ЗАЯВЛЯЮ 2^1277-1 ЭТО ПРОСТОЕ ЧИСЛО!
Помогите мне найти делители чисел 2^1619-1 2^8999-1 и самое главное 2^1277-1
За помощь существует награда. Кандидатов на совершенное число 230 Миллионов. Разберем их все.
Помогите мне найти делители чисел 2^1619-1 2^8999-1 и самое главное 2^1277-1
За помощь существует награда. Кандидатов на совершенное число 230 Миллионов. Разберем их все.
Приветствую всех!
Как насчет изучения новой темы? Сегодня на обзоре у нас логический тип Bool и операторы сравнения. Я решил эту статью вставить между изучением темы о работе с числами и изучением темы о работе со строками, так как при работе со строками, знания из этой статьи нам очень пригодятся. Поэтому наливайте себе кофе, будет интересно!
Начнем знакомство с логического типа – Bool, который может возвращать только два значения, True (истина), или False (ложь), рассмотрим на примере сравнения двух чисел:
print(4 > 8)
Из данного примера в консоль вернется False, так как 8 больше 4.
Операторы сравнения играют важную роль в языках программирования, они помогают выстраивать логическую цепочку в тех или иных местах программы. Ниже оставлю таблицу всех операторов сравнения, в Python.
Я думаю, с таблицей ни у кого не возникнет вопросов, все эти операторы вам знакомы со времен школы. Добавлю, в принте ( функция print() ) можно сравнивать математические операции, например:
print((3 + 5) > 5)
print((25 - 15) < 10)
print((30 * 5) > 12)
print((70 / 3) < 2)
Операторы ==, !=, >=, <= пишутся слитно и между ними не должно быть пробелов, в противном случае вы получите ошибку. Чаще всего новички путают знак равенства и пишут вместо двойного символа равно == один символ, который означает присвоение, этот знак характерен для темы переменных, совсем скоро мы приступим к ее изучению.
Совсем недавно пришли результаты ЕГЭ. Информатику получилось написать лучше всего) Решил все задачи, но допустил ошибки в 6 и 9 номерах. Писал преимущественно для поступления, однако и для того, чтобы не только преподавать школьникам питон, но и готовить их к экзамену.
А если вы хотите сдать ЕГЭ также, а то и лучше, то запросто можете взять у меня урок, написав в телеграмм. Мой никнейм -> @pyython
Полагаю на сайте присутствую школьники либо их родители. Надеюсь пост будет полезен тем, кому вскоре предстоит ЕГЭ по информатике. Суть в том, что по моему мнению некоторые здания гораздо проще решать не так, как советуют в большинстве источников.
Задания:
16) Лучше просто перенести алгоритм в компилятор и посмотреть, что он выведет.
17) Копируем данные в EXCEL в столбец А. После чего копируем столбец А и вставляем в столбец В, начиная с ячейки В2. Таким образом мы получили пары, о которых идёт речь в задании. В столбце С прописываем формулу (сумма, разность, остаток). После чего находим сумму в столбце С. Ну и используя функцию МИН или МАКС находим минимальное или максимальное значение в столбце С(в зависимости от задания)
22) Переносим код в компилятор. И засовываем его в цикл. В конце цикла добавляем вывод по условию. Вуаля. Ответ готов
26) Копируем данные в Excel. Удаляем первую строку. Сортируем по возрастанию. В В1 пишем "=А1", в В2 пишем "=А2+В1" И растягиваем В2 до конца. Находим в какой строке столбца В самое большое значение, не превосходящее значение из условия. Это первая часть ответа. Вторую найти уже не сложно, после описанных действий.
27) Копируем данные в Excel. Разбиваем по столбцам. Удаляем первую строку. В С1 пишем МАКС(А1;В1) или МИН(А1;В1) в зависимости от условия задачи. Записываем сумму по столбцу С. Если кратность подходит, то ответ готов. Если нет, то сортируем столбец С по возрастанию и вычитаем из суммы самое маленькое значениеиз столбца С, которое изменит кратность суммы. Теперь ответ точно готов.
Надеюсь данные советы реально кому-нибудь помогут.
Если людям, не связанным напрямую с ЕГЭ по информатике, любопытно увидеть задания. То вот ссылочка
Добрый день, Пикабу!
Для лл:
На канале проходит обучение информатике для сдачи ЕГЭ по информатике с теорией, практикой, ДЗ и разборами.
Обучение бесплатное и не будет монетизироваться до конца учебного года.
Старт 02.10, финиш за неделю до экзамена.
Язык, используемый на занятиях: Python
Наткнулся на аналогичный пост от математика и решил подхватить идею и унести в массы. Я тоже желаю помочь местной (и не только) аудитории в освоении своего предмета на альтруистичных началах.
Идею товарища-педагога я видоизменил и готов её презентовать публике.
Ввиду того, что к информатике, как правило, готовятся без базы или с очень ограниченной базой знаний (школьные преподаватели как правило не обучались предмету в ВУЗе или получили его посредственно), выпускник начинает ботать предмет в 10-11 классе и готовится за год. Этого времени достаточно для освоения программы на какие-то достойные баллы, в случае если есть стремление и какая-то минимальная предрасположенность (знакомство с ПК, логика, математическое мышление). Поэтому стартуем с нуля, имея за плечами лишь немного математики и здравого смысла.
Поэтому обучение будет проходить в таком формате:
В субботу на канале выходит пост с разбором темы, где присутствует необходимый минимум теории, практика, разбор очевидных проблем и частых ошибок. Всё это оформляется в статью.
Следом за этой статьёй, в ту же субботу, приходит практика в 5-10 задач на отработку. К этой практике есть комментарии и все задачи можно обсудить в комментариях со мной или другими учениками.
Затем, в понедельник, на канале появляется ещё один пост с практикой, которой уже больше, а комментарии к которой отключены. Это ДЗ. Его нужно сделать и прислать до пятницы. Несколько работ будут проверены, овтеты на них даны в личку, наиболее распространённые ошибки разобранны в ту же пятницу.
И так по кругу.
Возможно, среди недели будет появляется дополнительный материал, эту идею оставим для проработки.
Мы начнём в эту субботу (02.10) и будем учиться до последнего. Пройдём все задания от 1 до 26, а на 27 аккуратно посмотрим и разберемся, почему его нельзя гарантированно натренировать заранее.
P.S.: Хочется акцентировать внимание на том, что относиться к этому курсу, как к полезному ресурсу, можно только в случае, если вы готовы достаточно активно готовиться к экзамену. Решить 30-40 знакомых задач одного типа в неделю гораздо проще, чем одно незнакомое на экзамене.
Приветствую, давно хотел написать пост об изучения Computer Science, рассмотреть пару тем, рассказать об интересных уч.материалах. К тому же здесь превалируют русскоязычные уч. материалы, что достаточно редкая история(но об английском будет пару слов, без него, к сожалению, никуда).
Этот пост - последний вышедший на моем канале в телеге https://t.me/tobeprog (там об изучении программирования).
Какие варианты roadmap-ов по cs бывают
Кажется крайне позитивной идеей, перед началом любого подобного материала ссылаться на уже существующие roadmap-ы/планы изучения.
Пост о том как найти хороший roadmap/план изучения
Прямо оттуда пара примеров:
https://github.com/jwasham/coding-interview-university (англ.)
https://github.com/jwasham/coding-interview-university/blob/main/translations/README-ru.md (на русском)
John Washam имел достаточно успешную карьеру, но у него была мечта - попасть в гугл. Его отделяло от нее отсутствие образования и знаний в сфере computer science, собственно весь roadmap - это его подготовка к собеседованию и обретение этих знаний с нуля.
https://github.com/ossu/computer-science OSSU(Open Source Society University)
Очень известный проект, опенсорсный университет. Они ориентируются именно на вузовскую программу cs.
1. Ввод в computer science
Учебные материалы, не требующие какой либо предварительной подготовки, можно даже ни одного ЯПа не знать. При этом, их полезно посмотреть всем начинающим программистам, даже если дальнейшее изучения cs не планируется.
1.1. CS50
Легендарный Гарвардский ввод в cs. Лектор обладает каким то запредельным скиллом интересно подавать сложный материал, и сам материал выше всяких похвал. На данный момент, именно этот ввод мне видится лучшим вариантом для старта.
1.2. "Код", Петцольд
Эта книга - ввод в архитектуру, разбирается всё, буквально от подачи тока по проводкам и заканчивая высокоуровневыми языками программирования.
Но куда интересней другая особенность книги - здесь с легкостью ловится эффект, когда ты понял одну часть, но уже забыл прошлую, и надо все заново, и все удерживать в голове и т.д. При этом сама книга написана простым языком, не подразумевает никаких предварительных знаний по теме и досконально разбирает каждый момент. Вы как бы учитесь работать со сложной системой, находясь при этом в комфортных условиях(это буквально необходимый навык для дальнейшего изучения cs, наверно, он даже важнее самой темы книги).
Ко всему прочему CS50 и "Код" Петцольда - идеальное сочетание. CS50 мало про архитектуру, а Код отлично ложится на ввод в computer science. Поэтому рекомендую ознакомится с книгой как можно раньше.
1.3. Missing Semester
Оригинал - https://missing.csail.mit.edu/
[Перевод, на данный момент переведено 2 из 11 частей]Пропущенный семестр курса по компьютерным наукам - https://missing-semester-rus.github.io/
Есть куча инструментов, которые предположительно должен знать студент после изучения Computer Science, обычно это оставляют для самостоятельного изучения, тут же наоборот решили сакцентировать на них внимание(и сэкономить кучу времени студентам).
2. Подготовка к изучению cs
2.1. Про английский
Раз уж, в Missing Semester соприкосновения с иностранным языком не избежать, обсудим эту тему сейчас. Так уж получилось, английский - это необходимость для изучения cs. Хорошая новость в том, что для уч.материалов на английском не нужен уровень Disco Elysium.
Я не лингвист, поэтому рассуждений на тему почему так, выдать не могу. Но точно могу сказать, что для многих становится настоящим открытием то, насколько простой английский используют в тех же лекциях по тех.специальностям. Если получается смотреть какие-нибудь ситкомчики(условных “Друзей”) в оригинале, то и лекции условного MIT по алгоритмам тоже потяните(к тому же, у лекций могут быть конспекты, субтитры, да даже контекст повествования).
Знание языка, даже на каком-нибудь Intermediate, уже огромное преимущество, и если есть возможность каким-то образом подтянуть язык, то это однозначно стоит сделать.
2.2. Выбор языка
Все сводится к 2 вариантам: более классический - си, более простой - питон. Вообще можно выбрать и любой другой, но так уж сложилось, что большинство уч.материалов крутятся вокруг этих двух.
Начнем с питона, основное преимущество - можно быстро писать сложные программы или их рабочие прототипы. В cs очень важно не просто изучать теорию, но и мочь что-то сделать, что называется “покрутить” это, поэкспериментировать, понять принцип работы на практике.
Пост про уч.материалы для изучения основ питона
Не буду расписывать каждый, уже кучу всего про них написал, как и про подбор правильных уч.материалов, все есть в посте.
Поэтому, сразу к Си. Сразу скажу, в моем понимании, изучении Си без ассемблера - крайне странная идея, и из того же gdb изучающий вообще вылезать не должен. Но это достаточно хардкорный подход, в котором для начинающего уж слишком много процесса исследования(что может сильно запутать).
Нет особого смысла расписывать книги по Си, в любой подборке будет фигурировать тот же Прата, мимо основных пройти невозможно, вместо этого расскажу о куда более интересном и малоизвестном материале.
https://stepik.org/course/73618 - один из лучших курсов по Си, найденный мной весьма странным образом. Дело в том, что автор курса написал книгу, с тем самым правильным в моем понимании подходом(сишечка через ассемблер), самой книги нет на русском, но гугл неожиданно привел меня на степик, где курс можно сказать спрятался(не привязан к какой-либо организации, на обложке милейший котик, и всего 2к учащихся, поэтому на самом сайте его приметить затруднительно).
К сожалению, сам курс без ассемблера, но он все же очень хорош. Cложный, глубокий, про современный подход к разработке(это прям редкость). Тут главное не торопиться, и постепенно, вникая во все(это оч. важно), двигаться по курсу.
2.3. А оно точно вам нужно?
Этот вопрос стоит задавать перед изучением любого топика/темы cs. И уж точно, перед комплексным изучением всего предмета. Да, вроде как лишних знаний не бывает, но вот что бывает, так это зря потраченное время(в случае с cs, очень и очень большое).
Почему я вообще поднял этот вопрос? Если кратко, ища разные материалы на тему cs, очень уж часто я видел крайне спорные утверждения из разряда: “каждый программист должен знать”. И если подобное утверждение выходит далеко за пределы основ, то я советую очень и очень осторожно к нему относиться.
Особенно, если изначально не стоит задачи разобраться в той или иной области, а ее изучения связано с получением, например, будущей профессии. Сделайте ресерч, посмотрите действительно ли это необходимое требование(предположу, что в большинстве случаев - нет).
2.4. Изучение от практики
Одна из самых примечательных особенностей изучения cs сейчас, это - возможность изучать некоторые темы от практики. Начинать с небольших “игрушечных” проектов и потихоньку увеличивать сложность, все больше и больше приближаясь к настоящим.
Даже без подборок и прочего, туториалы с ними легко гуглятся. Например, запрос “Lisp interpreter python” и первый же результат:
http://norvig.com/lispy.html (How to Write a (Lisp) Interpreter (in Python)) статья Питера Норвига, где буквально за 90 строк он пишет и объясняет очень простой интерпретатор Lisp
https://habr.com/ru/post/115206/ - перевод этой статьи, также будет на первой странице выдачи
Это отличный вариант для старта. А что потом? Ну например, есть продолжении этой статьи с улучшенной версией интерпретатора:
https://norvig.com/lispy2.html (An ((Even Better) Lisp) Interpreter (in Python)) все также первая страница выдачи, там же будут и другие варианты.
Такой подход, ни в коем случае не отрицает чтения фундаментальной литературы, а наоборот дополняет его, и даже мотивирует все глубже и глубже изучать тему.
2.5. Количество тем
Чтобы этот пост не стал слишком уж большим, я взял самые популярные темы, они входят, если так можно выразиться, в классические топики cs. Получилось 5(Алгоритмы, Математика, Архитектура, Операционные системы, Языки программирования и компиляторы). Не знаю насколько вообще тема поста интересна, если хорошо зайдет, то сделаю еще 5, навскидку: сети, бд, графика и т.д
Computer Science | что читать/смотреть
3. Алгоритмы
3.1. Алгоритмы. Руководство по разработке, Стивен Скиена - считаю лучшим вариантом, замечательная книга. Кроме того, что она великолепно написана, в ней есть куча ссылок на другую отличную литературу, можно очень глубоко погрузиться в тему.
3.2. Грокаем алгоритмы, Адитья Бхаргава - хороший вариант для совсем начинающих.
3.3. Структуры данных и алгоритмы Java, Роберт Лафоре - классика, не смущайтесь ЯПа в названии, вообще хорошая литература по алгоритмам к ЯПам не привязана, они лишь лучше иллюстрируют рассказанное, в случае Лафоре, рассказанное настолько понятно, что Java точно не станет проблемой.
Но если нужно именно на определенном ЯПе, то разумеется есть репозиторий с кучей алгоритмов и реализаций на разных ЯПах - https://github.com/TheAlgorithms/Python/blob/master/DIRECTORY.md
3.4. Алгоритмы. Вводный курс, Томас Кормен - почему то все время забывают про эту книгу, и сразу отсылают к большой работе того же автора ‘Алгоритмы. Построение и анализ’, эта книга, куда легче и возможно, станет ступенькой к основному труду автора.
3.5. https://stepik.org/course/217 - Алгоритмы: теория и практика. Методы
https://stepik.org/course/1547 - Алгоритмы: теория и практика. Структуры данных
Два отличных курса от CSC, оба мультиязычные
3.6. Есть один курс на английском, который я не могу не упомянуть:
Introduction to Algorithms(MIT), он большой(это мягко сказано), но зато очень детальный, и объясняют все достаточно понятно, ко всему прочему этот курс только часть из серии Массачусетских курсов по алгоритмам, сразу за ним идет не менее приятный - Design and Analysis of Algorithms.
Еще к этому можно добавить кучу отличных статей, кучу объяснений сложных моментов простым языком, всякие ресурсы с задачками и т.д. и т.п. В плане поиска уч.материалов - изучение алгоритмов не доставит проблем.
4. Математика
Лучше изучать математику под конкретную цель. Т.е. в тот момент, когда приходит понимание, что для дальнейшего изучения другой темы необходимо ее(математику) подтянуть.
Но, как бы это помягче сказать, может сложиться ситуация, когда и подтягивать то нечего, настолько с математикой дружба не склеилась. В таком случае, наверно стоит почитать что-то популярное, пускай не относящееся к дискретной математике(cs крутится вокруг неё), просто чтобы понять, что это не такая страшная штука.
4.1. Парочка таких книг:
Красота в квадрате, Алекс Беллос
Удовольствие от х, Стивен Строгац
Теория игр, Авинаш Диксит, Барри Нейлбафф
Что такое математика? Рихард Курант, Герберт Роббинс
После/параллельно, стоит посмотреть что-то из разряда “математика для взрослых/минимум для абитуриента тех.вуза”. Главное, чтобы подобные ликбезы не стали в тягость.
Как и говорилось выше, в cs все крутится вокруг дискретной математики
4.2. Дискретная математика для программистов, Род Хаггарти - наверно, сейчас это лучший вариант введения в предмет.
4.3. На степике довольно много курсов по дискретной математике, возможно кому то такой формат будет удобней.
https://stepik.org/course/91 - Ликбез по дискретной математике
https://stepik.org/course/83 - Дискретные структуры
https://stepik.org/course/125 - Основы перечислительной комбинаторики
https://stepik.org/course/126 - Основы теории графов
https://stepik.org/course/5608 - Теория графов
4.4. Перед курсом про алгоритмы(из прошлого раздела) в MIT читают курс, который так и называется Mathematics for Computer Science.
5. Архитектура
5.1. "Код", Петцольд - книга из введения, если по каким то причинам еще не прочитана, то самое время это сделать.
5.2. Архитектура компьютера, Таненбаум - буквально фундамент, очень важная книга. Она куда сложнее Петцольда, но это, можно сказать, другой уровень. По сути, Петцольд в разрезе изучения архитектуры - подготовка к этой книге.
5.3. Архитектура компьютера и проектирование компьютерных систем, Дэвид Паттерсон, Джон Хеннесси - еще одна фундаментальная книга. Вполне может составить конкуренцию Таненбауму.
Честно сказать, не вижу смысла писать о других уч.материалах. Последние 2 книги просто вне всякой конкуренции. И даже близко никакой другой курс/книга не подобрался.
6. Операционные системы
6.1. https://stepik.org/course/1780 - Операционные системы, отличный курс, с него вполне можно начать.
6.2. https://github.com/tuhdo/os01 - Operating Systems: From 0 to 1, книга, отличный ввод в тему, к сожалению, только на английском.
6.3. https://littleosbook.github.io/ - The little book about OS development, великолепная книга, именно по разработке операционок, теорию же авторы рекомендуют брать из того же Таненбаума. Тоже только на английском.
6.4. Собственно, Современные операционные системы, Таненбаум, Бос - книга, разумеется, абсолютный мастрид для желающих разобраться в вопросе, но она очень и очень сложная, поэтому крайне не рекомендую начинать с нее, посмотрите варианты которые выше, попишите всякие мелкие проекты(благо туториалов куча), и только потом стоит приступать.
6.5. Если интересует Linux, точно не стоит проходить мимо Ядро Linux. Описание процесса разработки, Роберт Лав
7. Языки программирования и компиляторы
7.1. Разумеется, есть книга дракона Компиляторы: принципы, технологии и инструменты, Ахо, Лам, Ульман, Сети - здесь та же история, что с операционками Таненбаума, абсолютный мастрид, но к нему следует хорошенько подготовиться.
К тому же, можно очень хорошо разобраться в теме, и например, написать свой первый компилятор, вообще до соприкосновения с драконами. И это мне кажется правильной тактикой изучения.
Начать с того самого “подхода от практики”, потихонечку увеличивать сложность, пока не станет ясно, что необходимо более глубокое понимание теории. Отправная точка у всех разная, благо туториалов разной сложности столько, что без проблем можно найти подходящий.
7.2. https://ruslanspivak.com/lsbasi-part1/ - отличный вариант для старта, Цикл из 19 статей, в котором автор, пишет интерпретатор языка Pascal на Python.
7.3. https://github.com/DoctorWkt/acwj - автор репозитория пишет компилятор, при этом подробнейшим образом объясняя каждый шаг.
Приветствую, совсем короткий пост. Пару раз видел это вопрос под моими постами, да даже сами посты с этой тематикой получают наибольшее внимание. Очевидно, тема актуальная, и хотя ответ на поверхности, думаю многим начинающим он поможет.
Этот пост - последний вышедший на моем канале в телеге https://t.me/tobeprog (там об изучении программирования).
Итак, где же найти хороший roadmap/план изучения/список учебных материалов?
Ответ который мне нравится большего всего: продолжать смотреть мою замечательную серию видео “план изучения программирования”.
Но если серьезно, к примеру в том же посте про понимание самого процесса программирования, говорилось, что сам принцип один, и хотя там он рассматривался в рамках питона, можно выбрать любой другой ЯП, и это будет работать. Так где найти, хотя бы хороший список учебных материалов для другого ЯПа?
Ну или к примеру, зритель сильно обгоняет план изучения, в таком случае ему нужны более углубленные учебные материалы, и нужны они, очевидно, сейчас.
Есть немного грубый, но в целом верный ответ - гугл. Проблема в том, что этот поиск может сильно затянуться и только сильней запутать. Правило здесь очень простое(как-то о нем уже писал):
“...в программировании, популярность учебного материала - верный признак качества. Правда работает это тогда, когда популярность - следствие рекомендаций уже ставших программистами(именно подобные отзывы и стоит искать при подборе уч. материалов).”
Нужно идти туда, где программисты обитают, где возможно невысокий, но все же хоть какой-то порог вхождения, случайным людям там будет просто не особо интересно, таким образом, ценность оценок возрастает.
И первое что приходит на ум, страшно недооцененный в целях изучения - github. Это немного абсурдное заявление, поэтому уточню, недооцененный - новичками, те кто хотя бы немного продвинулся в изучении, понимают насколько это ценный ресурс.
Первая же строка выдачи “python + roadmap + github”
https://github.com/GnuriaN/Python-Roadmap - крутой roadmap для изучения python, на русском, ссылается на русскоязычные ресурсы, достаточно подробно расписано, без лишней воды.
Я его мельком посмотрел. Что-то я бы вычеркнул, что-то добавил, на чем-то больше сакцентировал внимание, но повторюсь, по моему, это отличный roadmap.
Меня особо порадовало, что в конце упоминается курс от Computer Science Center, я как то о нем писал, именно о той версии которую советует автор roadmap-а, для меня это такой знак качества - замечательный курс(о котором, к сожалению, очень мало где говорят).
Более того, можно найти учебный план, не просто определенного ЯПа, а даже целой специальности/области/профессии, иногда у них есть даже целая история.
https://github.com/jwasham/coding-interview-university (англ.)
https://github.com/jwasham/coding-interview-university/blob/main/translations/README-ru.md (на русском)
John Washam имел достаточно успешную карьеру, но у него была мечта - попасть в гугл. Его отделяло от нее отсутствие образования и знаний в сфере computer science, собственно весь план - это его подготовка к собеседованию и обретение этих знаний с нуля. Даже в отрыве от столь амбициозной задачи, это просто крутой план по изучению computer science.
Кстати, у Джона получилось, правда не с Гуглом, а с другим представителем FAANG - Амазоном.
https://github.com/ossu/computer-science Еще один достаточно известный репозиторий, эти ребята вообще называют себя опенсорсный университетом.
Таких репозиториев куча, где-то это личный проект, например человек просто таким образом трекал свой прогресс, где-то огромный проект с кучей людей и переводами на разные языки.
Это может быть даже просто картинка, где показана связь необходимых для предмета топиков/тем(такой классический roadmap), а может быть детально проработанный план изучения. В любом случае, это делалось программистами для программистов(возможно будущих), и оценки будут напрямую коррелировать качеством.
P.S. Можно искать на самом гитхабе, если по каким-то причинам, это пока вызывает дискомфорт, можно просто приписать в гугле к запросу ‘github’ ну или уточнить поиск по сайту(в гугле это делается командой site:адрес, т.е. «site:github.com»)