Перейти к основному содержанию
Боковая панель
Информатикс
Вы используете гостевой доступ (
Вход
)
ЛШКН 2016
Общее
Тема 1
Тема 2
Тема 3
Тема 4
Тема 5
В начало
Календарь
Летняя школа по компьютерным наукам 2016
В начало
Курсы
Учебно-тренировочные сборы
Летняя школа по компьютерным наукам
ЛШКН 2016
Тема 1
Лекция 9. Арифметика
Лекция 9. Арифметика
Нажмите на ссылку <a href="http://informatics.mccme.ru/file.php/1552/csss1.pdf">http://informatics.mccme.ru/file.php/1552/csss1.pdf</a>, чтобы открыть ресурс.
◄ 9. Введение в теоретико-числовые алгоритмы
Перейти на...
Перейти на...
Первый контест
Командная олимпиада
1. Структуры данных: стек, очередь, дек
Лекция 1. Структуры данных: стек, очередь, дек.
2. Структуры данных: set, map
Лекция 2. Структуры данных: set, map.
3. Бинарный поиск
Лекция 3. Бинарный поиск
4. Сортировки
Лекция 4. Сортировки
5. Динамическое программирование
Лекция 5. Динамическое программирование
Вопросы. Промежуточный контроль знаний
6. Комбинаторный перебор и рекурсия
Лекция 6. Комбинаторный перебор и рекурсия
Контест 22.08.2016
7. Графы: способы их хранения и обхода. Проверка графа на двудольность, поиск циклов и топологическая сортировка графа.
Лекция 7. Графы: способы их хранения и обхода. Основные алгоритмы
8. Введение в вычислительную геометрию.
Формулы 8. Введение в вычислительную геомерию
9. Введение в теоретико-числовые алгоритмы
10. Обработка текстов
1. Сортировка и ее применения
1. Сортировки, конспект
2. Бинарный поиск
2. Бинарный поиск, конспект
3. Структуры STL
Документация по контейнерам STL
4. Хеши
4. Хеши, конспект
5. Динамическое программирование
5. Динамическое программирование, конспект
6. Обход в глубину
7. Кратчайшие пути в графах
8. Операции на отрезках
8. Конспект по деревьям отрезков
9. LCA
10. Групповые операции на дереве отрезков
День 01. Теория
День 01. Практика
День 02. Теория
День 02. Практика. Pandas
День 02. Практика. Pandas (flights)
День 03. Практика
День 03. Практика (данные)
День 03. Dota contest
День 03. Базовое решение Dota Contest
dictionaries
Kaggle Dota2 contest
День 04. Практика
День 04. Практика (данные)
День 04. Пример работы с sklearn
День 05. Практика (градиентный спуск)
День 05. Практика (Категориальные признаки, тексты)
День 06. Практика
День 06. Практика (данные)
День 07. Практика
Gradient boosting playground
День 08. Практика (Решающие деревья)
День 08. Практика (Данные)
День 08. Практика (Описание данных)
День 09. Практика
TensorFlow playground
День 10. StackOverflow contest
Опрос по итогам курса
Материалы для дальнейшего изучения ML
10. Обработка текстов ►