Алгоритмы поиска решений лабиринтов и их практическое применение в реальном мире — Кит Берроуз и Ванесса Клотцман

Первое упоминание термина “maze” датируется тринадцатым веком, а “labyrinth” — к четырнадцатым. Сама концепция лабиринтов восходит к эпохе греческого мифологического героя Тесея — древнего героя, успешно прошедшего Кносский лабиринт и сразившего Минотавра.

Однако в более современном контексте лабиринты не имеют ничего общего с убийством мифологических существ. Теперь лабиринты чаще всего представляют из себя прямоугольную головоломку, состоящую из коридоров и поворотов, которые в конечном итоге ведут к выходу. И точно так же, как древний герой Тесей путешествовал по лабиринту, чтобы сразить Минотавра, современный человек решает задачу поиска пути в лабиринте не только для того, чтобы найти выход из лабиринта, но и для гораздо более широкого круга целей — решения связанных задач наиболее эффективным и доступным образом.

https://habr.com/ru/company/otus/blog/693036/

Data Science: Алгоритмы и Структуры данных | Чат 💬

Алгоритмы сортировки: зачем они нужны?

Работая с большим массивом данных, с помощью сортировки можно разместить элемент заданного массива в некотором определённом порядке. Например, в интернет-магазине вы можете отсортировать товар по цене, популярности или категории.

Одни алгоритмы помогают сортировать объекты с учётом вводных данных, другие — найти элемент быстрее.

Подробнее здесь:

https://tproger.ru/articles/zachem-nuzhny-algoritmy-sortirovki/

Data Science: Алгоритмы и Структуры данных | Чат 💬

Алгоритмическая секция на собеседовании: на что обращать внимание?

На собеседовании вам могут дать алгоритмические задачи. Вам предстоит не только написать корректный код, но и объяснить, как он работает. При этом на решение отводится ограниченное время.

Стрессовая ситуация, не так ли? Но советы из статьи могут помочь в решении алгоритмических задач на собеседованиях:

https://habr.com/ru/company/avito/blog/662922/

Data Science: Алгоритмы и Структуры данных | Чат 💬

Курс лекций по алгоритмам от Школы анализа данных

Хотите научиться работать с большими наборами данных? Без крепких знаний алгоритмов никуда.

Восполнить «пробелы» в знаниях помогут записи лекций из Школы анализа данных (ШАД) «Яндекса». В них вы узнаете как о теоретических (модели вычислений, иммутабельность и персистентность, хеширование и не только), так и практических (задача о кратчайших путях, RMC, LCA) аспектах алгоритмов.

Лекции доступны бесплатно на YouTube.

Data Science: Алгоритмы и Структуры данных | Чат 💬

Алгоритм быстрой сортировки: объяснение и реализация на C#

QuickSort (или быстрая сортировка) является одним из самых популярных алгоритмов сортировки.

Если вы ещё не разобрались, по каким принципам работает быстрая сортировка, то рекомендуем посмотреть видео:

https://youtu.be/DmFXdwy_mH0

В нём не только объясняются концепции QuickSort, но и показана визуализация алгоритма и его реализация на языке C#.

Data Science: Алгоритмы и Структуры данных | Чат 💬

Возврат нескольких значений из функции Python

Чтобы в Python вернуть из функции сразу несколько значений, нужно воспользоваться структурами данных. Так вы можете передать из функции данные в виде списка, кортежа или словаря.

Как это сделать, объясняется в статье:

https://pythonist.ru/vozvrat-neskolkih-znachenij-iz-funkczii/

Data Science: Алгоритмы и Структуры данных | Чат 💬

Умножение и деление сдвигом

В программировании существует специальная операция — арифметический сдвиг. Он позволяет существенно быстрее умножить или поделить число на степени двойки, чем обычные операции умножения и деления. Весь секрет — в строении двоичных чисел.

Как работает левый (<<) и правый (>>) арифметический сдвиг, хорошо объясняется в лекции:

https://youtu.be/_pLHvK-X4qg

Data Science: Алгоритмы и Структуры данных | Чат 💬

​Оценка сложности алгоритма

Алгоритмы оцениваются по двум главным критериям — количеству занимаемой памяти и времени исполнения. Однако в алгоритмы можно подать различные входящие массивы данных, от чего время выполнения и количество памяти нельзя выразить одним числом. Поэтому для оценки сложности алгоритмов используют нотацию Big O.

Подробнее о Big O и оценке сложности алгоритмов:

https://youtu.be/ZRdOb4yR0kk

Data Science: Алгоритмы и Структуры данных | Чат 💬

​Введение в связные списки

Сложно понять, что такое связные списки? Представьте себе поезд, в котором каждый вагон, возможно, содержит груз и при этом может быть связан с другим вагоном. Принцип построения связного списка схож с подобным поездом.

Видов связных списков несколько: односвязные, двусвязные и кольцевые. С односвязными списками вас познакомит статья:

https://tproger.ru/translations/introduction-to-linked-lists/

Data Science: Алгоритмы и Структуры данных | Чат 💬

Не совершай ЭТУ ошибку!

Замечаю, что многие читают 5–10 крупных tech-каналов, думая, что этого хватает, чтобы развиваться в сфере.

Большие ресурсы действительно хороши для общей картины. Но они работают на широкую аудиторию, поэтому редкие идеи, интересные кейсы и уникальные новости не всегда доходят до них. Настоящая практика обычно зарождается в небольших нишевых каналах, а крупные медиа уже подхватывают их и цитируют у себя.

При этом по качеству контента они ничем не уступают топам — просто не вкладывают такие же бюджеты в продвижение.

Мне стало интересно найти именно этих людей. Я скинул GPT-6 Astra список крупных каналов и попросил выбрать тех, кого они чаще всего цитируют (убрав рекламу и взаимный пиар)

Модель собрала авторов, которых хорошо знают в комьюнити. За многими из них я слежу годами, но некоторые каналы стали открытием даже для меня)

Собрал этих практиков в одну подборку, чтобы читать первоисточники параллельно с большими новостниками.

Подписка в 1 клик:
👉 https://t.me/addlist/UuZJRIAHqTJmZTMy

​Ищем кратчайший путь в лабиринте: объяснение на Python

Поиск пути является одной из типичных задач в программировании. Однако принципы алгоритмов поиска достаточно трудно освоить новичкам.

Понять лучше алгориты поиска пути можно на примере задачи по поиску выхода из двухмерного лабиринта. А руководство поможет разобраться с реализацией на Python популярного алгоритма поиска пути — алгоритма Дейкстры:

https://habr.com/ru/company/piter/blog/596029/

Data Science: Алгоритмы и Структуры данных | Чат 💬

​Разбираемся в динамических структурах данных

В одном плейлисте собраны видео по различным структурам:
— односвязный и двусвязный список;
— бинарное дерево;
— стек;
— очередь, а также её вариант с приоритетом;
— дек.

Плейлист на YouTube: https://tprg.ru/yqli

Data Science: Алгоритмы и Структуры данных | Чат 💬

Пока вы платите за западные нейросети – китайские делают то же самое бесплатно

ChatGPT и Claude Code давно у всех на слуху. Но за последние годы в Китае появилось множество мощных AI-инструментов, которые умеют не меньше – а главное, почти все бесплатны и доступны пользователям из России.

DeepSeek, Qwen, Hailuo и другие ИИ уже умеют работать с текстом, изображениями, кодом и анализом не хуже других нейросетей.

В Зерокодере собрали их в новом бесплатном вебинаре «Китайские нейросети 2026–2027».

⚡️Что ждет вас на вебинаре?

• Проведем глубокое исследование рынка и превратим его в личный дашборд;
• Сделаем сайт без разработки с нуля;
• Сгенерируем кадры для собственного нейросериала;
• Протестируем функции, которых нет у западных ИИ-флагманов;
• Соберем собственный ИИ-стек для работы и проектов.

Не нужно выбирать между десятками сервисов и самостоятельно разбираться, что действительно работает. Вам покажут актуальные инструменты и их применение на практике.

Бонусом – справочник по 10 китайским ИИ и доступ к закрытой базе по нейросетям.

Бесплатный эфир по ссылке – регистрируйтесь

​Объяснение 3 сортировок простым языком

С этих трёх сортировок начинается изучение алгоритмов любого программиста:
— пузырьковая сортировка (Bubble Sort);
— сортировка выбором (Selection Sort);
— сортировка вставками (Insertion Sort).

Если вы прочитали о них в учебнике, но ничего не поняли, рекомендуем заглянуть в тред в Твиттере, где очень легко объясняются эти 3 алгоритма. Пожалуй, даже ваше домашнее животное поймёт (но никогда не признается).

Если не привыкли читать треды, то можно почитать в более привычном виде статьи.

Data Science: Алгоритмы и Структуры данных | Чат 💬