検索対象

並び順

ブックマーク数

期間指定

  • から
  • まで

1 - 40 件 / 73件

新着順 人気順

データ構造の検索結果1 - 40 件 / 73件

タグ検索の該当結果が少ないため、タイトル検索結果を表示しています。

データ構造に関するエントリは73件あります。 プログラミング、 データ、 programming などが関連タグです。 人気エントリには 『東工大が無料公開しているPython解説サイト初心者の目線に合わせた丁寧な説明で、かゆいところに手が届く教材。基本的な文法、データ構造、ファイル入出力やオブジェクト指向、NumpyとMatplotlibの使い方などをひと通り学べる。』などがあります。

データ構造の関連エントリー

  • 東工大が無料公開しているPython解説サイト初心者の目線に合わせた丁寧な説明で、かゆいところに手が届く教材。基本的な文法、データ構造、ファイル入出力やオブジェクト指向、NumpyとMatplotlibの使い方などをひと通り学べる。

    QDくん⚡️AI関連の無料教材紹介 @developer_quant 金融技術職/ChatGPT等の生成AI,データサイエンス,プログラミングの勉強に役立つ情報を発信/良質な無料教材,スライド,動画等を紹介/3千ポストで5万5千フォロワー獲得/過去の人気投稿はハイライトを参照/金融工学x機械学習ブログ運営 https://t.co/bQubHSMk4e /Amazonアソシエイト参加中 https://t.co/2Zd5MRXGw3 QDくん⚡️AI関連の無料教材紹介 @developer_quant 東工大が無料公開しているPython解説サイト chokkan.github.io/python/index.h… 初心者の目線に合わせた丁寧な説明で、かゆいところに手が届く教材。 基本的な文法、データ構造、ファイル入出力やオブジェクト指向、NumpyとMatplotlibの使い方などをひと

      東工大が無料公開しているPython解説サイト初心者の目線に合わせた丁寧な説明で、かゆいところに手が届く教材。基本的な文法、データ構造、ファイル入出力やオブジェクト指向、NumpyとMatplotlibの使い方などをひと通り学べる。

    • はじめに - アルゴリズムとデータ構造大全

      はじめに このドキュメントは，主に競技プログラミングで出題される問題を解く際に利用できるアルゴリズムやデータ構造をまとめたものです．特定の問題にはあまりフォーカスしないため，問題を解く際の考察の仕方等の内容はありません．詳しく，正確に，分かりやすく書いていこうと思っています． このドキュメントは執筆途中です． 想定する読者 C++を用いたプログラミングに慣れている方を読者として想定しており，C++言語の仕様や，文法にはあまり触れません．また，計算量という用語についても説明しません．ただし，償却計算量など，計算量の見積もりが複雑なものについては必要に応じて説明します． コードについて このドキュメントで登場するコードは，可読性向上のため，以下のようなコードがファイルの先頭に記述してあることを前提としています．また，適切な問題を用いてコードの検証がなされている場合は，コード周辺にのように，検証

      • PHPとPythonとRubyの連想配列のデータ構造が同時期に同じ方針で性能改善されてた話 - hnwの日記

        PHPとPythonとRubyの連想配列のデータ構造がそれぞれ4〜5年ほど前に見直され、ベンチマークテストによっては倍以上速くなったということがありました。具体的には以下のバージョンで実装の大変更がありました。 PHP 7.0.0 HashTable高速化 (2015/11) Python 3.6.0 dictobject高速化 (2016/12) Ruby 2.4.0 st_table高速化 (2016/12) これらのデータ構造はユーザーの利用する連想配列だけでなく言語のコアでも利用されているので、言語全体の性能改善に貢献しています1。 スクリプト言語3つが同時期に同じデータ構造の改善に取り組んだだけでも面白い現象ですが、さらに面白いことに各実装の方針は非常に似ています。独立に改善に取り組んだのに同じ結論に至ったとすれば興味深い偶然と言えるでしょう2。 本稿では3言語の連想配列の従来実

          PHPとPythonとRubyの連想配列のデータ構造が同時期に同じ方針で性能改善されてた話 - hnwの日記

        • コンピュータサイエンスで1冊ずつ本を上げるとしたら何になりますか？就職前にバイブル的な本を勉強したいと思いました。 -コンピュータアーキテクチャ -データベース -os -アルゴリズムとデータ構造 -セキュリティ -ネットワーク -プログラミング -仮想化技術 | mond

          大学の情報工学科に入学時に教科書として指定されたいわゆるパタへネを推します。 コンピュータの構成と設計 第5版 CPUの構造と基本は現代ではかなり複雑になりましたがこの本に書かれている基本を知っているかどうかで込み入った問題にぶち当たった場合の解像度が違います。 由緒正しいDBの読本というとオンラインで読めるRedbookとなりそうですがここは敢えて データ指向アプリケーションデザイン いわゆるイノシシ本を推します。名前からしてアプリケーションの話のように見えますし、分散システムに関する話が多いのですが最終章まで通して読むと「アプリケーションとデータベースの境界とは本来存在せず、入力されたデータを『いつ』『いかに』『安全に』加工・保存・出力するかがアプリケーションであり、その目的に対する最善手をフラットに考えるとある意味でアプリケーション全体が既にひとつのデータベースであってその仕事の一部

            コンピュータサイエンスで1冊ずつ本を上げるとしたら何になりますか？就職前にバイブル的な本を勉強したいと思いました。 -コンピュータアーキテクチャ -データベース -os -アルゴリズムとデータ構造 -セキュリティ -ネットワーク -プログラミング -仮想化技術 | mond

            • データ構造の関連エントリー

          • テキストエディタで使われがちなデータ構造 Piece Table の概要と実装 - A Memorandum

            テキストエディタのデータ構造 Gap method Piece Table method Piece Table の構造 Piece Table の実装 Piece Table のメソッド まとめ テキストエディタのデータ構造 テキストエディタで採用されているデータ構造にはいろいろあります。 こちらの論文 Data Structures for Text Sequences では各種データ構造について比較検討されています。 多くは、Gap method や Piece table method をベースにしたものが多いのではないでしょうか(図で言う最下部の中心の丸印に当たります)。最近では Rope なども有名ですね。 Gap method Gap method では、現在のカーソル位置で、テキストバッファを2つに分割し Gap を間に挟み、カーソル位置に対する編集(テキスト追加/削除)を

              テキストエディタで使われがちなデータ構造 Piece Table の概要と実装 - A Memorandum

            • 法律のデータ構造と検索

              デジタル庁は、法令標準 XML スキーマに準拠した、現行の法令データをe-Gov法令検索というサイト上で公開しています[1]。今回、この法令XMLをパースするPythonライブラリ ja-law-parser をつくり、法令データの全文検索をしてみました。 この記事では、日本の法令とそのデータ構造、法令XMLパーサについて解説し、最後に、それらを使った法令データの全文検索システムを実装する方法をご紹介します。法令検索の実装についても、GitHubリポジトリで公開しています。 この記事は、情報検索・検索技術 Advent Calendar 2023の16日目の記事です。 法律と法令 法律とは 法律の制定と公布 法律と法令の違い 法律の改正 法令のデータ構造 e-Govの法令データ 法令標準XMLスキーマ 法令番号と法令ID 題名 本則と附則 条・項・号 編・章・節・款・目 法令XMLパーサ：

                法律のデータ構造と検索

              • æ–°Linuxカーネル解読室 - ソケットインターフェース(データ構造と概要編) - VA Linux エンジニアブログ

                「Linuxカーネル2.6解読室」（以降、旧版）出版後、Linuxには多くの機能が追加され、エンタープライズ領域をはじめとする様々な場所で使われるようになりました。 それに伴いコードが肥大かつ複雑化し、多くのエンジニアにとって解読不能なブラックボックスとなっています。 世界中のトップエンジニア達の傑作であるLinuxカーネルにメスを入れ、ブラックボックスをこじ開けて、時に好奇心の赴くままにカーネルの世界を解読する「新Linuxカーネル解読室」プロジェクト。 本稿では、旧版第21章で解説されていたソケットインターフェースについて、カーネルv6.8のコードをベースに主にデータ構造を中心に解説します。 はじめに ソケットの実体と概要 ソケット操作関数の実装 ファイル操作関数によるソケット操作の実装 次回予告: ソケット生成編 執筆者 : 須田 哲志、稲葉 貴昭 ※ 「新Linuxカーネル解読室」

                  新Linuxカーネル解読室 - ソケットインターフェース(データ構造と概要編) - VA Linux エンジニアブログ

                • 大規模データセットのためのアルゴリズムとデータ構造 - カメヲラボ

                  とても良い本が出ます 概要 構成 第1部：確率的で簡潔なデータ構造 第2部：ストリーミングデータ構造とアルゴリズム 第3部：外部記憶データ構造とアルゴリズム 具体的なコードは少な目 参考文献がしっかり書いてある 数式は最低限 図がモリモリ 翻訳版特有の情報 内容的な修正 カタカナ表記 検索のしやすさ 読む際のリズム 表現について 訳注について 音引きについて いきなりでごめんなさい（誤植情報） とても良い本が出ます 大規模データセットのためのアルゴリズムとデータ構造 作者:Dzejla Medjedovic,Emin Tahirovic,Ines Dedovicマイナビ出版Amazon 『大規模データセットのためのアルゴリズムとデータ構造』という本が7月26日発売に発売されます。原書はAlgorithms and Data Structures for Massive Datasetsとい

                    大規模データセットのためのアルゴリズムとデータ構造 - カメヲラボ

                  • 永続データプログラミングと永続データ構造 - 一休.com Developers Blog

                    この記事は 一休.com Advent Calendar 2024 の3日目の記事です。 昨今は我々一休のような予約システム開発においても、関数型プログラミング由来のプラクティスを取り入れる機会が増えています。 例えば、値はイミュータブルである方が扱いやすい、関数は副作用のない純粋関数にする方がテスタビリティなども含め何かと都合がよい、そういう場面では積極的に不変な値を使い、関数が冪等になるよう意識的に実装します。ドメインロジックを純粋関数として記述できると、堅牢で責務分離もしやすく、テストやデバッグもしやすいシステムになっていきます。 ところで「関数型プログラミングとはなんぞや」というのに明確な定義はないそうです。ですが突き詰めていくと、計算をなるべく「文」ではなく「式」で宣言することが一つの目標だということに気がつきます。 文と式の違いは何でしょうか? for 文、代入文、if 文など

                      永続データプログラミングと永続データ構造 - 一休.com Developers Blog

                    • コンピュータサイエンスで1冊ずつ本を上げるとしたら何になりますか？就職前にバイブル的な本を勉強したいと思いました。 -コンピュータアーキテクチャ -データベース -os -アルゴリズムとデータ構造 -セキュリティ -ネットワーク -プログラミング -仮想化技術 | mond

                      mondでこの質問への回答を読んでみましょう

                        コンピュータサイエンスで1冊ずつ本を上げるとしたら何になりますか？就職前にバイブル的な本を勉強したいと思いました。 -コンピュータアーキテクチャ -データベース -os -アルゴリズムとデータ構造 -セキュリティ -ネットワーク -プログラミング -仮想化技術 | mond

                      • QDくん⚡️Python x 機械学習 x 金融工学 on Twitter: "東工大が無料公開しているPython解説サイト https://t.co/lbgZ0htjou 初心者の目線に合わせた丁寧な説明で、かゆいところに手が届く教材。 基本的な文法、データ構造、ファイル入出力やオブジェクト指向、Num… https://t.co/SdGpbaVAlx"

                        東工大が無料公開しているPython解説サイト https://t.co/lbgZ0htjou 初心者の目線に合わせた丁寧な説明で、かゆいところに手が届く教材。 基本的な文法、データ構造、ファイル入出力やオブジェクト指向、Num… https://t.co/SdGpbaVAlx

                          QDくん⚡️Python x 機械学習 x 金融工学 on Twitter: "東工大が無料公開しているPython解説サイト https://t.co/lbgZ0htjou 初心者の目線に合わせた丁寧な説明で、かゆいところに手が届く教材。 基本的な文法、データ構造、ファイル入出力やオブジェクト指向、Num… https://t.co/SdGpbaVAlx"

                        • 森羅万象に「いいね」するためのデータ構造

                          Kaigi on Rails 2022 にて『森羅万象に「いいね」するためのデータ構造』の発表をしました。 https://kaigionrails.org/2022/talks/pndcat/ ===概要=== サービス開発をしていると「いいね」の実装に対面することは多いでしょう。例えば…

                            森羅万象に「いいね」するためのデータ構造

                          • 確率的データ構造を用いた DB 負荷軽減と Valkey での実装 | CyberAgent Developers Blog

                            はじめに こんにちは。ABEMA の広告配信システム開発チームでバックエンドを担当している戸田朋花です。 ABEMA ではパーソナライズした広告配信ができるため、「ユーザー × 属性」がキーとなる高カーディナリティなデータに対する読み書きのリクエストが大量に発生します。 また全てのユーザーが全ての属性を持っているわけではないので、リクエストに対して実際にデータが存在しないことが多くあります。 その結果、読み取りのアクセスパターンとして「リクエストのカーディナリティがデータのカーディナリティを大きく上回る」状態になります。 ABEMA の広告配信サーバーには、このような性質のリクエストがピーク時には数千から数万 RPS で発生します。 データベースへ大量にリクエストが発生するとデータベースが高負荷となりシステム全体のボトルネックになります。 これを防ぐための一般的な方法として、キャッシュ用デ

                              確率的データ構造を用いた DB 負荷軽減と Valkey での実装 | CyberAgent Developers Blog

                            • APMを支えるデータ構造とアルゴリズム - Mackerel ブログ #mackerelio

                              本記事では、オブザーバビリティプラットフォームであるMackerel、特にそのAPM部分について、大規模データに対応するためにどのような工夫を行っているかを紹介します。 オブザーバビリティプラットフォームは多くのデータを処理します。 たとえば、株式会社AbemaTVではサンプリングがない場合毎秒165万スパン作成されることを先日のObservability Conference Tokyo 2025で発表しています。 また、Googleの時系列データベースであるMonarchでは毎秒数テラバイト、PinterestのGokuでは毎日4.5兆のデータポイントを取り込んでいると報告しています。 このように、オブザーバビリティ関連のデータは大規模になるものです。 私たちMackerelはSaaS型のオブザーバビリティプラットフォームを提供しており、多数の企業からオブザーバビリティ関連のデータを受

                                APMを支えるデータ構造とアルゴリズム - Mackerel ブログ #mackerelio

                              • 蠱惑の楽器たち 33．音楽と電気の歴史9　CDのデータ構造

                                CDの読取メカニズムについて解説します。CDは1982年に製品化され、今年2022年なので、ちょうど40年経ちました。今となっては古典的ともいえる光ディスク技術ですが、繊細で高度な制御技術の上に成り立っています。 ■ 読取メカニズム概要 ディスクにあるピットを読むために必要な駆動系は赤字の4つになります。各役割は以下のようになります。 ■ フォーカスサーボ　焦点の調整 ディスクは完全な平面ではなく、多少なりとも反っています。そのためピット面は常に上下に揺れます。ディスクの状態にもよりますが0.5mmぐらいの差は出るようですが、読取装置としては1mmぐらいの差は問題なく読めるようになっています。つまりディスクが高速に回転するときは9回転/秒ぐらいの揺れというか、振動になっています。高低差が1mmもあると1秒間に9回もフォーカスを最大限に動かす必要が出てきますが、フォーカスを調整しながら、ピッ

                                  蠱惑の楽器たち 33．音楽と電気の歴史9　CDのデータ構造

                                • GovTech東京や、こども家庭庁が目指す「社会保障制度の診断」や『制度のプッシュ通知』は今のデータ構造じゃ実現できなさそうというメモ｜高木俊輔 Shunsuke Takagi

                                  GovTech東京や、こども家庭庁が目指す「社会保障制度の診断」や『制度のプッシュ通知』は今のデータ構造じゃ実現できなさそうというメモ tldr: 社会保障制度のデータ設計してるやつはヤバい アルゴリズム見えてなさすぎ・未来見えてなさすぎ やれるやつおんのにそれ活かせてないのヤバすぎ そもそも制度を複雑にしすぎ。自然言語で制度の利用条件書いて、但し書き増やしまくって申請主義産んでるのって結局なにがしたいの？ お金を刷って複雑性を増して結局使われないけど制度作ることで人気を取っての構造は批判されるべきだよね。本来配れるお金よりも制度増やして窓口増やして書類増やしてるオーバーヘッドの方が高くない？ 「OpenFiscaのコードなんて書けるわけない！」とか言っても、制度の複雑性は自然言語でも変わらないのだから、本質的に複雑なものをコーディングするしかないものを、向き合うことから逃げて煩雑にするな

                                    GovTech東京や、こども家庭庁が目指す「社会保障制度の診断」や『制度のプッシュ通知』は今のデータ構造じゃ実現できなさそうというメモ｜高木俊輔 Shunsuke Takagi

                                  • 請求書から漫画まで！OCR+LLMで進化する文書データ構造化技術

                                    はじめに こんにちは、株式会社松尾研究所シニアデータサイエンティストの大西です。本記事は、松尾研究所 Advent Calendar 2024の記事です。 松尾研究所では、多くの企業と協力し、AIの社会実装に向けた研究開発を行っています。本稿では、OCRとLLM技術を活用した文書データの構造化手法についてご紹介します。 企業が保有するデータの多くは紙や非構造データとして保管されており、これを構造化するのは困難です。また、LLMを用いたRAG（Retrieval-Augmented Generation）システムを構築する際、元データが適切に構造化されていないと、正確な検索や参照が難しくなります。 今回、最適な文章データ構造化を実現する方法を調査するため、複数のOCR, LLM手法を実験して性能を比較してみました。 従来技術の課題と提案手法 OCRは、文字を認識しテキスト情報を抽出する技術で

                                      請求書から漫画まで！OCR+LLMで進化する文書データ構造化技術

                                    • Kaigi on Rails 2022 にて『森羅万象に「いいね」するためのデータ構造』の発表をしました - クックパッド開発者ブログ

                                      メディアプロダクト開発部で Rails を書いているなどやま ( @pndcat ) です。業務では、広告基盤の開発、運用から新規サービス開発など、マーケティングソリューション領域に関する開発をしています。趣味は、スプラトゥーンと推し活動をがんばっています。 Kaigi on Rails 2022 にて、森羅万象に「いいね」するためのデータ構造 というタイトルで発表をしました。この記事では、Twitter などで寄せられた質問に回答したいと思います。発表中にあった「いいね」のリファクタリングについてのさらなる詳細については、後日公開する予定です。 After Kaigi on Rails イベントの開催のお知らせ 本日 (10/31) の19時から Cookpad Lounge #15 After Kaigi on Rails を開催します！イベントでは、Kaigi on Rails に登

                                        Kaigi on Rails 2022 にて『森羅万象に「いいね」するためのデータ構造』の発表をしました - クックパッド開発者ブログ

                                      • DynamicでScalableな空間分割データ構造Bkd-Tree

                                        社内勉強会資料です。

                                          DynamicでScalableな空間分割データ構造Bkd-Tree

                                        • 重要なのは「データ構造」と「処理機能」、Pythonの基礎を固める

                                          プログラミング言語「Python」は広く使われるようになり、高い人気を誇る。この特集では、Pythonで自動化アプリを自作できるようになるための最低限の知識を紹介する。 Pythonを含め、プログラミングにおいて重要なのは、「データ構造」と「処理機能」を理解することです。どのプログラムも何かしらの「データ」を「処理」します。データには数値や文字列などの種類があります。複数のデータをまとめて扱うなら、まとめ方の「構造」もあります。そして、それらのデータにさまざまな計算や加工などを行う「処理機能」があります。 どのような種類／構造のデータに対して、どういった処理機能を用いるのか…、それをプログラマが考えて処理手順を組み立て、コードを書いていくことこそがプログラミングなのです。この「データ構造」と「処理機能」の2つはその都度出てきますので、そこは意識しておぼえてください。 Pythonの文法は多

                                            重要なのは「データ構造」と「処理機能」、Pythonの基礎を固める

                                          • 履歴の適用日を日付化しました —— 大規模なデータ構造変更の苦労と学び - SmartHR Tech Blog

                                            こんにちは、プロダクトエンジニアのkitazawaです。 私が所属するチームは、SmartHR最大のアプリケーションである基本機能の技術的課題の解消を進めています。 本記事はその中の一つである、履歴の適用日を日付化したデータ構造の変更プロジェクトをご紹介します。 これから大規模なテーブル構造の変更を考えている方の参考になれば幸いです。 履歴の適用日とは プロジェクトの説明の前に、まずは「履歴の適用日」について説明します。 履歴の適用日は、従業員情報やマスターデータの変更が、システム上で有効になる日付を指します。部署の異動日や、役職の変更が適用される日などが該当します。 たとえば、「従業員の所属部署が部署Aから部署Bに変更された」履歴の適用日が2024/04/01であれば、2024年4月1日から部署Bに所属していることを意味します。 また、その後に「従業員の所属部署が部署Bから部署Cに変更さ

                                              履歴の適用日を日付化しました —— 大規模なデータ構造変更の苦労と学び - SmartHR Tech Blog

                                            • NTT Com、生成AIã‚„RAGの精度を高めるデータ構造化技術「rokadoc」のパブリックベータ版を公開

                                                NTT Com、生成AIやRAGの精度を高めるデータ構造化技術「rokadoc」のパブリックベータ版を公開

                                              • 全ての開発者が知っておくべき重要なデータ構造とアルゴリズム - deve.K

                                                データ構造はコンピュータサイエンスとソフトウェアエンジニアリングの分野全体で幅広く多様な用途があります。 プログラマにとって、アルゴリズムとデータ構造は最も重要なテーマです。 プログラミングの分野に足を踏み入れたい場合は、最も一般的なデータ構造を習得し、需要の高いスキルであなたの履歴書を強化する必要があります。 本日はデータ構造とアルゴリズムを解説いたします。 データ構造とアルゴリズム データ構造とは？ 8つのデータ構造 アルゴリズムとは？ 覚えておくべきアルゴリズム 検索アルゴリズム 二乗によるべき乗 ソートアルゴリズム ハッシング 文字列の照合と解析 動的計画法(DP) アルゴリズムは何に使用される？ 最後に データ構造とアルゴリズム プログラミングはすべてデータ構造とアルゴリズムに関するものとなります。 コンピュータプログラミングでは、データ構造はコンピュータプログラムでデータを効率

                                                  全ての開発者が知っておくべき重要なデータ構造とアルゴリズム - deve.K

                                                • 4-2_アルゴリズム基礎 4-3_データ構造とプログラミング基礎

                                                  3 . 8 2- 0 8 2- 0 3 . 8 2- 0 5411 2- 0 • • - 4 4 . . 4 • . • - 4 4 - 4 2- 0 9 70 6 7 9 70 6 7 0 947 0 0 1 3 5 8 1 3 5 0 2 - . - . 2- 0 . 4 - 4 - . • A Y 5 / • . 5 S / • C. B . 9 . . A 4. S B A / • S . A A 4 5 42 /5A / • C. 4 A B B . 4 / S 0 N 1 - . 1 -40 1 -40 . 5 • - A • B2 0 1 • A B2 Y C Y S N - 0 . 1 0 . 1 - • B 2 e BC A ( =B A • B SN B e BC SN A ( =B A 6SN 10 8 B A e A e 4 SN Y e 5 t -) 7- 4 .

                                                  • データ分析の前にやっておくべきこと - 横持ち、縦持ち、整然データ構造の話 -｜コグラフ株式会社 データアナリティクス事業部

                                                    こんにちは。コグラフ株式会社データアナリティクス事業部の塩見です。 データ分析に取り組む際、データの持ち方によってその後の作業効率や分析のしやすさが大きく変わることをご存知でしょうか？特に「横持ちデータ」と「縦持ちデータ」については、しっかりと理解しておくことで、分析の負担を大きく減らすことができます。 この記事では、データ分析の前に知っておくべき「横持ち」「縦持ち」について解説し、横持ちデータから縦持ちデータに変換することの重要性を説明します。データ構造を整理することで、データ分析を効率的に行うことができます。 また「整然データ」という考え方についても解説します。データ構造設計の指針となる考え方を知って、快適にデータ分析に取り組みましょう。 横持ちデータとは？「横持ちデータ」は、エクセルなどの表計算ソフトでよく見られる形式です。項目が横方向に展開され、各行にデータが収められる構造になって

                                                      データ分析の前にやっておくべきこと - 横持ち、縦持ち、整然データ構造の話 -｜コグラフ株式会社 データアナリティクス事業部

                                                    • グラフ問題 - アルゴリズムとデータ構造大全

                                                      グラフ問題 %%{init: {"flowchart" : { "curve" : "basis" } } }%% graph LR 1((1)) --- 2((2)) 2((2)) --- 3((3)) 2((2)) --- 4((4)) 3((3)) --- 1((1)) 3((3)) --- 4((4)) 4((4)) --- 1((1)) グラフは，ノード(頂点)と，それらを繋ぐエッジ(辺)からなる．このドキュメントでは，特に断りのない限りグラフのノード集合を\(V\)，辺集合を\(E\)とする．ノード数は\(|V|\)，辺数は\(|E|\)で表される． グラフでよく出る単語 パス(道) あるノードから始めて，いくつかの辺をたどって，あるノードにたどり着くまでのノードの列をパス(道)という．有向グラフの場合，向きに従ってたどる必要がある． また，同じノードを2回通らないパスを単純パ

                                                      • 無料の3DCG統合環境「Blender」v4.4が公開 ～アニメーションデータ構造が一新／「グレア」ノードでグレア部分の抽出ができるように

                                                          無料の3DCG統合環境「Blender」v4.4が公開 ～アニメーションデータ構造が一新／「グレア」ノードでグレア部分の抽出ができるように

                                                        • 階層構造を表現するデータ構造とリファクタリング 〜1年で10倍成長したプロダクトの変化と課題〜

                                                          Kaigi on Rails 2025 資料です。 https://kaigionrails.org/2025/talks/Yuhi-Sato/#day2

                                                            階層構造を表現するデータ構造とリファクタリング 〜1年で10倍成長したプロダクトの変化と課題〜

                                                          • 【C++】テキストエディタのバッファ データ構造・アルゴリズム【第３回】 | TECH PROjin

                                                            目次 gap_buffer<char> gap_buffer<char> 前章でも言及したように、テキストエディタにおいてはテキストの参照・編集箇所は局所化されている。 この性質を利用し、vector を高速化したものが gap_buffer （ギャップバッファ、gap vector とも呼ばれる）だ。 vector と gap_buffer のデータ構造の違いは少なく、前者がアロケートしたデータ領域の後ろに未使用部分があるのに対して、 後者はデータ領域の途中に未使用部分があるという点だけだ（下図参照）。 この未使用部分を「ギャップ」と呼び、常に編集位置に設定される。 このようにデータ構造を少し変えただけで、なぜ高速化されるのか不思議に思われる方も少なくないだろうが、 高速になる理由は、挿入・削除時に何が起こるかを見てみると納得していただけるはずだ。 編集位置に ‘a’, ‘b’ が挿入さ

                                                            • Kindleストアでデータ分析関連書が30ï¼…OFF！ データサイエンス はじめの一歩フェア／『Pythonで学ぶアルゴリズムとデータ構造』は30ï¼…OFFの1,848円【Book Watch/セール情報】

                                                                Kindleストアでデータ分析関連書が30％OFF！ データサイエンス はじめの一歩フェア／『Pythonで学ぶアルゴリズムとデータ構造』は30％OFFの1,848円【Book Watch/セール情報】

                                                              • QDくん⚡️Python x 機械学習 x 金融工学 on Twitter: "ハーバード大学のコンピュータサイエンス入門講義「CS50」が日本語化されている https://t.co/oBzdp6zFbq ・講義動画は日本語字幕付き ・講義ノートの日本語訳あり ・アルゴリズム、データ構造、カプセル化、リソ… https://t.co/sm1tMX8HIH"

                                                                ハーバード大学のコンピュータサイエンス入門講義「CS50」が日本語化されている https://t.co/oBzdp6zFbq ・講義動画は日本語字幕付き ・講義ノートの日本語訳あり ・アルゴリズム、データ構造、カプセル化、リソ… https://t.co/sm1tMX8HIH

                                                                  QDくん⚡️Python x 機械学習 x 金融工学 on Twitter: "ハーバード大学のコンピュータサイエンス入門講義「CS50」が日本語化されている https://t.co/oBzdp6zFbq ・講義動画は日本語字幕付き ・講義ノートの日本語訳あり ・アルゴリズム、データ構造、カプセル化、リソ… https://t.co/sm1tMX8HIH"

                                                                • Fractional indexingによる並び替えAPIとデータ構造

                                                                  1. BackgroundUGCの順序を更新する際のデータ更新が非効率だなと思っていたのがこの記事を書こうと思ったきっかけです。 Pairsでは、インクリメンタルなインデックスを付与することでUGCの順序を保持しています。 type UserImage struct { ID int UserID int Index int // 0が最小の並び順のインデックス Path string // 画像のパス } type UserImages []UserImage func (e *UserImages) Sort() { sort.Slice(e, func(i, j int) bool { return e[i].Index < e[j].Index }) } var userImages = UserImages{ {ID: 1, UserID: 200, Index: 1, Path

                                                                    Fractional indexingによる並び替えAPIとデータ構造

                                                                  • Ruby の構造体的・ハッシュ的データ構造についての考察 (1) - Qiita

                                                                    Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

                                                                      Ruby の構造体的・ハッシュ的データ構造についての考察 (1) - Qiita

                                                                    • MP4のデータ構造 - Qiita

                                                                      mp4の構成要素 MP4ファイルはBoxとよばれる要素の木構造で構成されている。このBoxはMP4を構成する要素の中で最小単位であり、Atomと呼ばれる。子をもつBoxはContainer boxとも呼ばれる。ちなみにもともとQTFFの方でAtomと呼ばれていて、QTFFを元にMP4が作られたのでそのまま名残でMP4でもAtomと呼ばれているようです。 mp4のBoxは必ずftypeと呼ばれるものから始まり、それ以外のBoxの並び順は、VODで配信する場合はどのような並び順でもOK。だがLODで配信する場合は最初にメタデータを読み込んでから実際のデータを処理する必要があるので、先にmoovという、メタデータが記録されたBox(後述)をロードする必要がある。 Boxの基本構造 HeaderとData部分で構成される。 先頭のオクテット(8Byte)がボックスを識別するためのHeaderになっ

                                                                        MP4のデータ構造 - Qiita

                                                                      • 世界的名著『アルゴリズムイントロダクション』第4版の翻訳第2巻！『世界標準MIT教科書 アルゴリズムイントロダクション第4版 第2巻　高度な設計と解析の手法・高度なデータ構造・グラフアルゴリズム』発行

                                                                        世界的名著『アルゴリズムイントロダクション』第4版の翻訳第2巻！『世界標準MIT教科書 アルゴリズムイントロダクション第4版 第2巻　高度な設計と解析の手法・高度なデータ構造・グラフアルゴリズム』発行 インプレスグループで理工学分野の専門書出版事業を手掛ける株式会社近代科学社は、2024年2月29日に、『世界標準MIT教科書　アルゴリズムイントロダクション第4版　第2巻−高度な設計と解析の手法・高度なデータ構造・グラフアルゴリズム−』（訳：浅野 哲夫・岩野 和生・梅尾 博司・小山 透・山下 雅史・和田 幸一）を発行いたします。 ●書誌情報 【原著】Introduction to Algorithms, Fourth Edition 【著者】Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest and Clifford Stein

                                                                          世界的名著『アルゴリズムイントロダクション』第4版の翻訳第2巻！『世界標準MIT教科書 アルゴリズムイントロダクション第4版 第2巻　高度な設計と解析の手法・高度なデータ構造・グラフアルゴリズム』発行

                                                                        • JavaScriptでのアルゴリズムとデータ構造 part1 - Qiita

                                                                          初めに 連結リスト、スタックやキューなどデータ構造のコア概念を模索しながらC言語で練習してみて思ったのは、理解したうえでどんな場面で応用していくかが大事なんですね。 しかし応用の前段階から、アルゴリズムの理解に時間がかかったり不慣れなところ（解決法の仕組みとかどうしてそういう発想ができるのかとか）もあったりして、自分はやはり初歩的な段階からもう一度勉強してみたいと思います。 今回はリハビリを兼ねて長い間触れてないJavaScriptでアルゴリズムとデータ構造の実現を理解してまとめていきたいと思います。（箇条書きが多い。） 教材はこちらです。 （この記事では単なる自分の理解や気になるところをトピックにして書いたメモです。トピックは基本的に教材と関連しているが、語る方向が全然違う可能性もあります。なお、有料映像であったため、映像のコードそのまま出すのを控えております。なので記事に書いてあるのは

                                                                            JavaScriptでのアルゴリズムとデータ構造 part1 - Qiita

                                                                          • GA4のデータをBigQuery＆SQLで分析するときのポイント3選！　データ構造とよく使うクエリを知ろう | GA4最前線コラム

                                                                              GA4のデータをBigQuery＆SQLで分析するときのポイント3選！　データ構造とよく使うクエリを知ろう | GA4最前線コラム

                                                                            • Pythonで何を処理するのか、知っておくべきデータ構造の常識

                                                                              近年目覚ましい進歩を遂げている人工知能（AI）。その開発用プログラミング言語の事実上の標準となっているのが「Python」だ。この特集では、入門者向けにPythonの基礎を一気に解説する。 さて、準備ができたところで、Pythonについて学んでいきましょう。 Pythonを含め、プログラミングにおいて重要な要素は2つあります。それは「データ」と「処理」です。プログラマは、何らかの「データ」をプログラムで「処理」して、その結果を出したいと思っています。ですので、プログラミングにおいては、データと処理の2つについて理解することが大事なのです。 そこでここでは、データについて学んでいきます。 データには「種類」があります。また、複数のデータをまとめて扱う場合に、そのまとめ方の「構造」というものもあります。 それらを順番に学んでいきましょう。 「数値」と「文字列」の記述方法 Pythonのプログラ

                                                                                Pythonで何を処理するのか、知っておくべきデータ構造の常識

                                                                              • Amazon.co.jp: 問題解決力を鍛える！アルゴリズムとデータ構造 (ＫＳ情報科学専門書): 大槻兼資 (è‘—), 秋葉拓哉 (監修): Digital Ebook Purchas

                                                                                  Amazon.co.jp: 問題解決力を鍛える！アルゴリズムとデータ構造 (ＫＳ情報科学専門書): 大槻兼資 (著), 秋葉拓哉 (監修): Digital Ebook Purchas

                                                                                • Pythonにおけるリストと辞書の使い分け: データ構造の魔法 - Python転職初心者向けエンジニアリングブログ

                                                                                  **** Pythonではリスト（List）と辞書（Dictionary）という二つの重要なデータ構造が利用できます。それぞれの特性と使い分けについて、コードと共に詳しく解説していきます。 リストとは？ リストは、複数の要素を順序付けて保存できるデータ構造です。要素はインデックスを使ってアクセスでき、同じ種類または異なる種類の要素を混在させることができます。 # リストの作成 my_list = [1, 2, 3, 'four', 5.0] # リストの要素へのアクセス print(my_list[2]) # 出力: 3 辞書とは？ 辞書はキーと値を組み合わせて保存できるデータ構造です。キーを使って値にアクセスすることができます。これは他のプログラミング言語ではハッシュマップや連想配列と呼ばれるものに相当します。 # 辞書の作成 my_dict = {'one': 1, 'two': 2,

                                                                                    Pythonにおけるリストと辞書の使い分け: データ構造の魔法 - Python転職初心者向けエンジニアリングブログ
                                                                                  1 2 次のページ

                                                                                  新着記事

                                                                                  はてなブックマーク

                                                                                  公式Twitter

                                                                                  はてなのサービス

                                                                                  • App Storeからダウンロード
                                                                                  • Google Playで手に入れよう
                                                                                  Copyright © 2005-2025 Hatena. All Rights Reserved.