Algoritmos voraces: cuándo basta con la mejor elección local
← Volver a Blog y artículos Un algoritmo voraz toma en cada paso la elección que parece mejor y nunca vuelve atrás. Es rápido […]
Algoritmos explicados con claridad, Uncategorized
Algoritmos explicados con claridad, Uncategorized
Montículos y colas de prioridad: saber siempre qué toca después
← Volver a Blog y artículos Una cola de prioridad responde rápido a una pregunta: ¿cuál es el elemento más urgente ahora mismo? Un […]
Algoritmos explicados con claridad, Uncategorized
Arreglos o listas enlazadas: qué ganas y qué pagas
← Volver a Blog y artículos Los arreglos y las listas enlazadas almacenan secuencias, pero hacen compromisos opuestos sobre la disposición en memoria, y […]
Algoritmos explicados con claridad, Uncategorized
Tablas hash: cómo la búsqueda se vuelve casi instantánea
← Volver a Blog y artículos Una tabla hash cambia un poco de memoria y un diseño cuidadoso por una de las promesas más […]
Les algorithmes en clair, Uncategorized
Algorithmes gloutons : quand le meilleur choix local suffit
← Retour aux articles Un algorithme glouton fait à chaque étape le choix qui semble le meilleur, sans jamais revenir en arrière. […]
Les algorithmes en clair, Uncategorized
Tas et files de priorité : savoir toujours quoi traiter ensuite
← Retour aux articles Une file de priorité répond rapidement à une question : quel élément est le plus urgent en ce […]
Les algorithmes en clair, Uncategorized
Tableaux ou listes chaînées : ce que l’on gagne et ce que l’on paie
← Retour aux articles Les tableaux et les listes chaînées stockent tous deux des séquences, mais leurs compromis sur la disposition en […]
Les algorithmes en clair, Uncategorized
Tables de hachage : comment la recherche devient quasi instantanée
← Retour aux articles Une table de hachage échange un peu de mémoire et une conception soignée contre l’une des promesses les […]
LLMs Derived, Uncategorized
Scaling Laws and Compute-Optimal Training
← Back to Blog & Articles Scaling laws describe how language model loss falls as you increase parameters, training data, and compute. They guide […]
LLMs Derived, Uncategorized
RMSNorm vs. LayerNorm: What Normalization Actually Does
← Back to Blog & Articles Deep transformers need normalization to train stably. LayerNorm was the original choice. Many modern models use RMSNorm, which […]