Большое О - ассимптотическая оценка сложности алгоритмов
При проектировании решений мы стремимся к максимальной эффективности. Понимание сложности алгоритмов и умение их сравнивать критически важно для подбора наиболее эффективного решения, поэтому понимать принципы ассимптотической оценки - очень важно. Даже если вы считаете, что все алгоритмы уже написаны, а chatGPT подскажет решение в любой ситуации. Таймкоды: 00:00 - пример вопроса с интервью и крутого решения 01:56 - время выполнения 06:49 - более крутое решение 07:58 - оцениваем время 17:25 - сравниваем функции-оценки 24:51 - скорость роста 28:27 - аппроксимация и большое О 37:30 - частые сложности и их скорости роста 55:18 - выводы

▶︎
ГРОМАДНЫЙ обзор и сравнение Django и FastAPI

▶︎
Как устроены хэш таблицы и словари на примере Python (hash table / dict)

▶︎
TikTok, Reels та Shorts для розвитку бізнесу

▶︎
Абрамов С. А. - Сложность алгоритмов - 1. Понятие сложности алгоритмов

▶︎
РеКуРсИя в Python (стэк вызовов, оптимизация хвоста и альтернативы)

▶︎
Самая легендарная задача математических олимпиад // Vital Math

▶︎
The most beautiful formula not enough people understand

▶︎
Деревья на Python: бинарное дерево поиска (BST), красно-чёрное (BRT)

▶︎
Об истории обобщенных функций // Владимир Арнольд

▶︎
Принц Персии: разбираем код гениальной игры, вытирая слезы счастья

▶︎
Creator of C++: Bell Labs, Negative Overhead Abstraction, Mistakes | Bjarne Stroustrup

▶︎
В.И. Арнольд. Теоретико-числовая турбулентность и статистика больших диаграмм Юнга

▶︎
How (and why) to take a logarithm of an image

▶︎
Why PostgreSQL took over the database world?

▶︎
Почему класс D бесит аудиофилов? Гунтарс Шмитс объясняет

▶︎
Основы Pydantic - моделирование, валидация, преобразование
![Измерение объективной степени случайности конечного набора точек [1] // Владимир Арнольд](https://i.ytimg.com/vi/Wpi06vIdrzc/hqdefault.jpg?sqp=-oaymwE9CNACELwBSFryq4qpAy8IARUAAAAAGAElAADIQj0AgKJDeAHwAQH4Af4FgAKwA4oCDAgAEAEYZSBVKFMwDw==&rs=AOn4CLCSrc8xMhOKM5KXAtWUll3Ws_5kow)
▶︎
Измерение объективной степени случайности конечного набора точек [1] // Владимир Арнольд

▶︎
6. Monte Carlo Simulation

▶︎
Stack and Queue in Python

▶︎
