Наиболее распространенные типы баз данных:

1. Реляционные базы данных: это самый распространенный тип баз данных, основанный на модели реляционной алгебры. Данные организованы в виде таблиц с рядами и столбцами, а связи между таблицами задаются с использованием ключевых полей.

2. Иерархические базы данных: данные в таких базах организованы в виде древовидной структуры, где каждая запись имеет только одного родителя и может иметь несколько дочерних элементов.

3. Сетевые базы данных: данные в них организованы в виде графа, где каждая запись может иметь несколько родителей и дочерних элементов.

4. Объектно-ориентированные базы данных: позволяют хранить объекты и их свойства, а также взаимосвязи и наследование между объектами.

5. XML базы данных: хранят данные в формате XML, что упрощает работу с структурированными данными.

6. NoSQL базы данных: этот тип баз данных не использует классическую модель таблиц и SQL для работы с данными. Вместо этого, данные хранятся в гибких и масштабируемых структурах. Некоторые подтипы NoSQL баз данных включают документоориентированные, столбцовые, графовые и ключ-значение базы данных.

7. Распределенные базы данных: данные в таких базах разделены на несколько физических узлов или серверов, что позволяет распределить нагрузку и обеспечить высокую доступность.

8. Ин-мемори базы данных: данные хранятся и обрабатываются в оперативной памяти компьютера, что позволяет получить высокую скорость доступа и обработки данных.

Принципы работы кеша:

Принцип локальности: Если данные были запрошены один раз, есть высокая вероятность, что они будут запрошены снова в ближайшем будущем. Поэтому кеш сохраняет эти данные для быстрого доступа.

Иерархическая структура: Кеш организуется в иерархической структуре с несколькими уровнями. Более высокий уровень находится ближе к процессору и обладает более быстрым доступом, но меньшей емкостью.

Замена данных: Когда кеш заполняется, требуется освободить место для новых данных. Алгоритмы замены определяют, какие данные вытеснить для освобождения места.

Когерентность: Кеш-память может быть использована несколькими компонентами одновременно. Протоколы когерентности гарантируют согласованность данных, синхронизируя их между кешами.

Существует несколько типов SSL-сертификатов, которые различаются по уровню проверки, количеству защищаемых доменов и назначению. Подробная классификация:

1. По уровню проверки (Validation Level)

• DV (Domain Validation)
- Проверка: только право владения доменом (через e-mail, DNS-запись или файл на сервере).
- Срок выпуска: несколько минут.
- Назначение: для блогов, личных сайтов, тестовых проектов.
- Пример: https://myblog.com
- В адресной строке: только замок (без названия организации).
Плюсы: быстро, дешево.
Минусы: минимальная доверенность (проверяется только домен).

• OV (Organization Validation)
- Проверка: владелец домена и организация (через официальные документы).
- Срок выпуска: 1–3 дня.
- Назначение: корпоративные сайты, интернет-магазины.
- В адресной строке: замок + информация о компании в сертификате.
Плюсы: повышенное доверие.
Минусы: дольше оформление, дороже.

• EV (Extended Validation)
- Проверка: самая строгая — юридический статус, адрес, контактные данные.
- Срок выпуска: 3–7 дней.
- Назначение: банки, крупные компании, госорганы.
- В адресной строке: раньше показывало название компании рядом с замком (в современных браузерах убрали, но в сертификате данные остаются).
Плюсы: максимальное доверие.
Минусы: дорогой и долго оформляется.

2. По количеству защищаемых доменов

• Single Domain SSL
- Защищает только один домен, например:
→ example.com
(иногда вместе с www.example.com)

• Wildcard SSL
- Защищает домен и все его поддомены.
→ *.example.com
(включая mail.example.com, shop.example.com, и т.д.)
Плюсы: удобно и экономно при множестве поддоменов.
Минусы: не защищает другие домены.

• Multi-Domain (SAN / UCC SSL)
- Защищает несколько разных доменов в одном сертификате.
→ example.com, example.net, myshop.org
Плюсы: удобно для компаний с несколькими сайтами.
Минусы: дороже, сложнее управлять.

3. По назначению

• Code Signing SSL — для подписания программного кода (а не сайтов).
• Email (S/MIME) — для шифрования и подписи электронной почты.
• Client Authentication — для идентификации пользователей при входе в систему.
• Document Signing — для электронной подписи документов.

Сравнение файловых систем

Файловая система - это метод организации и хранения данных на запоминающем устройстве. Существует множество различных файловых систем, каждая со своими преимуществами и недостатками.

Основные типы файловых систем:

• FAT (File Allocation Table) - простая и распространенная файловая система, используемая в ранних версиях Windows и на съемных носителях.
• NTFS (New Technology File System) - более современная файловая система, используемая в современных версиях Windows. Поддерживает большие файлы и тома, а также расширенные атрибуты и безопасность.
• ext4 - файловая система, используемая в Linux. Известна своей надежностью, производительностью и поддержкой больших файлов.
• XFS - еще одна файловая система, используемая в Linux. Оптимизирована для больших файлов и высокой производительности.
• ZFS - файловая система с открытым исходным кодом, известная своей надежностью, поддержкой больших объемов данных и расширенными функциями управления данными.

Выбор файловой системы:

- Для съемных носителей (например, USB-накопителей) подойдет FAT.
- Для настольных компьютеров и ноутбуков с Windows рекомендуется использовать NTFS.
- Для серверов и рабочих станций Linux с большими объемами данных подойдут ext4 или XFS.
- Для приложений, требующих высокой надежности и расширенных функций управления данными, рекомендуется использовать ZFS.

DevSecOps — интеграция практик безопасности в процесс разработки программного обеспечения и операционных процессов, который часто используется в рамках подхода DevOps. Термин состоит из трех частей:

Dev — разработка (Development)
Sec — безопасность (Security)
Ops — операционные процессы (Operations)

Идея DevSecOps заключается в том, чтобы обеспечивать безопасность на всех этапах разработки и эксплуатации ПО, а не только в конце, когда продукт уже готов. Это подход, который встраивает процессы безопасности в непрерывную интеграцию (CI), непрерывное развертывание (CD) и управление инфраструктурой.

Основные принципы DevSecOps:

• Интеграция безопасности с самого начала: Вместо того чтобы "добавлять" безопасность в конце процесса разработки, её рассматривают как неотъемлемую часть всего жизненного цикла разработки.

• Автоматизация процессов безопасности: Использование инструментов для автоматического тестирования и проверки кода на наличие уязвимостей.

• Обратная связь в реальном времени: Разработчики получают уведомления о потенциальных проблемах безопасности во время написания и тестирования кода, что позволяет быстро их устранять.

• Совместная работа команд: DevSecOps способствует тесному взаимодействию между командами разработчиков, специалистов по безопасности и операционными командами для обеспечения качественного и безопасного ПО.

• Постоянная защита и мониторинг: Мониторинг безопасности осуществляется на всех этапах разработки и эксплуатации.

x86

• Происхождение: Разработана Intel в конце 1970-х годов.
• Особенности:
- CISC (Complex Instruction Set Computing) архитектура, что означает наличие большого набора сложных инструкций.
- Широко используется в настольных компьютерах, ноутбуках и серверах.
- Обеспечивает высокую производительность и совместимость с большим количеством программного обеспечения.
• Производители: Intel, AMD.

ARM
• Происхождение: Разработана компанией ARM Holdings в 1980-х годах.
• Особенности:
- RISC (Reduced Instruction Set Computing) архитектура, что предполагает упрощенный набор инструкций для повышения эффективности.
- Энергоэффективность, что делает её популярной в мобильных устройствах, таких как смартфоны и планшеты.
- Лицензируется другим компаниям, что позволяет широкое разнообразие реализаций.
• Производители: Qualcomm, Apple, Samsung и другие.

RISC-V
• Происхождение: Разработана в Калифорнийском университете в Беркли в 2010-х годах.
• Особенности:
- Открытая и свободная RISC архитектура, что позволяет любому использовать и модифицировать её без лицензионных отчислений.
- Высокая гибкость и возможность настройки под конкретные задачи.
- Быстро набирает популярность в научных и промышленных кругах благодаря своей открытости.
• Производители: SiFive, Western Digital и другие.

Помимо x86, ARM и RISC-V, существуют и другие архитектуры процессоров, каждая из которых имеет свои особенности и области применения:

MIPS
• Происхождение: Разработана в 1980-х годах в Стэнфордском университете.
• Особенности:
- RISC-архитектура.
- Используется в встраиваемых системах и сетевом оборудовании.
• Применение: Роутеры, игровые консоли.

PowerPC
• Происхождение: Разработана совместно IBM, Apple и Motorola в 1990-х годах.
• Особенности:
- RISC-архитектура.
- Использовалась в компьютерах Apple до перехода на Intel.
• Применение: Серверы, встраиваемые системы.

SPARC
• Происхождение: Разработана Sun Microsystems в 1980-х годах.
• Особенности:
- RISC-архитектура.
- Используется в серверах и высокопроизводительных вычислениях.
• Применение: Серверы, рабочие станции.

Itanium
• Происхождение: Разработана Intel и Hewlett-Packard.
• Особенности:
- Архитектура IA-64.
- Предназначена для серверов и рабочих станций.
• Применение: Высокопроизводительные серверы (хотя сейчас менее популярна).

Z/Architecture
• Происхождение: Разработана IBM.
• Особенности:
- Используется в мейнфреймах.
- Поддерживает высокую надежность и масштабируемость.
• Применение: Банковские системы, крупные корпоративные сети.

Если вы работаете с Qt на C++, вы наверняка видели файлы с расширением .ui

Что такое .ui файл?

.ui — файл интерфейса пользователя, создаваемый в Qt Designer.
Он описывает все виджеты (кнопки, поля ввода, метки, окна), их свойства и макеты в формате XML.

Пример содержимого .ui файла:

<ui version="4.0">
 <class>MainWindow</class>
 <widget class="QMainWindow" name="MainWindow">
  <widget class="QPushButton" name="pushButton">
   <property name="text">
    <string>Нажми меня</string>
   </property>
  </widget>
 </widget>
</ui>

Зачем нужен uic?

uic (User Interface Compiler) — это утилита, которая компилирует .ui файл в C++ заголовочный файл, обычно с именем ui_<имя_формы>.h.

Пример команды:
uic mainwindow.ui -o ui_mainwindow.h

После этого вы получаете класс Ui::MainWindow, который содержит все виджеты и методы для их инициализации.

Как использовать с C++

Подключаем сгенерированный заголовочный файл:

#include "ui_mainwindow.h"
#include <QMainWindow>

class MainWindow : public QMainWindow {
    Q_OBJECT
public:
    MainWindow(QWidget *parent = nullptr) : QMainWindow(parent) {
        ui.setupUi(this);  // Настраивает интерфейс
    }
private:
    Ui::MainWindow ui;
};

Всё! Теперь у вас есть полностью рабочий GUI на C++.

Автоматическая компиляция .ui файлов

В больших проектах запускать uic вручную неудобно. Обычно это делается автоматически:

• CMake:
set(CMAKE_AUTOMOC ON)
set(CMAKE_AUTOUIC ON) # Автоматически компилирует .ui файлы
find_package(Qt5 COMPONENTS Widgets REQUIRED)
add_executable(MyApp main.cpp)
target_link_libraries(MyApp Qt5::Widgets)

• qmake: .pro файл автоматически обрабатывает все .ui файлы.

Таким образом, при сборке проекта uic сгенерирует все нужные заголовочные файлы без вашего вмешательства.

Популярные системы сборки — коротко и по существу

C / C++
• Make — дед всех сборщиков. Просто, но больно на больших проектах.
• CMake — стандарт для C++, генерирует подо всё, от Visual Studio до Ninja. Настроил один раз — и забыл.
• Ninja — летает. Минимализм и скорость, но без генератора не обойтись.
• Meson — современный и понятный. Пишешь конфиг, а остальное делает сам.

Java / Kotlin
• Maven — строгий, надёжный, как бухгалтер. XML, но зато стабильно.
• Gradle — гибкий и умный. Kotlin DSL, кэш, плагины — идеально для Android.
• Ant — старичок. Всё вручную, без зависимостей. Только если проект с археологических времён.

JavaScript / TypeScript
• npm scripts — минимализм. Для мелких задач — норм, для монстров — нет.
• Webpack — тяжёлый, но делает всё. Настроить — целое приключение.
• Vite — быстрый, лёгкий, без боли. Для фронтенда XXI века.
• Rollup — идеален для библиотек, чистая сборка без мусора.
• esbuild / Parcel — “включил и поехал”. Молниеносные и почти без настроек.

Python
• setuptools — классика. Работает, но старомодно.
• Poetry — современный подход: зависимости, сборка, публикация — всё в одном.

Rust
• Cargo — лучший пример, как должна выглядеть система сборки. Просто, быстро, всё встроено.

Go
• go build — минимализм в чистом виде. Один файл — одна команда — готово.

Кросс-языковые
• Bazel — для монореп и гигантов вроде Google. Кэш, параллель, масштаб.
• Buck / Pants / Please — те же идеи, другие акценты. Подходят, если у тебя тысяча микросервисов.

Кодеки — это устройства или программы, которые сжимают и распаковывают мультимедийные данные, такие как аудио и видео. Название «кодек» происходит от слов coder-decoder — «кодер-декодер».

Вот как они работают:

1. Сжатие (кодирование)

Когда вы записываете видео или аудио, исходные данные занимают очень много места. Например, одна минута видео в высоком разрешении без сжатия может занимать гигабайты.

Кодек уменьшает размер файла двумя основными способами:

a) Потеря информации (lossy)
• Примеры: MP3 (аудио), H.264 (видео), AAC (аудио)
• Убираются «неважные» детали, которые человеческое ухо или глаз практически не замечает.
• Преимущество: файлы маленькие
• Недостаток: при многократной перезаписи качество теряется

b) Без потерь (lossless)
• Примеры: FLAC (аудио), PNG (изображения), FFV1 (видео)
• Сжимается файл без потери качества, полностью можно восстановить оригинал
• Преимущество: качество 100%
• Недостаток: сжатие не такое сильное, как у lossy

2. Хранение

После сжатия данные сохраняются в файле или потоке, например .mp3, .mp4, .mkv.
Файл содержит кодированные данные и иногда дополнительную информацию (метаданные, субтитры, обложки и т.д.).

3. Воспроизведение (декодирование)

Когда вы воспроизводите файл, кодек раскодирует его обратно в форму, которую может обработать динамик или экран:
• Кодек читает сжатые данные
• Преобразует их в поток аудио/видео
• Отправляет на устройство вывода

Если кодек не установлен, файл не откроется, потому что система не знает, как интерпретировать данные.

4. Примеры популярных кодеков
Видео: H.264, H.265 (HEVC), VP9, AV1
Аудио: MP3, AAC, Opus, FLAC

Сигналы прерывания в зависимости от источника возникновения делятся на два основных типа:

1. Внутренние (или программные, синхронные) прерывания — возникают внутри процессора в результате выполнения инструкций программы.
Примеры:
• Деление на ноль;
• Ошибка страницы (page fault);
• Выполнение специальной инструкции программного прерывания (например, INT в x86);
• Переполнение арифметической операции.

2. Внешние (или аппаратные, асинхронные) прерывания — возникают вне процессора, от внешних устройств или по внешним сигналам.
Примеры:
• Сигнал от таймера;
• Сигнал от клавиатуры, мыши, сетевого адаптера и других периферийных устройств;
• Аппаратный сброс.

Иногда внешние прерывания дополнительно подразделяют на:

• Маскируемые — могут быть временно запрещены программно (например, с помощью флага разрешения прерываний).
• Немаскируемые (NMI — Non-Maskable Interrupts) — всегда обрабатываются, даже если остальные прерывания запрещены (обычно для сигналов аварийных состояний).

Web scraping

Скрапинг — стандартная процедура для сбора необходимой информации. Для этих целей применяется специализированное программное обеспечение. 

С помощью веб-скрейпинга информация собирается в автоматическом режиме по заданным параметрам, структурируется и записывается в файл для дальнейшего анализа. 

Такой метод подходит для сбора статистики, стоимости различных офферов, получения данных о товарах в каталогах.

Законно ли это? Если боитесь собирать данные с сайтов, то лучше не стоит, но все, что находится в открытом доступе, можно собирать.

Видеокарта (или GPU — Graphics Processing Unit) устройство, которое обрабатывает графические данные для отображения изображений на экране. Она ускоряет задачи, связанные с графикой, такими как игры, видеоредактирование, 3D-моделирование и машинное обучение. Основная задача — преобразовывать данные в визуальные пиксели, которые монитор может показать.

Основные компоненты видеокарты

Видеокарта состоит из нескольких ключевых частей, работающих вместе:

• GPU (графический процессор): Основной "мозг". Это множество ядер (сотни или тысячи), оптимизированных для параллельных вычислений. В отличие от CPU (центрального процессора), GPU лучше справляется с повторяющимися задачами, как обработка пикселей.
• Видеопамять (VRAM): Специальная память (например, GDDR6 или HBM) для хранения текстур, моделей и промежуточных данных. Она быстрая и работает независимо от оперативной памяти компьютера.
• Шина данных (PCIe): Связь с материнской платой и CPU. Через неё передаются команды и данные.
• Контроллеры и интерфейсы: Включают HDMI/DisplayPort для вывода на экран, кулеры для охлаждения и питание (через разъёмы на карте).

Как работает видеокарта: пошаговый процесс

Работа видеокарты можно описать как конвейер обработки данных. Вот упрощённая схема:

1. Получение данных: CPU отправляет задачу (например, рендеринг сцены в игре) через PCIe. Данные включают 3D-модели, текстуры и инструкции.

2. Обработка на GPU:

• Вершинный шейдер: Преобразует координаты объектов (вершин) в 3D-пространстве, применяя трансформации (вращение, масштабирование).
• Растеризация: Преобразует 3D-данные в 2D-изображение, разбивая на пиксели.
• Пиксельный (фрагментный) шейдер: Вычисляет цвет каждого пикселя, учитывая освещение, текстуры и эффекты (тени, отражения). Здесь используется параллельная обработка на множестве ядер.
• Дополнительные этапы: Могут включать постобработку (антиалиасинг, bloom) и вычисления для AI (например, в RTX-картах NVIDIA с DLSS).

3. Хранение и вывод: Результаты хранятся в VRAM, затем передаются на монитор через интерфейсы. Видеокарта может обрабатывать несколько кадров в секунду (FPS), обеспечивая плавность.

Примеры и аналогии

• Аналогия: Представьте GPU как конвейер на фабрике. CPU — менеджер, который даёт задания, а GPU — рабочие, которые быстро собирают детали (пиксели) параллельно.
• Производительность: Современные карты вроде NVIDIA RTX 40-series или AMD RX 7000-series могут обрабатывать миллиарды операций в секунду. Для сравнения, в играх видеокарта может рендерить 4K-изображение при 60 FPS, используя тысячи ядер.

LLM расшифровывается как Large Language Model (Большая языковая модель).

Это тип ИИ, основанный на машинном обучении, который обучен на огромных объемах текстовых данных для понимания, генерации и обработки человеческого языка. Такие модели способны выполнять задачи, связанные с текстом, такие как ответы на вопросы, перевод, написание статей, генерация кода или даже творческие задачи (например, сочинение стихов).

Как работают LLM?

• Обучение: Модели обучаются на миллиардах слов из книг, статей, веб-сайтов и других источников. Они используют нейронные сети (часто трансформеры, как в архитектуре Transformer) для предсказания следующего слова в предложении на основе контекста.
• Размер: "Large" указывает на огромные параметры — миллиарды или триллионы весов в модели, что требует мощных компьютеров для обучения и запуска.
• Примеры технологий: Они основаны на алгоритмах вроде GPT (Generative Pre-trained Transformer), BERT (Bidirectional Encoder Representations from Transformers) или LaMDA от Google.

Ограничения

LLM могут "галлюцинировать" (генерировать неправдивую информацию), быть предвзятыми (из-за данных обучения) или требовать много ресурсов. Они не "понимают" мир как люди — это статистическое предсказание на основе паттернов.

Машинное обучение — область ИИ, где модели обучаются на данных для выполнения задач, таких как предсказание, классификация или кластеризация.

Алгоритмы ML делятся на категории: обучение с учителем, без учителя и с подкреплением.

Алгоритмы обучения с учителем:

Здесь модель обучается на размеченных данных (с входами и правильными выходами).

• Линейная регрессия: Предсказывает непрерывные значения, минимизируя ошибку между предсказанием и реальностью. Пример: прогноз цен на недвижимость на основе площади и расположения. Преимущества: простота и интерпретируемость.

• Логистическая регрессия: Классифицирует данные в бинарные категории (да/нет). Пример: определение, одобрить ли кредит по финансовым данным. Преимущества: эффективность для больших наборов данных.

• Деревья решений: Строит дерево правил на основе признаков. Пример: диагностика заболеваний по симптомам. Преимущества: легко визуализировать и интерпретировать.

• Случайный лес: Ансамбль деревьев решений для улучшения точности. Пример: классификация спама в email. Преимущества: устойчив к переобучению.

• Метод опорных векторов: Находит гиперплоскость для разделения классов. Пример: распознавание рукописных цифр. Преимущества: хорош для высокомерных данных.

• Нейронные сети (включая глубокое обучение): Многослойные модели, имитирующие мозг. Пример: распознавание изображений в компьютерном зрении. Преимущества: мощны для сложных задач, но требуют много данных.

Алгоритмы обучения без учителя:

Здесь модель находит паттерны в неразмеченных данных.

• K-средних: Группирует данные в кластеры по сходству. Пример: сегментация клиентов по покупкам. Преимущества: простота и скорость.

• Иерархическая кластеризация: Строит дерево кластеров. Пример: анализ генетических данных. Преимущества: не требует задания числа кластеров заранее.

• Метод главных компонент: Снижает размерность данных, сохраняя ключевую информацию. Пример: сжатие изображений. Преимущества: уменьшает шум и ускоряет вычисления.

Алгоритмы обучения с подкреплением:

Модель учится через взаимодействие с окружением, получая награды.

• Q-обучение: Агент учится оптимальной стратегии. Пример: обучение агента играть в шахматы или управлять роботом. Преимущества: подходит для динамических задач, как игры или автономное вождение.

Распределение Пуассона для моделирования сетевых пакетов

Распределение Пуассона — простой способ описать, сколько случайных событий может произойти за определенное время. Оно подходит, когда события редкие, независимые друг от друга и происходят с постоянной средней скоростью.

В компьютерных сетях это идеально для моделирования прибытия пакетов данных — маленьких порций информации, которые передаются между устройствами.

Зачем оно нужно в сетях?

• Моделирование трафика: Представьте, что пакеты приходят на сервер, как посетители в магазин. Если в среднем приходит 5 пакетов в минуту, Пуассоновское распределение помогает предсказать, сколько их может быть в следующий раз — 3, 7 или ни одного.
• Оценка нагрузки: Оно используется в моделях очередей, чтобы понять, не "затормозится" ли сеть. Например, если пакетов слишком много, сервер может не справиться, и данные потеряются.
• Анализ проблем: В реальных сетях (как интернет или локальная сеть) пакеты прибывают случайно. Если трафик не соответствует этому распределению, это может сигнализировать о проблеме, как хакерская атака.

Простой пример
Допустим, в минуту в среднем прибывает 5 пакетов. Распределение Пуассона говорит:

• Вероятность, что прибудет ровно 3 пакета, около 14% (довольно часто).
• Вероятность, что ни одного — очень маленькая, около 0.7% (редко, потому что сеть активна).
• Среднее число пакетов всегда равно 5, а разброс тоже около 5.

Это помогает инженерам планировать сети: добавлять больше мощности, если среднее растет.

Пример кода на Python (простая симуляция)
Генерирует случайные числа пакетов и показывает среднее:

import numpy as np

# Среднее: 5 пакетов в минуту
lambda_rate = 5

# Симуляция 1000 минут
packets = np.random.poisson(lambda_rate, 1000)

# Среднее из симуляции
print(f"Среднее количество пакетов: {np.mean(packets):.2f}")

Запустите его (нужен Python с numpy: pip install numpy), и увидите, что среднее близко к 5.

Императивное программирование: когда программа — это последовательность шагов

Императивное программирование — это самый «естественный» для человека способ описывать алгоритмы: делай раз, делай два, делай три.

Программа в этой парадигме состоит из команд, которые изменяют состояние — значения переменных, память, содержимое файлов и т. д.

Основные признаки:
• есть переменные, которые можно менять;
• есть инструкции (assignments, циклы, условия);
• программа — это последовательность действий.

Простой пример (Python)
# Находим сумму чисел от 1 до n
n = 5
s = 0

for i in range(1, n + 1):
s += i

print(s) # 15

Здесь мы явно изменяем состояние:
• создаём переменную s,
• увеличиваем её в цикле.

Примеры языков:
• C, C++, Java
• Python (когда используем циклы и изменяемые переменные)
• JavaScript (в императивном стиле)

Когда применять:
• Нужна высокая производительность.
• Логика естественна как последовательность операций.
• Важен контроль над состоянием: работа с памятью, сетевыми протоколами, системами реального времени.

Функциональное программирование: когда программа — это математика

Функциональная парадигма основана на идее, что вычисления — это применение функций, которые не изменяют состояние.

Главное правило:
Функция при одинаковых входных данных всегда возвращает один и тот же результат и не имеет побочных эффектов.

Основные признаки:
• отсутствие изменяемых переменных;
• функции как «граждане первого класса»;
• рекурсия вместо циклов;
• map, filter, reduce;
• композиция функций.

Пример (Python, функциональный стиль):

Посчитаем сумму чисел от 1 до n без циклов и изменяемых переменных.

from functools import reduce

n = 5
result = reduce(lambda a, b: a + b, range(1, n + 1))
print(result) # 15

Или ещё более функционально — через встроенную функцию:
sum(range(1, n + 1))
Никакого изменения состояния — просто применяем функции к данным.

Примеры языков:
• Haskell
• F#
• Lisp, Clojure
• JavaScript (частично)
• Python (частично)

Когда применять:
• Много параллельных вычислений — отсутствие модификации состояния делает код потокобезопасным.
• Нужна ясная математическая логика.
• Хотите писать компактный и легко тестируемый код.

Объектно-ориентированное программирование: когда всё — это объекты

Объектно-ориентированное программирование (ООП) моделирует программу как набор объектов, которые представляют сущности мира и взаимодействуют между собой.

Основные принципы ООП:
• Инкапсуляция — скрываем внутреннее устройство объекта.
• Наследование — один класс может расширять другой.
• Полиморфизм — общий интерфейс, разные реализации.
• Абстракция — выделение значимых свойств сущности.

Пример на Python

Создадим простую иерархию животных.
class Animal:
def speak(self):
pass

class Dog(Animal):
def speak(self):
return "Гав!"

class Cat(Animal):
def speak(self):
return "Мяу!"

animals = [Dog(), Cat()]

for a in animals:
print(a.speak())

Вывод:
Гав!
Мяу!

Здесь работает полиморфизм: метод speak() вызывается одинаково, но ведёт себя по-разному.

Примеры языков:
• Java
• C#
• Python (полностью поддерживает ООП)
• C++
• Swift

Когда применять:
• Когда нужно моделировать сложные сущности и отношения.
• Для больших проектов.
• В бизнес-логике, где есть объекты: пользователи, документы, счета.

Логическое программирование: когда программа — это набор фактов и правил

Логическое программирование основано на идее, что программа — это знание, а выполнение — это логический вывод.
То есть вместо того, чтобы объяснять компьютеру как найти ответ, вы описываете что является истинным, а система сама выводит результат.

Главный представитель — язык Prolog.

Основные концепции:
• Факты — утверждения об объекте или отношении.
• Правила — логические зависимости между фактами.
• Запросы (queries) — вопросы к программе.
• Унификация — сопоставление шаблонов.
• Поиск решения — Prolog сам перебирает варианты и находит подходящие.

Пример: семейные отношения (Prolog)

Факты:
parent(anna, ivan).
parent(sergey, ivan).
parent(ivan, dima).


Это означает:
Анна — родитель Ивана
Сергей — родитель Ивана
Иван — родитель Димы

Правило:
grandparent(X, Y) :- parent(X, Z), parent(Z, Y).

Значение:
X — дед/бабушка Y, если X — родитель Z, а Z — родитель Y.

Запрос:
?- grandparent(X, dima).

Ответ Prolog:
X = anna ;
X = sergey ;
false.

Компьютер сам делает логический вывод. Нам не нужно описывать алгоритм — только знания.

Где применяется логическое программирование:
• экспертные системы,
• поиск решений в сложных логических задачах,
• искусственный интеллект (классические подходы),
• автоматические доказатели теорем,
• анализ и трансформация программ.