Olympus

e^{i\pi} + 1 = 0

H(X) = -\sum P(x) \log_2 P(x)

\nabla \times \mathbf{E} = -\frac{\partial \mathbf{B}}{\partial t}

\delta(q, a) = (q', a', D)

X_k = \sum_{n=0}^{N-1} x_n e^{-i 2\pi k n / N}

i\hbar \frac{\partial}{\partial t}\Psi = \hat{H}\Psi

O(n \log n)

PR(A) = (1-d) + d \sum \frac{PR(T_i)}{C(T_i)}

float Q_rsqrt(float number) {
  long i = 0x5f3759df - (*(long*)&number >> 1);
  return *(float*)&i;
}

void swap(int &a, int &b) {
  a ^= b;
  b ^= a;
  a ^= b;
}

const Y = f => (x => f(v => x(x)(v)))
               (x => f(v => x(x)(v)));

int gcd(int a, int b) {
  return b == 0 ? a : gcd(b, a % b);
}

آشنایی با پایه‌ای‌ترین ابزارهای شمارش و درک ساختارهای گسسته.

توسعه تفکر منطقی و اثبات قضایا به کمک استقرای ریاضی.

آشنایی با بخش‌پذیری، همنهشتی و معادلات سیاله.

درک مفهوم پیچیدگی زمانی و مکانی و نمادهای مجانبی.

طراحی الگوریتم‌های حریصانه برای رسیدن سریع به جواب بهینه.

شکستن مسائل بزرگ به زیرمسئله‌های کوچکتر و حل بازگشتی.

حافظه‌سازی و بهینه‌سازی زیرمسئله‌های هم‌پوشان.

سینتکس پایه، متغیرها، حلقه‌ها و توابع در سی‌پلاس‌پلاس.

استفاده حرفه‌ای از STL شامل Vector, Set, Map و توابع آماده.

درخت سگمنت، فنیک تری و الگوریتم‌های پیشرفته گراف.

حل آزمون‌های دوره‌های گذشته، مدیریت زمان و تکنیک‌های تست‌زنی عملی.