🔗 Структуры данных. Часть 1

Любой программист в процессе разработки игры, приложения или сайта сталкивается с большим количеством структур данных. Одни из основных – это список, словарь и кортеж, о которых мы с вами сейчас поговорим

Список – каждый элемент имеет свой номер (индекс), по которому к нему можно обратиться. Мы можем легко менять его элементы, добавлять новые или убирать существующие

📌 Пример использования:

cars = ['Audi', 'BMW', 'Ford']
cars.append('Haval') # Добавили машину 

Кортеж – неизменяемый список, который защищает данные от изменений

📌 Пример использования:

keys = (8ec5a3, 4dc8ha5)
keys[0] = 0 # Ошибка

Словарь – хранит данные в виде пар ключ: значение, позволяя мгновенно получать доступ к элементу по его ключу

📌 Пример использования:

car = {
    'brand': 'Audi',
    'model': 'R8',
    'year': 2020
}

❕Также, совсем недавно я создал свой профиль на Хабр и буду туда выкладывать более подробную информацию с постов в формате полноценной статьи

👨🏻‍💻 Решаем задачки

Условие: Дан список, содержащий целые числа. Необходимо найти и вывести на экран число, которое встречается чаще других, а также количество его повторений

📌 Пример:

a = [1, -8, 0, 7, 7] # 7 – 2 раза
b = [1, 1, 2, 2] # такого нет

Комментарии:

• Список можно инициализировать вручную непосредственно в коде

• Выполнить задачу без использования библиотек и фреймворков

• Решение можно оформить в виде функции

• Сложность алгоритма должна быть O(n)

• Если есть два или более чисел, встречающихся одинаковое количество раз, либо список пустой, то результата нет


💁🏻‍♂ Сложность O(n) – это значит, что алгоритм выполняется за линейное время, которое растёт пропорционально росту размера данных. Яркий пример – цикл for, который имеет такую сложность. Если список состоит из трёх элементов, то мы пробежимся по нему за три итерации. Если из четырех, тогда за четыре и т.д

❗️Вайбкодить запрещаю

Свои варианты отправляйте в комментарии 👇

⚙ Разбор решения

Решение обернуто в функцию, для простоты использования. В ней мы сразу проверяем, не пустой ли список. Если нет, то создаем:

• Словарь, где ключ – это число списка, а значение – это количество его повторений

• max_count – для хранения максимального количества повторений

• most_num – для хранения числа, повторяющегося наибольшее количество раз

• max_numbers – количество чисел, которые повторяются больше всего

Затем, пробегаю по списку один раз, заполняя словарь и проверяя, какое число будет повторятся больше всех

Если после обработки списка максимальное количество повторений не превышает 1 или найдено несколько чисел с одинаковым максимальным количеством повторений, значит, искомое число не найдено

💁🏻‍♂ Если было интересно, то можно сделать это как отдельную рубрику

Вот тут код 👇

В последнее время мне приходит всё больше идей для разных проектов, причём каждый из них не похож на остальные. Во время разработки я специально не использую нейросети для написания всего кода. Максимум — спросить про какой-нибудь модуль или функцию. Дальше уже я решаю, как это использовать и где

Всегда удивляет реакция людей на то, что я пишу код для проектов сам. А когда они говорят: «Зачем ты столько времени тратишь? Можно ведь быстрее» — это и вовсе вызывает недоумение. Да, можно быстрее. Но вот вопрос: насколько такое решение безопасно и эффективно?

Когда ты пишешь код сам, то:

• Тебе известно, что исправлять, если что-то сломается

• Ты знаешь, что именно улучшать, если захочешь сделать апгрейд

• У тебя есть понимание того, как он работает

• Ты сможешь рассказать про каждую строчку, если тебя попросят объяснить, как работает код

👉 Поэтому, друзья, прокачивайте свои скиллы, и не давайте нейронкам захватить ваше мышление. Напомню, что нейросеть – это супер классная ручка в ваших руках, и не больше!

🤔 Как вы относитесь к тому, что руководители разных компаний и организаций заменяют своих сотрудников (дизайнеров, разработчиков, аналитиков итд) на ИИ ?

Когда поднимается эта тема, я всегда вспоминаю мой любимый Detroit: Become Human. Напомню, что действия игры разворачиваются в 2038 году, что не так уж и далеко

ИИ делится на три типа:

ANI (Artificial Narrow Intelligence) – слабый ИИ, предназначенный для решения конкретной задачи

AGI (Artificial General Intelligence) – сильный ИИ, способный применять свои способности на человеческом уровне

ASI (Artificial Superintelligence) – сверх ИИ, превосходящий человека во всем

Все нейронки находятся на стадии ANI и пока совершенно безопасны для человека. Однако с AGI всё гораздо интереснее. По сути, это существа, обладающие разумом и интеллектуальными способностями, сравнимыми с человеческими

Детройт прекрасно показал, что такой интеллект не только сможет сместить человека с рабочего места, но и вообще заменить его во всех смыслах

💁🏻‍♂ Чтобы создать AGI, необходимо решить одну из главных задач — понять, как устроено наше сознание, ведь мы и сами до конца не изучили все тёмные уголки этого бесконечного лабиринта

🗓 Дайджест новостей за прошлую неделю

📌 Летающий автомобиль

Илон Маск пообещал летающий автомобиль к концу года. Он заявил, что проект станет «самым запоминающимся запуском в истории»

🔗 Читать

📌 ИИ теперь не в моде

Стартап-проекты с ИИ больше не впечатляют инвесторов. Одного лишь упоминания искусственного интеллекта в проекте теперь недостаточно, чтобы привлечь финансирование

🔗 Читать

📌 OpenAI – всё?

ChatGPT перестал давать советы, касающиеся юридической, медицинской, технической и образовательной сферы. Даже при попытке обойти фильтр, ИИ всё равно отправит к специалисту

🔗 Читать

📌 ИИ от Яндекс

«Алиса AI» — новое универсальное семейство нейросетей, предназначенное для решения широкого спектра повседневных и рабочих задач

🔗 Читать

📌 Эра андроидов началась

Робот NEO — человекоподобный робот-помощник, разработанный компанией 1X Technologies для использования в домашних условиях

🔗 Читать

🧠 Нейросети и кибербез

Тема нейросетей интересовала меня ещё до бума ChatGPT. Сама мысль о том, что машина может работать по принципу человеческого мозга, очень завораживает

Вдохновившись сериалом «Мистер Робот», я придумал задачу:

По исходным данным о системе (неудачные попытки входа, устаревшее ПО, аномальный сетевой трафик) предсказать риск взлома, где все данные измеряются в индексах

Первым делом задаётся разметка обучающих данных, чтобы нейросеть понимала, при каких параметрах систему можно взломать, а при каких нет

data = [
    # Низкий риск
    [[0.0, 0.1, 0.1], [0.0]],
    # Высокий риск
    [[0.7, 0.9, 0.3], [0.8]],
]

Затем нейросеть проходит обучение и тестирование на «невидимых данных», для которых нам неизвестен индекс риска. Ну и демонстрация результатов

Конечно, это не боевая модель, которую можно внедрять в любую систему. Для качественной работы требуются миллионы данных и более сложные алгоритмы. Однако поковыряться в этой задаче было очень интересно

Код можно глянуть здесь

🐍 Подборка инструментов для Backend-разработчиков

Библиотека FastAPI-Admin

Позволяет добавлять административную панель к приложениям, созданным с использованием фреймворка FastAPI, а также предназначена для управления данными приложения через веб-интерфейс

💻 Установка: pip instal fastapi-admin
📁 Репозиторий

Библиотека fastapi-guard

Предназначена для обеспечения безопасности сервиса, управления IP-адресами, логирования запросов и обнаружения попыток проникновения

💻 Установка: pip install fastapi-guard
📁 Репозиторий

Библиотека keyring

Предназначена для безопасного хранения и управления паролями с использованием встроенных средств операционной системы

💻 Установка: pip install keyring
📁 Репозиторий

🔥 Нас уже 100 человек

Пусть не быстрыми, но уверенными шагами мы с вами идём вперёд!

Спасибо всем, кто находится на этом канале, пишет комментарии, предлагает темы для постов и делится классными идеями!

Впереди нас ждёт много различных мероприятий и проектов. Ну, а мы идём дальше..

📅 Дайджест новостей за прошлую неделю

📌 Робот на базе GigaChat

На международной конференции AI Journey «Сбер» представил робота собственной разработки по имени Грин, который понимает голосовые команды, а также говорит сам

🔗 Читать

📌 Новое поколение Gemini

Gemini 3 Pro — самая мощная мультимодальная модель Google, моментально возглавившая рейтинг LMArena. Кроме того, независимые аналитики назвали Gemini 3 Pro самой сильной моделью на сегодняшний день

🔗 Читать

📌 PHP живее всех живых

Вышло обновление PHP 8.5, в котором разработчики намного улучшили производительность и синтаксис языка

🔗 Читать

📌 Релиз Blender 5.0

После обновления были значительно уменьшены задержки при запуске больших сцен, улучшена интуитивность перетаскивания объектов и прекращена поддержка старых видеокарт Nvidia и AMD (до 2014 года выпуска)

🔗 Читать

🔥 TRUE TECH CHAMP 2025

Недавно принял участие в алгоритмическом треке от МТС, где нужно было решить несколько весьма непростых прикладных задач по программированию

Хочу подчеркнуть, что эти задачи были не просто на составление алгоритма, а основаны на реальных примерах, что делало их решение еще интереснее

Хотя мне и удалось пройти в финал, который проводился в Москве, но, к сожалению, не смог в нём участвовать по определённым причинам. Несмотря на это, я считаю выход в финал уже большой победой. К тому же, ничто не мешает мне попробовать свои силы в следующем году 😁

Что касается остальных мероприятий, то на этом они не заканчиваются — дальше будет ещё интереснее!

👨🏻‍💻 Кому интересно посмотреть задачи полуфинала, в коментах я оставлю файл с ними

🏆 Первая победа

Хакатоны — это мероприятие, от которого я получаю удовольствие каждую секунду. Оказавшись там снова, я испытывал неконтролируемый поток радости — просто потому, что я здесь и являюсь частью этого события

Мы собрались прежним командным составом — с теми же ребятами, с которыми выступали на молодёжном форуме «Регион 93», где, кстати, заняли второе место

Когда мы впервые ознакомились с кейсом, то были, мягко говоря, удивлены количеством технологий, необходимых для реализации проекта. Мы долго анализировали задачу, смотрели на неё с разных сторон, пробовали множество подходов и инструментов. В итоге нам удалось создать полноценный MVP, который успешно решал поставленную кейсодателем задачу

Именно это мне и нравится в хакатонах: здесь некогда отдыхать — ты постоянно в движении

🫂 Безумно горжусь нашей командой. На протяжении всего мероприятия мы слышали и слушали друг друга, делились мнениями, идеями — и именно это привело нас к поставленной цели

Ну, а мы идём дальше. Впереди ещё много работы

🔥 LLM Scaling Week

Продолжаем быть в теме всего интересного: в прошлом месяце принял участие в интенсиве от ШАД (Школа анализа данных) — образовательной программы Яндекса, направленной на подготовку специалистов в области машинного обучения, анализа данных и компьютерных наук

Интенсив состоял из двух этапов: отборочного контеста и итоговой работы. Что касается последнего этапа, задачи там были очень сложными и затрагивали не только машинное обучение, но и почти всё, что связано с работой железа, и, конечно же, вышмат

Не представляете, как приятно, когда формулы, которые мы учим на парах, находят своё практическое применение

🤝 Большое спасибо Яндексу за такие интенсивы! Было очень интересно порешать настолько нестандартные задачи

📆 Дайджест новостей за неделю

📌 Нововведения в Telegram

Дуров представил Cocoon — децентрализованную сеть для ИИ-вычислений. Теперь разработчики могут арендовать мощности в формате p2p, а владельцы видеокарт — сдавать свои GPU и получать оплату в TON

🔗 Читать

📌 Новый топ-1 в кодинге

Anthropic выпустили Claude Opus 4.5 — новый ТОП-1 в кодинге. Модель набрала 80,9% на SWE-бенче, это лучший результат по программированию среди всех ИИ

🔗 Читать

📌 Ответка от DeepSeek

Китайский стартап DeepSeek выпустил две новые открытые модели с мощными возможностями для рассуждений — DeepSeek-V3.2 и усиленную DeepSeek-V3.2-Speciale

🔗 Читать

📌 Первое киберпреступление от ИИ

ИИ-министра Албании «задержали» после получения взяток в криптовалюте

🔗 Читать