:orphan:

|rss_image|  **algorithme - 1/1** :ref:`Blog <ap-main-0>` :ref:`article (8) <ap-cat-article-0>` :ref:`articles (3) <ap-cat-articles-0>` :ref:`cours (6) <ap-cat-cours-0>` :ref:`module (7) <ap-cat-module-0>` :ref:`paper (3) <ap-cat-paper-0>`

.. |rss_image| image:: feed-icon-16x16.png
    :target: ../_downloads/rss.xml
    :alt: RSS

----


.. index:: algorithme


.. _ap-cat-algorithme-0:

algorithme - 1/1
++++++++++++++++

.. blogpostagg::
    :title: Un article simple sur le profiling
    :date: 2020-09-24
    :keywords: plagiat
    :categories: algorithme
    :rawfile: 2020/2020-09-24_fft.rst

    Un article simple sur plusieurs écriture de la
    même fonction de façon de plus en plus efficace :
    `Understanding the FFT Algorithm
    <https://jakevdp.github.io/blog/2013/08/28/understanding-the-fft/>`_.




.. blogpostagg::
    :title: Lectures sur Map Reduce, algorithme distribués
    :date: 2017-11-10
    :keywords: code
    :categories: algorithme
    :rawfile: 2017/2017-11-10_mapreduce.rst

    Il arrive parfois de faire quelques trouvailles,
    des articles bien écrits qu'on se surprend à penser
    qu'il n'est plus besoin de préparer un support écrit.
    C'est le cas de cet article de blog
    `MapReduce Patterns, Algorithms, and Use Cases <https://highlyscalable.wordpress.com/2012/02/01/mapreduce-patterns/>`_.
    Je recommande également la lecture des autres articles de ce blog :
    `Highly Scalable Blog <https://highlyscalable.wordpress.com/>`_.
    J'ai trouvé cette référence en parcourant les supports de cours
    de `Roxana Geambasu <https://roxanageambasu.github.io/>`_
    comme
    `Distributed Systems Fundamentals <https://columbia.github.io/ds1-class/03-resources/>`_.




.. blogpostagg::
    :title: Algorithmes classiques implémentés
    :date: 2017-11-04
    :keywords: code
    :categories: algorithme
    :rawfile: 2017/2017-11-04_algorithms.rst

    Le module `algorithms <https://github.com/nryoung/algorithms>`_
    implémente beaucoup d'algorithmes classiques tels que
    la `recherche binaire <https://github.com/nryoung/algorithms/blob/master/algorithms/searching/binary_search.py>`_,
    le générateur de nombre aléatoire de
    `Mersenne <https://github.com/nryoung/algorithms/blob/master/algorithms/random/mersenne_twister.py>`_,
    le tri `heapsort <https://github.com/nryoung/algorithms/blob/master/algorithms/sorting/heap_sort.py>`_.




.. blogpostagg::
    :title: Distance entre chaînes de caractères
    :date: 2016-03-23
    :keywords: distance d'édition
    :categories: algorithme
    :rawfile: 2016/2016-03-23_string_similarity.rst

    La distance d'édition ou
    `distance de Levenshtein <https://en.wikipedia.org/wiki/Levenshtein_distance>`_
    est celle qui vient en premier quand on pense à comparer deux chaînes de caractères.
    La `distance de Jaccard <https://en.wikipedia.org/wiki/Jaccard_index>`_ vient en second.
    Mais il en existe bien d'autres que cite l'article :
    `Harry: A Tool for Measuring String Similarity <http://jmlr.org/papers/v17/rieck16a.html>`_.
    

    ...





----

|rss_image|  **algorithme - 1/1** :ref:`2022-10 (1) <ap-month-2022-10-0>` :ref:`2022-12 (2) <ap-month-2022-12-0>` :ref:`2023-01 (1) <ap-month-2023-01-0>` :ref:`2023-02 (1) <ap-month-2023-02-0>` :ref:`2023-04 (1) <ap-month-2023-04-0>`