Forwarded from Ruslan Senatorov | Реверс-Инжиниринг Data Science (Senatorov)
Media is too big
VIEW IN TELEGRAM
Что такое рекурсия в Python?🐍 (Числа Фибоначчи):
Спикеры: Виктория и Ирина
00:00:00 Введение в тему Фибоначчи
00:00:58 Рекурсивный алгоритм Фибоначчи
00:02:58 Стек вызовов
00:04:23 Логика алгоритма Фибоначчи
00:07:44 Реализация в среде разработки
00:12:34 Завершение алгоритма
00:16:10 Рекурсия и стек
00:17:07 Измерение времени выполнения функции
00:18:06 Анализ времени выполнения при разных параметрах
00:20:40 Ограничения рекурсии в Python
00:22:38 Стресс-тестирование системы
00:23:38 Проблемы повторных вычислений
00:24:15 Геометрическая интерпретация времени выполнения
00:27:11 Обработка ошибок в Python
00:28:50 Хвостовая оптимизация в Python
00:30:05 Математический анализ алгоритма
00:32:17 Тестирование алгоритма на трёх элементах
00:33:55 Факториальная вычислительная сложность
00:34:36 Точка невозврата
00:35:52 Оптимизация алгоритмов
00:39:05 Мемоизация
00:40:27 Треугольник Паскаля
00:43:29 Золотое сечение и спираль Фибоначчи
00:46:55 Прямоугольник Фибоначчи
00:47:47 Золотой угол и Фибоначчи
00:48:51 Фракталы и множество Мандельброта
00:50:32 Переход к асимптотике и оптимизации
00:51:26 Дебаггинг алгоритма
00:55:04 Вычисление аргументов функции
01:00:22 Переход на следующую строчку
01:02:08 Сложение чисел Фибоначчи
01:04:01 Завершение дебаггинга
01:04:04 Работа стека вызовов
01:04:58 Операции на одной строке
01:06:19 Вопросы о стеке
01:08:08 Лифо и структуры данных
01:11:15 Применение стека в жизни
01:13:33 Анонс следующей презентации о динамическом программировании и мемоизации.
Предыдущие презентации.
Функции и их особенности в Python.
Алгоритмы и структуры данных в Python.
Реверс-инжиниринг Python кода для Линейной Регрессии
Объектно-ориентированное программирование (ООП) на Python
9 крутых фишек python
#python #алгоритмы #Фибоначчи
Ютуб | Школа Data Science | Чат
Спикеры: Виктория и Ирина
00:00:00 Введение в тему Фибоначчи
00:00:58 Рекурсивный алгоритм Фибоначчи
00:02:58 Стек вызовов
00:04:23 Логика алгоритма Фибоначчи
00:07:44 Реализация в среде разработки
00:12:34 Завершение алгоритма
00:16:10 Рекурсия и стек
00:17:07 Измерение времени выполнения функции
00:18:06 Анализ времени выполнения при разных параметрах
00:20:40 Ограничения рекурсии в Python
00:22:38 Стресс-тестирование системы
00:23:38 Проблемы повторных вычислений
00:24:15 Геометрическая интерпретация времени выполнения
00:27:11 Обработка ошибок в Python
00:28:50 Хвостовая оптимизация в Python
00:30:05 Математический анализ алгоритма
00:32:17 Тестирование алгоритма на трёх элементах
00:33:55 Факториальная вычислительная сложность
00:34:36 Точка невозврата
00:35:52 Оптимизация алгоритмов
00:39:05 Мемоизация
00:40:27 Треугольник Паскаля
00:43:29 Золотое сечение и спираль Фибоначчи
00:46:55 Прямоугольник Фибоначчи
00:47:47 Золотой угол и Фибоначчи
00:48:51 Фракталы и множество Мандельброта
00:50:32 Переход к асимптотике и оптимизации
00:51:26 Дебаггинг алгоритма
00:55:04 Вычисление аргументов функции
01:00:22 Переход на следующую строчку
01:02:08 Сложение чисел Фибоначчи
01:04:01 Завершение дебаггинга
01:04:04 Работа стека вызовов
01:04:58 Операции на одной строке
01:06:19 Вопросы о стеке
01:08:08 Лифо и структуры данных
01:11:15 Применение стека в жизни
01:13:33 Анонс следующей презентации о динамическом программировании и мемоизации.
Предыдущие презентации.
Функции и их особенности в Python.
Алгоритмы и структуры данных в Python.
Реверс-инжиниринг Python кода для Линейной Регрессии
Объектно-ориентированное программирование (ООП) на Python
9 крутых фишек python
#python #алгоритмы #Фибоначчи
Ютуб | Школа Data Science | Чат
Please open Telegram to view this post
VIEW IN TELEGRAM
Media is too big
VIEW IN TELEGRAM
14.01.2026 Созвон в 3 группе #datascience #machinelearning #python
00:00:00 Система раундового обучения позволяет углублять знания постепенно.
00:00:52 Акцент на ключевых курсах
00:02:41 Оптимизация процесса обучения
00:03:40 Раундовое обучение
00:05:19 Взаимодействие в группе
00:10:14 Политика школы
00:11:06 Обратная связь от Михаила
00:13:27 Использование SVD в курсах
00:15:03 Сроки прохождения курсов
00:17:13 Третья группа курсов
00:18:06 Градиентный спуск
00:19:34 Регуляризация в датасайнс
00:20:33 Фундамент для будущих курсов
00:22:23 Цель курсов
00:23:22 Знакомство со Светланой
00:25:28 Технические проблемы
00:26:39 Введение и личные впечатления
00:27:31 Взаимодействие в команде
00:28:38 Подход к обучению
00:30:32 Методы оптимизации
00:32:17 Функция потерь и мультиколлинеарность
00:34:09 Понимание машинного обучения
00:35:00 Градиентный спуск
00:36:57 Калибровка и разделение математических блоков
00:38:36 Завершение
00:39:05 Завершение раздела с алгебраическими структурами
00:40:18 Уровень понимания линейного пространства
00:41:25 Применение SVD в датасайнс
00:43:45 Абстракция в обучении
00:45:26 Раундовая система обучения
00:47:21 Роль сайта arXiv в исследованиях
00:48:17 Прогресс на уровне сеньоров
00:49:09 Глубина знаний в датасайнс
00:50:07 Интенсивное обучение
00:51:03 Подводящие курсы
00:52:02 Практические занятия
00:53:43 Обратная связь от студентов
00:56:16 Глоссарий и хелперы
01:00:10 Калибровка и тестирование
01:00:47 Цели курсов
01:01:41 Акценты в курсах
01:02:13 Взаимодействие со студентами
01:02:54 Опыт Павла
01:03:55 Планы Павла
01:04:50 Правила прохождения курсов
01:05:27 Курс по опенсорсу
01:10:01 Взаимодействие с новыми студентами
01:15:00 Технические проблемы
01:16:02 Приглашение на курс по Python
01:16:44 Обновление курсов
01:17:32 Модификации курсов
01:18:15 Завершение созвона
00:00:00 Система раундового обучения позволяет углублять знания постепенно.
00:00:52 Акцент на ключевых курсах
00:02:41 Оптимизация процесса обучения
00:03:40 Раундовое обучение
00:05:19 Взаимодействие в группе
00:10:14 Политика школы
00:11:06 Обратная связь от Михаила
00:13:27 Использование SVD в курсах
00:15:03 Сроки прохождения курсов
00:17:13 Третья группа курсов
00:18:06 Градиентный спуск
00:19:34 Регуляризация в датасайнс
00:20:33 Фундамент для будущих курсов
00:22:23 Цель курсов
00:23:22 Знакомство со Светланой
00:25:28 Технические проблемы
00:26:39 Введение и личные впечатления
00:27:31 Взаимодействие в команде
00:28:38 Подход к обучению
00:30:32 Методы оптимизации
00:32:17 Функция потерь и мультиколлинеарность
00:34:09 Понимание машинного обучения
00:35:00 Градиентный спуск
00:36:57 Калибровка и разделение математических блоков
00:38:36 Завершение
00:39:05 Завершение раздела с алгебраическими структурами
00:40:18 Уровень понимания линейного пространства
00:41:25 Применение SVD в датасайнс
00:43:45 Абстракция в обучении
00:45:26 Раундовая система обучения
00:47:21 Роль сайта arXiv в исследованиях
00:48:17 Прогресс на уровне сеньоров
00:49:09 Глубина знаний в датасайнс
00:50:07 Интенсивное обучение
00:51:03 Подводящие курсы
00:52:02 Практические занятия
00:53:43 Обратная связь от студентов
00:56:16 Глоссарий и хелперы
01:00:10 Калибровка и тестирование
01:00:47 Цели курсов
01:01:41 Акценты в курсах
01:02:13 Взаимодействие со студентами
01:02:54 Опыт Павла
01:03:55 Планы Павла
01:04:50 Правила прохождения курсов
01:05:27 Курс по опенсорсу
01:10:01 Взаимодействие с новыми студентами
01:15:00 Технические проблемы
01:16:02 Приглашение на курс по Python
01:16:44 Обновление курсов
01:17:32 Модификации курсов
01:18:15 Завершение созвона
🔥5