35歳から Python で競プロを始めて2年が経ちましたが、やっと AtCoder で橙になることができました！ ふぁぼ、コメントもたくさん頂きありがとうございました。 競プロを始めて2年、なんとか橙になることができました。 pic.twitter.com/r0GwrNogHi — きり (@kiri8128) October 31, 2020 RTA 途中経過 最初のRatedから青まで：3か月（Rated 7回） 青から黄色まで：7か月（Rated 17回） 黄色から橙まで：1年3か月（Rated 24回） －－－－－ 橙はだいぶ遠い存在という印象だったので、達成できて嬉しいです。 まだまだ上を目指していきたいと思いますが、ひとまずの区切りとしてこれまでにやったことなどを書いておきます。 スペック 某京都大学というところで9年ほど *1 数学（代数学・代数幾何学）などをやっていた *
競技プログラミングに関係する数学の整理 ～文系出身や数学苦手erが、もっと競プロを楽しむために～ - テルの競プロメモ
まえがき この記事の目的 意図する対象読者 今回の整理の仕方（記事の見方） 注意 競プロに関係する数学（本題） 言葉（文系でも多分聞いたことはある）編 言葉（文系だと聞いたことないかも）編 言葉（離散数学）編 「式変形」編 「図形っぽいやつ」編 筆者のバックグラウンド 経歴、仕事など まえがき この記事では、競技プログラミングに関係する数学用語・概念と、それがどんな単元（分野）に属するものかを整理（一覧化）します。 競技プログラミングの問題に出てくる用語・概念をはじめ、競技プログラミングの解説記事などに出てくる用語・概念も、思いつく限り挙げています。 「この記事の数学的な部分、どのぐらい信用できるの？」とか、「数学苦手と言ってもどのくらい苦手なの？」といった疑問への参考としては、筆者のバックグラウンドを記事の最後で紹介したので、気になる方は先にそちらを読んでください。 この記事の目的 文系
レッドコーダーが教える、競プロ・AtCoder上達のガイドライン【上級編：目指せレッドコーダー！】 - Qiita
そのうち、最初の 12 個（表の 1 ～ 3 行目）をマスターする方法は、中級編 2-2-2. 節で解説がされていますので、こちらをご覧ください。本節では、残りの 11 個を理解できる記事たちを紹介したいと思います。 座標圧縮 まとまった解説記事が見つからないので、こちらで簡潔に解説しておきます。 座標圧縮とは、とても大きい座標があって現実的に扱えないサイズである場合に、圧縮して計算量を抑えるというテクニックです。以下の画像のように、相対的な位置関係が崩れないように圧縮します。（一次元の場合でも、二次元の場合でも通用します。） 実装などを含めた詳しい部分は、以下の記事に書かれています。 座標圧縮について勉強した (java)| バイトの競プロメモ 座標圧縮| 個人的な競プロメモ 半分全列挙 $N$ 通りの全列挙を $O(\sqrt{N})$ 程度の計算回数で効率的に計算する手法です。以下の
先日、Twitterの推薦アルゴリズムがGitHubで公開されました。 Twitter recommendation source code now available to all on GitHub https://t.co/9ozsyZANwa— Elon Musk (@elonmusk) 2023年3月31日 Twitter上で非常に盛り上がっており、すでにいろんな方がアルゴリズムに対して解説されています。 個人的にも興味深いと思っているので、何番煎じかわかりませんが自分も備忘録を書いていきたいと思います。 全体像 全体の構成 データ取得〜特徴量作成 候補集合作成〜Feed作成 (Home Mixer) Candidate Sourcing Ranking Heuristics & Filtering Mixing and Serving Candidate Source sear
よくわかるデジタル数学 離散数学へのアプローチ 「よくわかるデジタル数学 離散数学へのアプローチ」目次 「よくわかるデジタル数学 離散数学へのアプローチ」Amazonでの購入はこちら 「よくわかるデジタル数学 離散数学へのアプローチ」楽天市場での購入はこちら よくわかるデジタル数学 離散数学へのアプローチ 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近代科学社は、2020年10月31日に、阿部圭一氏著書による、離散数学の主要テーマである集合論やグラフ理論の基礎から、コンピュータ内で使われる論理演算などの具体的な数学まで、読者に興味を持ってもらえるように工夫して解説したことで文系・理系を問わず学べる「よくわかるデジタル数学 離散数学へのアプローチ」を発売した。 コンピュータが身近な存在となった現在、その基礎となる数学の理解・習得が大学の文系 / 理系を問わず求められているが、文系
目次
1 データサイエンス 1-0 データサイエンスの仕事 1-0-1 データ分析の仕事 1-0-1-1 データ分析の基本 1-0-1-2 バッドデータのデータ分析 1-0-1-3 ダークデータのイメージ 1-0-2 データサイエンスの数理 1-0-3 データサイエンスのソフト 1-0-4 データサイエンスの独り歩き 1-0-4-1 データの独り歩き 1-0-4-2 方法の独り歩き 1-0-5 データサイエンスの不可能性 1-1 統計学 1-1-0 ビッグデータの統計学 1-1-1 正規分布と、その他 1-1-1-1 正規分布から作られる分布 1-1-1-2 極値統計 1-1-1-3 チェビシェフの不等式 1-1-1-4 比例分散 1-1-2 統計量 1-1-2-1 平均値と中央値 1-1-2-1-1 平均値の意味の使い分け 1-1-2-2 標準偏差（ばらつきの尺度） 1-1-2-2-1 標準誤
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
35歳で競プロを始めて橙になるまでにやったこと - Kiri8128の日記
Twitterの推薦機能について調べたり眺めたりしたメモ - Re:ゼロから始めるML生活
文系・理系を問わず学べる「よくわかるデジタル数学」 - mojiru【もじをもじる】