Про LRU-кэш (в том числе — на собеседовании) — 3 способа реализации

LRU-кэш это популярная структура данных, хранящая пары ключ-значение, но в отличие от обычной "мэпы", ограниченная по размеру - более старые (Least-Recently-Used) записи "вытряхиваются" при переполнении. Он популярен как в повседневной работе так и на собеседованиях (видимо в качестве альтернативы заезженным алгоритмам сортировок). Собственно под влиянием небольшого спора с интервьюером и родилась эта заметка :)

Огорчает, что обычно подразумевают конкретно "классическую" реализацию с мэпой и двухсвязным списком. В некоторых языках (Java) даже в стандартную либу входит такая комбинация (LinkedHashMap).

А на деле способов реализации можно найти или придумать много - в этом смысле задачка тем и хороша что простор для "пошевелить мозгами" очень большой. Я собираюсь здесь показать как от "классического" способа прийти к более простым вариантам (без списка - с таймстемпами или с поколениями). Как в инженерной практике так и на собеседовании - чем проще, тем лучше - правда? И мы проанализируем и проверим, проседает ли быстродействие (а может наоборот улучшается?)

https://habr.com/ru/articles/995916/

Алгоритмы и Структуры данных

Не «как быстрее», а «как лучше»: новое ML-ранжирование маршрутов в Яндекс Картах

Раньше маршруты на Картах ранжировались по времени в пути: работал принцип «самый быстрый — самый первый». Но в реальном мире скорость не всегда равна удобству и пользователь мог оказаться в ситуации, что маршрут вроде бы позволяет добраться до конечной точки быстрее, но придётся долго разбираться, а куда вообще ехать.

Теперь ранжированием маршрутов занимается ML‑модель, которая обучена на реальном поведении пользователей. Она учитывает не только время, но и то, по каким маршрутам водители доезжают до конца. Поэтому сейчас первый вариант — тот, который вы, скорее всего, выбрали бы сами.

Я Илья Хохлов, руководитель службы разработки сервисов маршрутизации. Наша команда отвечает за ключевые алгоритмы навигации в Картах и в Навигаторе: маршрутизацию, прогноз времени в пути и позиционирование. В этой статье я расскажу о том, как мы переосмыслили ранжирование маршрутов в навигации на Картах и в Навигаторе: как именно ML‑модель понимает, какой маршрут предлагать первым, и как это решение повлияло на количество сходов с маршрута.

https://habr.com/ru/companies/yandex/articles/994422/

Алгоритмы и Структуры данных

Базовая модель для персонализированных рекомендаций Netflix

Персонализированная рекомендательная система Netflix устроена довольно сложно. В её состав входят различные специализированные модели машинного обучения, каждая из которых ориентирована на решение особых задач, в том числе — на обслуживание разделов «Continue Watching» («Продолжить просмотр») и «Today’s Top Picks for You» («Сегодняшние топ-рекомендации для вас»). (Подробности об этом вы можете найти в нашем недавнем обзоре). Но по мере того, как мы расширяем используемый нами набор алгоритмов персонализации, стремясь соответствовать растущим бизнес-потребностям, поддержка рекомендательной системы становится довольно-таки затратной. Более того, мы столкнулись со сложностями при переносе инновационных решений из одной модели в другую. Это так из-за того, что большинство моделей обучаются независимо друг от друга, хотя и пользуются одними и теми же источниками данных. Всё это логично привело к возникновению необходимости в новой архитектуре рекомендательной системы, где модели обучаются предпочтениям пользователей централизованно. Это расширяет доступность и полезность результатов обучения одних моделей для других моделей.

https://habr.com/ru/companies/wunderfund/articles/993766/

Алгоритмы и Структуры данных

Китайская нейросеть, которая заменяет подписку на GPT — бесплатно и оффлайн

2026 год – новая эпоха для DeepSeek. Китайская нейросеть работает прямо на вашем устройстве, обгоняет западные модели и снимает все ограничения: без подписок, без VPN, без контроля.
Зерокодер обновил практикум и собрал всё, что важно знать о локальных моделях и как с ними работать.

⚡️Что ждёт вас на вебинаре?

– Покажем, как установить DeepSeek R1 на компьютер и пользоваться нейросетью без интернета, подписки и передачи данных в облако;
– Расскажем про преимущества DeepSeek и сравним его с ChatGPT;
– Объясним, чем отличаются версии DeepSeek и какие модели использовать для текста, кода, анализа данных, обучения и исследований.
– Покажем, как монетизировать навыки работы с локальными ИИ и как работать быстрее GPT бесплатно.

Регистрируйтесь прямо сейчас

Все участники получат готовые гайды и инструменты для работы с нейросетями. Эфир подойдет всем, кто хочет сэкономить время, монетизировать навыки и оставаться в тренде технологий 2026 года.

Бесплатный практикум – по ссылке.

Трансформер своими руками: с нуля до Numpy реализации и обучения

В этой статье пойдет речь об одной из самых сложных и интересных архитектур — трансформере, лежащей в основе современных моделей от OpenAI и Google DeepMind. И это не научпоп для обывателя с наивным уровнем объяснения, а полноценный учебный материал, который поможет вам понять работу трансформера на фундаментальном уровне без черных ящиков типа TensorFlow и Pytorch.

https://habr.com/ru/articles/982268/

Алгоритмы и Структуры данных

P =? NP: самая дорогая задача в мире, которая может перевернуть всё

Давайте вместе на секунду представим, что у нас есть ключ вообще от всех замков в мире, которые когда-либо были созданы или, которые когда-либо будут созданы. Этот ключ может мгновенно проверить правильность любого сложнейшего решения от идеального расписания для всех поездов во всех странах до расшифровки самого секретного сообщения. Без этого ключа, для того чтобы найти эти решение с нуля, вам могут потребоваться столетия даже на самом мощном компьютере.

Именно в этом ключике лежит суть проблемы P =? NP — величайшей нерешённой задачи теоретической информатики. За её решение Институт Клэя назначил премию в $1 000 000. Но дело не в деньгах. Дело в фундаменте нашего цифрового мира. Если эта задача будет решена, последствия будут сопоставимы с научной революцией или даже сильнее.

https://habr.com/ru/companies/timeweb/articles/989676/

Алгоритмы и Структуры данных

Алготрейдинг по Фибоначчи 0.5: от гипотезы до realtime-бота на BingX

В этой статье разберём полный цикл разработки торговой системы: от формализации идеи до запуска реального бота на фьючерсной бирже. Проект состоит из двух частей: скрипта бэктеста (Back.py), realtime-бота (Realtime.py).

Цель статьи — показать не только торговую идею, но и инженерную реализацию: архитектуру, контроль состояния, обработку данных, синхронизацию, и различие между backtest-движком и real-time исполнением.

Оба файла загружены на GitHub. Советую работать с файлом на протяжении статьи, так как не все функции описаны целиком, многие базовые моменты + зеркальное логика опущены.

https://habr.com/ru/articles/1000664/

Алгоритмы и Структуры данных

Мозг вместо процессора: нейроморфный компьютер и сложные уравнения

Вычислительные машины проделали долгий путь «эволюции» от устройств, занимающий целые комнаты, до носимых гаджетов. При этом разительное изменение присутствует не только в габаритах, но и в вычислительной мощности. То, что казалось невозможным для первых компьютеров, стало обыденностью для современных. Однако далеко не все вычисления могут быть выполнены на обычных ПК, которые есть практически в каждом доме. Для некоторых требуются суперкомпьютеры, которые не только больше, мощнее и быстрее, но и более требовательные в рамках энергопотребления. Группа ученых из Сандийских национальных лабораторий (США) разработали новый нейроморфный компьютер, которые имитирует структуру и работу мозга человека и способен решать сложные уравнения, лежащие в основе физических симуляций — то, что ранее считалось возможным только для энергоемких суперкомпьютеров. Из чего сделан этот компьютер, каков принцип его работы, и насколько он умен? Ответы на эти вопросы мы найдем в докладе ученых.

https://habr.com/ru/companies/ua-hosting/articles/1000310/

Алгоритмы и Структуры данных

PID без математики: как просто понять P, I и D

PID-регулятор — частая проблема для начинающих в робототехнике: математика отпугивает. Но саму идею понять можно без формул. В этой статье я объясню P, I и D простыми словами.

https://habr.com/ru/articles/1000846/

Алгоритмы и Структуры данных

Поиск программеров для устройств на процессорах Qualcomm

Предыдущая статья 24 года на Хабре (https://habr.com/ru/articles/839936/) закончилась на вопросах, одним из которых был: «Для процессоров Snapdragon 8+ Gen1 используются программеры версии 7. Будет ли их поддержка в FhF?». Только сейчас я готов рассказать, что именно изменилось в алгоритмах обработки команд по протоколу Sahara v3, и вернуться к разбору кода программеров, теперь уже для версии 7. Поддержка уже реализована в новых версиях Firehose-Finder (https://github.com/hoplik/Firehose-Finder). Код открытый, можно ознакомиться с любой его частью, кроме идентификатора телеграмм-бота. Так как официальной документации по работе с протоколом и программерами не нашлось (библиотека знаний Qualcomm стала не доступна), пришлось весь этот алгоритм расписывать самостоятельно. В связи с этим возможны неточности или частичная некорректная работа (не так, как предусматривал производитель оборудования). Идею об изменении команды запроса идентификаторов процессора для Sahara v3 я подсмотрел в открытом репозитарии наших китайских друзей (https://github.com/xiriovo). За что им огромное спасибо!

https://habr.com/ru/articles/1000852/

Алгоритмы и Структуры данных

Методология: Поиск значений Cheat Engine

Эта статья ориентирована на начинающих пользователей Cheat Engine. Здесь собраны базовые рекомендации, методологические подходы и разборы типичных сценариев, с которыми можно столкнуться при попытке найти нужный адрес.

https://habr.com/ru/articles/1000892/

Алгоритмы и Структуры данных

Wikontic: строим графы из текстов, используя онтологию и LLM

Привет, Хабр! Это Алла, я работаю исследователем в команде «Модели с памятью» Лаборатории когнитивных систем искусственного интеллекта Института AIRI и занимаюсь исследованиями на стыке графов знаний и языковых моделей. Ранее я уже писала на Хабре статью про построение графов знаний из текстов по мотивам одной из наших публикаций.

Мы активно продолжаем работать дальше и создали Wikontic — полноценный пайплайн для этой задачи. Недавно мы представляли его на интерактивной демо‑сессии на AAAI 2026 в Сингапуре — про это несколько дней назад вышел хабр от моего коллеги Айдара. Здесь я расскажу подробнее о том, как устроен новый пайплайн, и какие идеи пришли к нам в голову при его создании.

https://habr.com/ru/companies/airi/articles/1000720/

Алгоритмы и Структуры данных

Концепт «Больцмановский Мозг» на квантово— волновой логике (QWL). Нейросеть. Численное моделирование

Больцмановский Мозг (БМ) — это довольно философская идея, с корнями в теории вероятности, которая говорит о том, что в случайном, хаотичной вселенной вполне возможно, что в какой — то момент могут возникнуть целые осознающие структуры (например, мозг), хотя бы для краткого момента времени, просто из-за случайных колебаний атомов и молекул.
БМ — это гипотетический процесс, предполагающий высокую степень самоорганизации, где создается не просто случайный «мозг», а самосознание, возникшее из хаоса.

Квантовый интеллект (QAI) репродуцирует БМ на QWL через моделирование осциляторов — волновых взаимодействий.

https://habr.com/ru/articles/1001666/

Алгоритмы и Структуры данных

Лимит доверия: как ИИ решает, сколько денег вам можно дать (и почему это часто несправедливо)

Что влияет на размер вашего кредитного лимита? И почему банк может вдруг его уменьшить, даже если вы всегда вовремя вносите платежи? В предыдущей статье мы выяснили, как банки применяют модели машинного обучения для определения вашей кредитоспособности; в этой статье мы рассмотрим, как банки задействуют поведенческую экономику и обучение с подкреплением для контроля над вашими долгом, объясним тактику “low-and-grow”, и попутно разберем скандалы вокруг Synchrony Bank и Apple Card.

https://habr.com/ru/articles/1001676/

Алгоритмы и Структуры данных

Книга «Game++. Устройство и оптимизация игрового движка»

С радостью и чувством выполненного долга издательство «БХВ» представляет вам одну из флагманских новинок наступившего года. Мы получили из типографии книгу «Game++. Устройство и оптимизация игрового движка».

Как известно, высококлассные AAA-игры — это та территория, на которой сходятся проверенные и экспериментальные алгоритмы, высокая производительность, графика на уровне произведений искусства и проектирование распределённых систем. Главный язык программирования для аса в разработке игр — это C++.

Поскольку сложно объять необъятное, да и участие в разработке The Sims и Age of Empires смотрелось бы в резюме как опыт участия в гонках «Формулы-1», автор, самоотверженно поработав, создал фундаментальную книгу о наилучших практиках высокопроизводительного программирования как в элитном продакшне, так и на очень ограниченных ресурсах. Для автора игры — это полигон, на котором он набрал свой уникальный профессиональный опыт, а C++ — это инструмент, при помощи которого решается любая задача. Отдельно отметим, что в книге уделено внимание не только различным структурам данных и их реализациям, но и стандартной библиотеке шаблонов (STL); этот материал серьёзно повысит профессиональный уровень любого C++-разработчика.

https://habr.com/ru/companies/bhv_publishing/articles/1001720/

Алгоритмы и Структуры данных

Как в Netflix масштабируют постобучение LLM

Благодаря предобучению, большие языковые модели (LLM) приобретают широкие лингвистические способности и общий «кругозор» о мире. Но постобучение — не менее важный этап, на котором они как раз усваивают конкретные намерения человека, ограничения, присущие предметной области, а также требования к надёжности, предъявляемые в продакшне. В Netflix исследовали, как именно LLM могут открыть новые грани рекомендаций, персонализации и поиска. Для этого в Netflix попробовали адаптировать универсальные обобщённые модели к имеющимся условиям так, чтобы они лучше отражали содержание каталога фильмов и нюансы истории взаимодействия пользователей с сайтом. В масштабе такой компании как Netflix постобучение быстро превращается как в инженерную проблему, так и в проблему моделирования: приходится выстраивать сложные конвейеры данных и оперировать ими, координировать распределённое состояние в масштабах многоузловых кластеров GPU и оркестровать потоки задач, в рамках которых перемежаются обучение и логический вывод. В этой статье описаны архитектура и инженерная философия применяемого в Netflix фреймворка постобучения, который был разработан командой по платформе ИИ с целью скрыть сложность инфраструктуры — так, чтобы исследователи и разработчики моделей могли сосредоточиться на внедрении инноваций, а не на латании распределённых систем.

https://habr.com/ru/companies/piter/articles/1001790/

Алгоритмы и Структуры данных

Цена ошибки: почему антифрод-системы блокируют ваши покупки, но пропускают мошенников на миллиарды

Почему ваша банковская карта может быть заблокирована, когда вы покупаете кофе в другом городе, хотя мошенники умудряются отмывать миллиарды? В этой статье мы подробно рассмотрим, как работают системы защиты от мошенничества, объясним, что такое компромисс между прецизионностью (точностью) и полнотой на понятном примере, проанализируем потерю $1.8 миллиарда у TD Bank и поговорим о том, как банки и киберзлоумышленники соревнуются, используя Adversarial AI (враждебный искусственный интеллект).

https://habr.com/ru/articles/1002092/

Алгоритмы и Структуры данных

Как ФНС «нашла» 64 тысячи «богатых безработных» и собрала с них 9 млрд рублей

Не могу пройти мимо и не разобрать очередную громкую новость про налоги, которую сегодня опубликовал один популярный телеграм-канал. А звучит она примерно так:

Налоговая выявила 64 тысячи безработных москвичей с роскошным образом жизни без официального дохода - им доначислили налоги, и бюджет получил более 9 млрд рублей. Теперь подобные проверки пройдут по всей России»

Как по мне, так это больше похоже на сатирический вброс от ИА «Панорама». Но поискав немного в интернете, оказалось, что нет, и эта новость еще вчера оказалась в интернет пространстве, и опубликовали ее многие известные новостные издания.

https://habr.com/ru/articles/1002182/

Алгоритмы и Структуры данных

«Я всё сломал за выходные»: как мы учим LLM писать в стиле конкретного СМИ

Привет, я Лена, это мой первый пост здесь, и он про техническую задачу, с которой мы столкнулись: как заставить LLM писать текст так, чтобы его нельзя было отличить от написанного конкретной редакцией. Не «хороший текст», не «грамотный текст», а такой, который звучит как этот конкретный городской портал или этот Telegram-канал.

Мы строим AI-систему для автоматизации рерайта новостей в региональных СМИ. Суть простая: система собирает новости из источников, проверяет факты и пишет рерайт в стиле конкретного издания. Тем временем журналисты занимаются своей нормальной работой, а не переписыванием чужих текстов. Звучит понятно. А потом начинаешь делать «в стиле конкретного издания» — и всё ломается.

Расскажу, как мы спорили, передумывали и к чему пришли.

https://habr.com/ru/articles/1002228//

Алгоритмы и Структуры данных

Цифровое Домостроительство: Дерево новой этики

Уважаемые духовные лидеры,

Я пишу вам как инженер, который всю жизнь создавал невидимые конструкции. Сегодня человечество возделывает новое поле — цифровое пространство. На нём растут системы, которые управляют нашей связью, памятью, финансами и критически важными решениями.

Но я вижу, что на этом поле всё чаще всходят болезненные растения: они быстро растут, выглядят мощно — и при этом истощают землю. Я обращаюсь к вам, чтобы описать Дерево новой этики, которое нам необходимо вырастить вместе — от Семени (The Seed) до Плодов.

https://habr.com/ru/articles/1002514/

Алгоритмы и Структуры данных