Телеграм-канал: t.me/Alek_OS

@niggacommunistfan

Жыл бұрын

Хорошо.

@Midredel

Жыл бұрын

Добавишь видосы на рутуб? У тебя там даже канал есть

@LithiumDeuteride-6

11 ай бұрын

Интересно, а как ещё описываются степень параллелизма алгоритма, т.е. если у нас есть процессор 1/1 и задачу он считает за 1 единицу времени, а может ли процессор 2/2 подсчитать туже задачу за 0.5 времени. Думаю такой параметр алгоритма сейчас наиважнейший, т.к. быстродействие потока ограничена и со временем намного не возрастёт, а вот количество потоков который может выполнить вычислительное устройство со временем возрастает, например видеокарты, да и у процессоров всё больше ядер/потоков.

Невероятно актуально, каждое видео очень помогает разобраться в темах, которые учу самостоятельно, потому что всё крайне наглядно и понятно, всё еще с нетерпением жду продолжение цикла по ассемблеру)

Вау, отличный видос. Разобрал очень нужную тему, которая много где важна. Я почему-то для себя представил что там все сложно и как-то избегал её, но понимал что нужно будет изучить когда-то. Оказалось всё очень просто. Ну как минимум процентов 90 я точно понял и это супер! Спасибо большое

Стоит упомянуть, что алгоритм со сложностью O(1) может спокойно быть в тысячу раз медленнее алгоритма O(N!), для ваших данных. Поэтому стоит понимать, что Big O говорит только о скорости роста времени выполнения алгоритма, о самой скорости алгоритма эта нотация вообще ничего не скажет. В ролике это упоминается, но мне кажется это стоит подчеркнуть, так как очень часто вижу такое заблуждение.

@razor23Ukraine

Жыл бұрын

Вот именно поэтому я вообще не понимаю нафиг этот Big O нужен. На моей практике чисто позадалбывать на собеседовании и всё =(

@eugenedukatta9355

Жыл бұрын

Kamikadze, Неплохо бы приводить конкретные примеры. Причем такие примеры, которые не сравнивают мягкое с теплым. Сложность полезна для сравнения алгоритмов решающих одинаковую задачу но разными способами. И бессмысленно сравнивать алгоритмы один вычисляет число фибоначчи, второй сортирует массив.

@egorolefirenko139

Жыл бұрын

​@@razor23Ukraineпотому что если у алгоритма меньшая асимптотическая сложность, то для него всегда найдётся такой размер ввода, начиная с которого он начинает работать быстрее, чем алгоритм с большей сложностью

@whiteprincewithobsession

Жыл бұрын

@@razor23Ukraine есть алгоритмы с перемножением матриц, и есть дефолтное перемножение за сложность n^3, а есть алгоритм за n^(2,37) но он начинает работать быстрее первого только при больших входных данных, так как имеет большую константу Для этого Big O и нужен

@raymondxp4709

Жыл бұрын

Big O это не количество времени а количество итераций! Ты чем слушал временная сложность говорит о том сколько шагов или операций нужно совершить для завершения алгоритма. O(1) не зависит от входных данных хеш-таблица например чтобы найти в ней элемент неважно сколько у тебя элементов хоть миллиард он найдет его за один шаг. O(N!) чем больше данных тем хуже даже добавления одно элемента тот же поиск замедлит в тысячу раз. Здесь неважно сколько миллисекунд выполняется одна итерация ведь на разных машинах оно бедт разным он это сказал в самом начале, нам важно сколько итераций оно будет всегда одинаковым. Видимо ты не понял принцип Big O.

Спасибо тебе за невероятно качественный контент, действительно помогаешь разобраться в фундаментальных вещах

круто, радует что чаще стал выходить контент на канале!

Исходя из скорости выхода новых видео могу предположить что количество подписок экспоненциально растёт.

@maltamagistro

Жыл бұрын

Скорей это значит, что заказы на рекламу экспоненциально растут

@tdrkDev

Жыл бұрын

@@maltamagistro ну и что в этом плохого?) Видео автора то хороши.

@dmaraptor

6 ай бұрын

С таким качеством роликов думаю это продлится недолго.

@Noname-ec8mw

6 ай бұрын

Ты можешь это проверить исходя из количества пдп, его видно под видео

Подача материала просто супер 😁 ждём новых роликов про криптографию!

Выход твоих роликов для меня праздник , е Ты очень круто выдаешь материал, спасибо тебе огромное за то что ты делаешь эти ролики ... 🙃

Alek, благодарю! 👍🔥

За последнее время особенно много новых видео. Пожалуйста, не останавливайся ! Жги дальше !!!🔥

@cmit59

Жыл бұрын

Просто появилась реклама. Но я нисколько не против. Реклама нужна и она полезна. Особенно такая. Так что вы правы: жги дальше.

@DemetriuszStrykowski

Жыл бұрын

ТОЧНО!!!

Кратко и доступно, про очень важную тему. Респектую за этот шедевр.

О, отличная тема. Давно уже хочу в ней разобраться. Надеюсь всё пойму. Погнал смотреть. И спасибо тебе что намного чаще видосы стали выходить!

шикарно! мне очень понравилось ваше объяснение с примерами! спасибо!

Офигенно! Я никак не мог понять что за фигня эта ваша оценка сложности. Наконец-то допер. Спасибо!

Спасибо, лайк! Уверен, что Ваши ролики найдут место и в учебных заведениях.

Спасибо за видео, вдохновляет учиться

не думал что эти видео будут настолько полезны при сдачи сессии:) для повторения самое то!

Познавательно, спасибо!

Очень приятно ваши видео смотреть!

Хорошее объяснение, спасибо!

Чуствуется серьезный подход к прокачке навыков презентаций) Замечательный интонационные паузы) не позволили мне уйти в транс! ❤

Не перестаю восхищаться вашим каналом! Задавали нам эту О-символику в колледже не степике проходить. Ничерта не понятно было, всё объясняли скучно и непонятно где вообще применимо. То есть, я как бы понял зачем - чтобы оценить сложность алгоритма. Но там это объясняли в такой скучной форме, что слушать было невозможно! Я просто ничего не понимал...! А у вас - выяснилось, что тема то простая :D Спасибо за то, что ваш канал существует и делает такой контент!

Хороший труд! Вдохновения автору!

Спасибо за видео

4:51 - позволю заметить что мы считаем не то что они будут одинаковые, а то что они будут расти одинаково (по времени или памяти) при изменении количества входных данных

Как всегда, лучший 🔥

Слышали о программистах, которые совсем на днях были уволены из Microsoft. Так вот, все они прошли курс на скиллфэктори.

Очень хорошее объяснение! Thank you

Ценный контент. Подписался.

Крутая шпаргалка, очень доступно объяснено. Сама концепция несложная, когда поймешь, что к чему, но таких доступных изложений не видел ещё.

Спасибо за видео

Вот благодаря таким людям как ты люди не деградируют, людям интересно смотреть твои видео потомучто интересная и приятная подача информации

@baielsartbaev2716

Жыл бұрын

А самое главное - полезная!

@loganlogan3657

Жыл бұрын

В точку сказал

@heybeachMIN

11 ай бұрын

что делать если я ничего не понял из этого видео? Я деградировал уже?!

@hardcodedreborn9650

7 ай бұрын

​@@heybeachMINЕсли ты школьник то это норма, а если нет то тоже, тебя просто не интересовала данная сфера.

@heybeachMIN

7 ай бұрын

@@hardcodedreborn9650 я не школьник, но да, алгоритмы и математика меня не сильно раньше интересовала ) так что сейчас пытаюсь наверстать упущенное

Все твои видео классные, слушай объясни пожалуйста как происходит генерация случайных чисел в коде, я думаю это интересная тема для следующего видео

Сложность алгоритмов может определяться несколькими способами, в зависимости от конкретных характеристик алгоритма и задачи, которую он решает. Ниже приведены несколько основных: 1. Временная сложность: Временная сложность алгоритма относится к количеству времени, необходимому для решения задачи при увеличении размера входных данных. Алгоритмы с более высокой временной сложностью обычно считаются более сложными в решении, чем те, у которых временная сложность ниже. 2. Пространственная сложность: Пространственная сложность алгоритма относится к объему памяти, необходимому для решения задачи при увеличении размера входных данных. Алгоритмы с более высокой пространственной сложностью могут быть более сложны в реализации или оптимизации, чем те, у которых пространственная сложность ниже. 3. Область применения: Сложность алгоритма также может зависеть от области применения, для которой он разработан. Некоторые задачи могут иметь врожденную сложность, которую нельзя снизить с помощью алгоритмических оптимизаций. 4. Характеристики входных данных: Характеристики входных данных могут также влиять на сложность алгоритма. Некоторые алгоритмы могут быть более сложны в реализации или оптимизации для определенных типов входных данных, таких как большие числа, разреженные данные или данные с множеством повторяющихся образцов. 5. Детали реализации: Детали реализации алгоритма, такие как выбор структур данных или языка программирования, также могут повлиять на его сложность. В целом, определение сложности алгоритма может быть сложным процессом, требующим тщательного анализа и учета многих факторов. Big O - это математическая нотация, используемая для определения временной сложности алгоритма, то есть описания того, как быстро работает алгоритм при увеличении размера входных данных. Она указывает на асимптотическую верхнюю границу времени выполнения алгоритма и позволяет определить, как быстро будет расти время выполнения алгоритма при увеличении размера входных данных. Обычно Big O записывается в виде O(f(n)), где f(n) - функция, описывающая количество операций, которые выполняет алгоритм при обработке n элементов входных данных. Например, если алгоритм имеет временную сложность O(n), то это означает, что время выполнения алгоритма пропорционально размеру входных данных. Big O используется для сравнения и анализа различных алгоритмов и помогает выбирать наиболее оптимальный алгоритм для решения конкретной задачи. Она также позволяет оценить, насколько эффективно можно оптимизировать алгоритм при работе с большими объемами данных.

@user-gy3zd7mx3u

6 ай бұрын

Похоже на ответ ЖПТ

@user-gy3zd7mx3u

6 ай бұрын

Это 3.5 или 4 дала такой ответ?

спасибо за видео

Предлагаю сделать видео про деревья(в частности бинарные), балансировку деревьев и всё вот это. Как будто не так много контента на эту тему на ру ютубе, либо я ошибаюсь.

Очень круто и доступно

Странно, что не было классического примера (задача о комивояжере). Спасибо большое за видео!

2 часа ночи, думал пойти спать. Так стоп, новый урок от Алека !? Сон подождёт.

@basscloud9854

Жыл бұрын

это и правильно потому что перед сном информация мозгом может и вопринимается хуже но зато запоминается лучше - повторил а ты уже оказывается это знаешь значит осталось что - правильно осталось понять и пременить

@jessypinkman8010

Жыл бұрын

Какой дурак ночью будет ложится спать ?

@Bigteamer

Жыл бұрын

@@jessypinkman8010 не знаю джесси, когда мет варить?

@jessypinkman8010

Жыл бұрын

@@Bigteamer Чел, ты или умолкнешь или товара не видать, в Альбукерке уже везде чекают, так что по тише

@Bigteamer

Жыл бұрын

@@jessypinkman8010 Понял, бро. Буду ждать товар

Спасибо, прокачиваю мозг благодаря тебе

Хорошо разъяснил

В примере вычисления факториала на 10:00 опечатка, следует исправить '+' на '*'. А так ролик хороший, спасибо за простое и доступное изложение .

Вот нравится мне на этом канале то, что разбираются темы, к которым человек сам не подошёл, так как они покрыты "тайнами". Про них мало понятной информации, но автор канала каким-то образом сложные темы объясняет за 15 минут. Без подробностей, конечно, но чтобы начать разбираться это более чем достаточно. Спасибо автору за старания 😍

@user-ic3tr4eq2o

5 ай бұрын

Нет там никакого покрытия тайной и литературы просто ГОРЫ. Если ты к теме сложности алгоритмов и оптимизации не добрался - значит ты просто "не дорос". Ну в смысле для того чтоб копать в эту сторону, перед тобой должна стоять задача очень часто выполнять объемную задачу (например поиск данных в большом массиве и не раз в месяц, а прям часто). В данном ролике даже не упомянули откуда растут ноги. А ноги растут из особенностей "железа". Команды процессора не одинаковые по времени выполнения. Так самые "длинные" это операции сравнения и сопутствующие им операции условного перехода. Следом идут операции записи в память. Плюс к операциям записи идёт организация структуры хранения обрабатываемых данных. В конечном итоге оптимизация сводится к тому, что нужно по возможности сделать так, чтоб было минимальное количество сравнений (если можно заменить одно сравнение тремя операциями сложения - заменяй. работать будет быстрее. тут ярким примером так называемые "хеш"). В целом дисциплина называется "структуры данных и алгоритмы".

@TanziroK

3 ай бұрын

Привет, посоветуйте пожалуйста книжки с C++, мой уровень очень плох, но при этом я могу вникать в материал, просто только начинающий, хоть уже и в ВУЗе просидел полгода, но играл слишком много, а сейчас уже понимаю, что нужно заниматься, и ко второму курсу идти на работу потому что стипендии не хватает, чтобы покрывать мои "хотелки"​@@user-ic3tr4eq2o

Классный ролик, все наглядно

Музыка топ, люблю её. Спасибо мэн!

Огонь!!

мало что понял, но было интересно

Я когда смотрел, думал о смысле жизни

Молодца!

Криптография 2 часть!! Мы ждем

Спасибо за видео! Полезно не забывать об этой теме, хоть в лично в моей практике уже давно достаточно редко приходится "упарываться" в жесткую алгоритмику. Но вот чем мне всегда О-нотация не нравилась, так как раз своей грубостью. Часто знать о двух разных алгоритмах, что они просто O(N) (или любая другая функция) - это ничего не знать. Представьте себе абстрактную ситуацию, что выбираете алгоритм для своей задачи из магазина, и в характеристиках у обоих обозначена сложность O(N). Но один (1) из них выполняет по факту в среднем N/2 операций. А другой (2) всегда выполняет 1000*N. Хоть они оба и O(N), первый будет значительно предпочтительнее второго. Во-первых потому, что N для него - действительно максимум. Во-вторых, что в большой части случаев он будет завершаться, выполнив меньше N операций. Но в чем же заключается дополнительная проблема алгоритма (2), про который известно, что он O(N), но неизвестно, что фактически он всегда выполняет 1000*N операций, помимо того, что он очевидно менее оптимален, чем первый? А проблема как раз в том, что просто сравнение разных сложностей в O-нотации не совсем корректно. Вот теперь представьте, что есть еще алгоритм (3), решающий эту же задачу, но имеющий сложность O(N^2). Он же сложнее, чем O(N), так? Так, да не так. Если просто взглянуть на эти две функции: 1000*N и N^2, легко увидеть, что тот "более быстрый" алгоритм O(N) (который фактически 1000*N, но коэффициент мы пренебрежительно отбросили) будет по факту выполняться дольше, чем N^2 для N < 1000. А теперь представьте, что сама наша исходная задача и не предполагает работать с N, большими 1000. В этом случае нам было бы выгоднее взять этот третий алгоритм, если выбирать только из этих двух. А теперь представьте, что оценка этого третьего алгоритма тоже сделана слишком грубо, и по факту точнее было бы говорить об (N/10)^2 - это по-прежнему O(N^2), но сравнивая его с (2), он будет быстрее уже не только при N < 1000, а при N < 100000 (!).

@kosiak10851

10 ай бұрын

так эта нотация применяется для оценки при N стремящемся к бесконечности. Эсли у тебя на входе алгоритма не бесконечный размер данных, то и не применяй, не надо.

Очень понятно и наглядно, большое спасибо!

Тот редкий случай, когда просто, КРАТКО и понятно объяснены довольно сложные вещи. Спасибо автору

Если раньше я думал, что немного знаю математику и чуток умею программировать.... То теперь понимаю, что лучше пойти выпить пивка 😮

0:48 - так мы смотрим на количество операций или на время выполнения? Видос топ, конечно, а то другие размазывают инфу.

невероятно великолепны йобзор

Спасибо за видео! Доходчиво и с картинками! :D Кстати, сейчас друг написал, попросил функцию посмотреть (упрощенно - собирает символы по паттерну и печатает их) - показал скриншот из видео, прокомментировав, что у него по памяти получается O(N!) - делал конкатенацию строки. Друг понял и пошел оптимизировать! Скинул ему ссылку на видео) А что за музыка в рекламе на фоне с 2:22 / в конце видео используется?)

лайк не глядя, гению

Привет, в какой программе ты делаешь ролики? Как делаешь анимацию?

Видео скорее больше запутывает без формальных определений. Также хотелось бы услышать про тета- и омега- нотации. Советую почитать соответствующую главу книги Томаса Кормена «Алгоритмы. Построение и анализ».

Есть ещё амортизировання сложность, когда в какой-то момент она может вырасти (например в хеш мапах при расширении массива, так как нужно скопировать данные в новый массив из предыдущего), а так же сложность Omega и Theta.

Вставлю свои пять копеек по поводу памяти. Если мы инициализируем словарь или массив размера переданного в функцию аргумента, то по памяти M = О(n) (M = memory).

очень круто

В какой программе вы делаете анимации? Хочу дипломную презентацию сделать в подобном виде )

Не понимаю в программировании и математике ни черта, но автора так интересно слушать😅 очень познавательно, спасибо большое, продолжай 👍

@user-zh4rf2pe2i

Жыл бұрын

по-любому у автора в загашнике есть информационная мега-бомба. она нам всё объяснит, и м ы решим ка жить дальше. Голос да, действительно такой

@TinDIlintin

Жыл бұрын

Дело в том, что никто ни в чём ничего не понимает. Просто некоторые питают иллюзии, что что-то понимают, а у вас такой иллюзии нет )

@TwoRiks

Жыл бұрын

@@TinDIlintin это очень обнадёживает, надеюсь вы правы, спасибо 👌

AlekOS, делай, пожалуйста, фоновую музыку немного тише

0:44 O(N * log N) на графике не выглядит как логарифм, и "загибается" вверх а не вниз На большой дистанции линейно-логарифмическая сложность - хуже линейной, что у вас обозначено С графиком на первой минуте может показаться, что линейно-логарифмическая когда-то догонит линейную, но это не так - эти две функции можно считать полностью расходящимися Так же не полностью раскрыта тема коэффициентов, когда сложность алгоритма не получится оценить "двухмерной" асимптотикой Там сложность оценивается уже "пространственно" Я не знаю работает ли это для памяти, не сталкивался Но не удивлюсь если такие "пространственные" коэффициенты применимы и для памяти

Блестательное видео. Жду видео по Java

🔥🔥🔥🔥🔥

❤❤❤

Не ну это трендец просто. Просто идеальный канал, ну не к чему придраться

Лучший

Я так понимаю, что скорость выхода видео равна O(n²)?

10:38, тот момент когда ты пишешь на питоне и ты можешь умножать строку.

Довольно поспешно и поверхностно. Лучше книжку почитать, что-то вроде "Грокаем алгоритмы" А. Бхаргава

@kosiak10851

10 ай бұрын

а ещё лучше учебник по дискретке, а не эту упрощённую для аутистов книжку

@antaki93

10 ай бұрын

@@kosiak10851 для базового понимания в самый раз

сложность алгоритмов проходил на первом семестре программной инженерии. препод никакущий, объяснял убого и так, что ничего не понял. сейчас я во втором семаке и Алек выпустил видос по этой теме. не совсем вовремя, но тем не менее, я хоть понял то, что старался объяснить нам препод. спасибо тебе огромное, Алек

@adekakz9794

Жыл бұрын

у нас вообще забили на сложность алгоритмов)) а вуз носит название МЕЖДУНАРОДНЫЙ!

@user-cq4kq3nc4u

Жыл бұрын

тоже прохожу сейчас это в универе, можешь подсказать: сложность О(n+k), когда в программе два цикла, не вложенных, так вот, эта сложность линейная, т.е. аналогична O(n)? или я чего- то не понял

@user-dq6rk6fl7f

Жыл бұрын

@@user-cq4kq3nc4u вроде да, потому что все около N отбрасывается: О(2N) -> О(N), O(N+3) -> O(N). Не отбрасываются логарифмы и степени на сколько знаю. Тип может быть O(N*logN), оно так и останется , или же O(N²), тоже не изменится

@user-cq4kq3nc4u

Жыл бұрын

@@user-dq6rk6fl7f благодарю

Не смотря на приличный опыт программирования, сложность алгоритмов всегда давалась мне тяжело в изучении, когда я учился, а тут всё удивительно понятно! Спасибо!

Контент топ

you the best teacher

Как бы хотелось бы видео по C# или знает кто подобный канал с подобной подачей по C#?

а ещё есть проблема в реальном железе. казалось бы поиск в дереве быстрее, чем поиск в неупорядоченном массиве из 100 элементов, но за счет того, что данные хранятся последовательно в памяти и влезают в кеш процессора, то прогнать цикл может оказаться быстрее, чем в дереве.

Когда я поступил в университет и на матанализе встретил "О большое", то далеко не сразу понял, что это то самое "big O" в программировании. Сфера настолько перенасытиоась дилетантами, что даже понятия искажают для тех, кто не посещал школьную маоематику с 5 класса

как то раз я посмотрел подобный видос и меня это только больше запутало. Без формальных определений нельзя рассказывать примеры сложностей и то, как их считать. Видео больше путает, чем разъясняет(если вы не знали тему раньше, а если знали то видео просто бесполезно). Лучше загуглите эту тему, видос не советую, по крайней мере не советую смотреть его первым по этой теме.

надо будет раза 3 пересмотреть с ручкой и листочком... на 4-й минуте уже потерял нить

Не поверишь, но буквально на днях сам копался по этой теме в интернете)

Ничего не понял, но очень интересно

Не за 11 минут а за 10 :) 11 минус реклама. Гениально!

Достаточно прогнать на эталонном компе, а сам выбор эталонного компа очевиден: тот что тебе дали на работа в качестве рабочего или целевого.

Почему рассматривается только О-большое, и еще надо было упомянуть о сложности в лучшем случае, на примере отсортированного и не отсортированного массива

Спасибо, давно не использовал оценку сложности, такая мини разминка для мозга :)

Видео отличное, но на мой субъективный взгляд, больше подходит для повторения материала.

ПОРЖАЛ. За 10 недель без навыков вы научитесь....🤣🤣🤣

Мне одному кажется, что видосы у Алека в продакшн с ускоренным воспроизведение выходят? Инфа нужная и полезная, но на такой скорости что-то усвоить не представляется возможным)

При нескольких переменных N и K допустим, скоростью алгоритма является максимальная скорость или худшая, поэтому если N больше K тогда скорость O(N) и наоборот

Когда продолжение про криптографию?

Продолжение по криптографии, пожалуйста.

если вы совсем не знакомы с алгоритмами, то "Грокаем алгоритмы" подходит для начала, за пару дней можно осилить

11:00 - совершенно не понимаю, откуда тут могла взяться сложность по памяти О(2^N) и геометрическая прогрессия. Если мы выяснили, что вызов рекурсивной функции даёт сложность О(N) по памяти, а в этом примере мы вызываем её N раз. Итоговая сложность по памяти окажется O(N).

Скоро будет почётней рекламировать скамы и наркомагазы в даркнете, чем сами знаете какие школы...😂