Вот так у нас восстанавливают русло реки в Пионерском парке... Нет слов - одни эмоции! 🤬 Где армировка? Куда они льют тот бетон и зачем? Как мне кажется, бетон просто льется на подложку, непонятно как положенную. Для чего? Я не специалист, но все это для меня выглядит максимально ненадёжно и странно! У меня лично сложилось такое ощущение, что это всё в первый хороший ливень смоет нафиг... Требую найти экспертов и провести жесточайший контроль что они там делают и как!!!

Показать полностью (1)

Ночная Ялта 70-х. Золотое время!

💃 АКВАГРИМ в ПОДАРОК 🎁

🍟🍔 Приходи в АвтоКафе на Набережной и получи свою порцию ПРАЗДНИКА 🎊 *

Ждём Вас в День Города Ялта
9 августа с 11:00 до 14:00 по адресу:
Ялта, ул.Рузвельта, 1А

* За заказ от 500 руб.

☎️ +7 989 856 48 60

Показать полностью (4)

Ночной Четыр-Даг ✨

Показать полностью (4)

Интересно, рабочий план? 🤔😅

Показать полностью (3)

🏖 Утренняя зарядка на лечебном пляже Ялты, 1977 год.
Воздух — чистейший, море — спокойное, режим — санаторный.
Так начинался день у тех, кто приезжал поправить здоровье и вдохновиться крымским солнцем.

📌7 распространённых асимптотических сложностей алгоритмов

1. O(1) — Константное время

- Время выполнения не зависит от размера входных данных.
- Пример: доступ к элементу массива по индексу.

2. O(log n) — Логарифмическое время

- Время выполнения растёт медленно при увеличении размера входных данных. Обычно встречается в алгоритмах, которые на каждом шаге делят задачу пополам.
- Пример: бинарный поиск в отсортированном массиве.

3. O(n) — Линейное время

- Время выполнения растёт прямо пропорционально размеру входных данных.
- Пример: поиск элемента в массиве перебором всех элементов.

4. O(n log n) — Линейно-логарифмическое время

- Время выполнения растёт чуть быстрее линейного, включает логарифмическое число операций для каждого элемента.
- Пример: сортировка массива быстрой сортировкой или сортировкой слиянием.

5. O(n²) — Квадратичное время

- Время выполнения пропорционально квадрату размера входных данных.
- Пример: сортировка пузырьком, где сравниваются и при необходимости меняются местами все пары элементов.

6. O(2ⁿ) — Экспоненциальное время

- Время выполнения удваивается с каждым новым элементом во входных данных. Такие алгоритмы становятся непрактичными для больших входных размеров.
- Пример: генерация всех подмножеств множества.

7. O(n!) — Факториальное время

- Время выполнения пропорционально факториалу размера входных данных.
- Пример: генерация всех перестановок множества.

♻ Сделай репост, чтобы помочь другим.

👉 [club79831840|@Bookflow]

📌 10 обязательных алгоритмов для работы с графами

1. Поиск в глубину (DFS)
2. Поиск в ширину (BFS)
3. Топологическая сортировка
4. Алгоритм объединения-поиска (Union Find)
5. Обнаружение циклов
6. Поиск связных компонентов
7. Проверка на двудольность графа
8. Заливка области (Flood Fill)
9. Минимальное остовное дерево
10. Кратчайший путь

♻ Поделись, чтобы помочь другим подготовиться!

👉 [club79831840|@Bookflow]