на определенное условие на каждой итерации(поиск значения например). Получается O(n**2) ведь метод тоже будет проходить по массиву???

[@Gigasharik5]

да, n в квадрате

[@paitor1024]

Контент топ

[@-hellsbook9599]

А откуда брался материал? Пытаюсь найти что то по теме, но практически ничего нет. Автор, поделись источниками пожалуйста

[@Alexander_Gordeev]

В комментариях упоминалась книга "Грокаем алгоритмы"

[@Vasilev_Nik]

Привет Алексей, подскажи, пожалуйста, язык тетраций(гипероператоры) в каком-то языке уже реализован? Для рассчета гипербольших чисел например, по типу числа Грэма или TREE. Было бы ещё интересно ролик на эту тему увидеть, хоть он и не совсем к программированию относится, но все таки будет полезен тем кто хочет в этой теме разобраться, да и кроме как с помощью компьютеров их не высчитать, так что полезно будет знать тем кто с биг датой работает.

[@spuffik9235]

Для работы с большими числами я юзал самописные алгоритмы. Число хранятся как строка. Для нахождения суммы двух чисел берётся текущая цифра и следующий за ним разряд. Цифры суммируются, и если сумма больше 10, то увеличиваю следующий разряд на +1 (снова вызывается функция сложения, только берётся на вход единица, текущий разряд и следующий). Алгоритм переваривает любые числа с плавающей запятой. Для умножения, возведения в степень и тд расписывать не буду, ибо всё предельно ясно как делать

[@user-pq7dj1ny4h]

Короче, нужно избегать вложенных циклов и применять бинарный поиск с быстрой сортировкой.

[@helloypiple3281]

Надеюсь у тебя подписчики ростут со скоростью O(n^2) Это будет заслуженно

[@theRedBaronUA]

Начинаю думать, что профессия уборщика тоже вполне престижная и достойная

[@user-fn5hz4ud2r]

Уборщика кода?

[@ivanrussui4126]

жесть какая

[@darkflameshadow3120]

Кайфанул от интеллектуального наслаждения.