Big O Notation (Descubra Agora se Seus Algoritmos São Eficientes) // Dicionário do Programador 

ignora por que nao serve pra nada... mesmo que vc saiba a complexidade, idai? nao vai fazer vc otimizar mais... nao é atoa que o mercado nao usa...

@@dnl2003 e é por isso que a maioria dos projetos são tão cheio de bugs, lentos e ineficientes em produção. É sim possível vc melhorar a performance da aplicação depois dessa análise de complexidade.

@@eduardooliveira8296 kkkkkkkkkk.. Claro.. o fato do cara ser um programador ruim tem tudo a ver com big O Notation.. O mercado vai passar adotar por isso... confia...

@@dnl2003 vc não entendeu o que falei, mas segue o jogo. ABS e sucesso....

@@dnl2003 serve muito, um algoritmo bem escrito com complexidade baixa e a estrutura de dados certa, faz você economizar bastante dinheiro. Tá aí a diferença de um Dev acima da média. Para entrar numa big tech, a primeira entrevista técnica é sobre isso.

Mesma coisa aqui man. Quase 20 anos de desenvolvimento nas costas (com formação prática e nunca teórica) e só ouvi falar disso por conta de uma entrevista.

@@eduardooliveira8296 Rapaz, estou lendo o livro Cracking the code interview... ele fala que a gente tem que deminar esse Big O notation.

ok, entendi foi porra nenhuma mas ok, seguirei estudando

Maneiro, estou fazendo Bacharel em TI mas me interesso por Ciência, quero ainda me especializar cair de cabeça nesse mundo de estrutura e tratamento de dados. Na minha faculdade deram só uma comentada sobre Big O e já vim aqui tentar entender um pouco mais :p

Verdade .. Muitas das vezes temos um problema e para solucionar passamos por varias etapas e em uma delas vai e usa algo pronto ignorando o desempenho pra resolver logo o todos

Pois é. Nesse caso vale a curiosidade de ir mais a fundo e ver o que as funções/bibliotecas estão fazendo, e se for o caso vale até reescrever funções de maneira mais adequada ao nosso contexto.

Então chegou.

Tem uma segunda referência que é tíbio e perônio do castelo tá Tim bum

Se não me engano, o JS utiliza o Insertion Sort para ordenar valores, cuja complexidade no pior caso apresenta complexidade quadrática, isto é, O(n²). Dessa forma ele se torna viável apenas para ordenar entradas com uma massa de dados muito pequenas, pois para ordenar um array de tamanho n = 100, ele levaria em torno de 100² operações (10.000). Para caso de uma massa de dados muito grande, como n = 1000, seria mais viável um algoritmo de complexidade menor, como no caso do Merge Sort, cuja complexidade no pior caso é de O(n log n). Se formos comparar os dois algoritmos para n = 1000, teremos: Insertion Sort = O(n²) -> 1000² = 1.000.000 operações Merge Sort = O(n log n) -> 1000 * log 1000 -> 1000 * 3 = 3000 operações. Portanto, veja que para uma massa de dados maior no pior caso, o Merge Sort torna-se mais eficiente do que o Insertion Sort.

A constante C é o fator que não varia em relação ao tamanho da entrada do algoritmo. E na minha visão não tem muito haver com o computador e sim com o algoritmo. Vamos supor que você use um algoritmo que O(n²) e eu use um que é O(n) para um problema. Isso significa que o seu faz n² operações e o meu faz n operações. Só que cada operação do seu algoritmo custa 1 real, e cada operação do meu custa 100 reais. Ou seja, pra você C = 1 e pra mim C = 100. Se a gente olhar apenas para o C vamos concluir que o seu algoritmo é mais barato e o meu é mais caro. Mas isso só vai ser verdade para n < 100. Se n for 1000, o seu custaria 1000000 e meu custaria 100000, e conforme o tamanho aumenta a diferença entre os custos também aumenta. Sabendo que o tamanho vai crescer, o C pode ser ignorado.

😁😁😁

Rapaz

😭​😆​

Há várias.

Concordo que ser programador hoje é muito mais fácil, mas é por isso que a grande maioria dos projetos novos saem com problemas absurdos de performance quando sobem para a produção.

Ordenação e busca são os menores dos problemas. A gente só aprende eles na faculdade pra entender os conceitos de complexidade. A ordenação é O(n log n), a busca é O(n) se o vetor estiver desordenado e O(log n) se estiver ordenado. Ambos são polinomiais, o inferno é quando o problema é exponencial ou fatorial. As libs de machine learning por exemplo pode levar dias pra executar.

haha vai usar uma linguagem que não tenha um garbage collector ou então escreve uma linha de código que faz com que o GC não limpe sozinho, aí tu vai ver a importância de se ter cuidado com isso Lembrando que quem mexe com WEB tem que cuidar com o JS pq o servidor é parrudo, mas nem todo pc de usuário é assim

@@fernandocasare8500 Coletor de lixo não tem nada a ver big O e com o que eu disse. Não viaja. A outra parte eu não entendi. Escreva direito.