Скачать или смотреть Виктория и Ирина: Что такое рекурсия в Python?🐍 (Числа Фибоначчи)

00:00:00 Введение в тему Фибоначчи
00:00:58 Рекурсивный алгоритм Фибоначчи
00:02:58 Стек вызовов
00:04:23 Логика алгоритма Фибоначчи
00:07:44 Реализация в среде разработки
00:12:34 Завершение алгоритма
00:16:10 Рекурсия и стек
00:17:07 Измерение времени выполнения функции
00:18:06 Анализ времени выполнения при разных параметрах
00:20:40 Ограничения рекурсии в Python
00:22:38 Стресс-тестирование системы
00:23:38 Проблемы повторных вычислений
00:24:15 Геометрическая интерпретация времени выполнения
00:27:11 Обработка ошибок в Python
00:28:50 Хвостовая оптимизация в Python
00:30:05 Математический анализ алгоритма
00:32:17 Тестирование алгоритма на трёх элементах
00:33:55 Факториальная вычислительная сложность
00:34:36 Точка невозврата
00:35:52 Оптимизация алгоритмов
00:39:05 Мемоизация
00:40:27 Треугольник Паскаля
00:43:29 Золотое сечение и спираль Фибоначчи
00:46:55 Прямоугольник Фибоначчи
00:47:47 Золотой угол и Фибоначчи
00:48:51 Фракталы и множество Мандельброта
00:50:32 Переход к асимптотике и оптимизации
00:51:26 Дебаггинг алгоритма
00:55:04 Вычисление аргументов функции
01:00:22 Переход на следующую строчку
01:02:08 Сложение чисел Фибоначчи
01:04:01 Завершение дебаггинга
01:04:04 Работа стека вызовов
01:04:58 Операции на одной строке
01:06:19 Вопросы о стеке
01:08:08 Лифо и структуры данных
01:11:15 Применение стека в жизни
01:13:33 Анонс следующей презентации о динамическом программировании и мемоизации.

🚀 Вступай в сообщество: https://t.me/senatorov_bootcamp_bot
🍑 Подписывайся на Telegram: https://t.me/RuslanSenatorov
🔥 Начни работать с криптовалютой на Bybit: https://www.bybit.com/invite?ref=MAN2VD

💰 Донат: https://www.donationalerts.com/c/sena...
💰 Стать спонсором :
(USDT TRC20) TPWP9kuqqetDNPeLjAe51F1i2jPxwYYBDu
(USDT BEP20) 0xf3db7ce90a55d1d25b7a6d1ded811fb2a7523f3d

Основные математические темы:
Линейная алгебра:
Векторы и матрицы
Операции с матрицами (умножение, транспонирование, след)
Собственные значения и собственные векторы
Обратные матрицы
Разложения (QR-разложение, SVD-разложение)
Системы линейных уравнений
Математический анализ:
Пределы и непрерывность
Производные и частные производные
Градиенты и оптимизация
Интегралы
Оптимизация функций
Теорема о среднем значении
Многомерный анализ

Теория вероятностей:
Случайные величины
Распределения вероятностей (нормальное, биномиальное, пуассоновское)
Условная вероятность
Теорема Байеса
Законы больших чисел и центральная предельная теорема

Статистика:
Математическое ожидание, дисперсия
Статистические гипотезы и критерии
Регрессия и корреляция
Оценки параметров (метод максимального правдоподобия, метод наименьших квадратов)
Анализ данных и визуализация
Описательная статистика
Интервальная оценка
Проверка гипотез
Регрессионный анализ
Теги:
Математика для машинного обучения,
Линейная алгебра в Data Science,
Математический анализ для машинного обучения,
Теория вероятностей и статистика,
Математика для анализа данных,
Векторы и матрицы,
Производные и градиенты,
Распределения вероятностей,
Регрессия и корреляция,
Машинное обучение,
Data Science обучение,
Математические основы ML,
Алгоритмы машинного обучения,
линейная алгебра для машинного обучения,
теория вероятностей в data science,
математический анализ в ML,
статистика для анализа данных,
data science с нуля,
машинное обучение для начинающих,
Python для data science,
R для анализа данных,
numpy, pandas, scikit-learn,
deep learning,
нейронные сети,
искусственный интеллект,

#математика #datascience #machinelearning
математика с нуля,математика для дата сайнс,математика для машинного обучения,математика для чайников,математика для начинающих,математика для программистов,репетитор по математике,преподаватель по математике,учитель по математике,репетитор по дата сайнс с нуля,математика для data science,математика для заочников,математика для дата аналитика,математика для анализа данных