σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyRoadmapsSkills
Ctrl K
AO
+1,2 Tsd. Lernende
AnmeldenBeitreten ↗
RoadmapsSkills
AO
+1,2 Tsd. Lernende
Anmelden
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
uantCraft Academy

Quant-Entwicklung durch Praxis: kurze Lektionen, bewertete Labs und eine echte IDE direkt im Browser.

Lernen
Alle RoadmapsAlle SkillsPython-SkillC++-SkillBaldOxCaml-SkillBaldMarket Structure-SkillCalculus-SkillLinear Algebra-SkillProbability-SkillStatistics-SkillMatrix Decompositions-SkillOptimization-SkillTime Series-SkillStochastic Calculus-SkillBayesian Inference-SkillHidden Markov Models-SkillParticle filtering and non-stationary time series-Skillscikit-learn-Skillstatsmodels-SkillSciPy-SkillCache locality-Skill
Support
Feedback gebenSpendier uns einen Kaffee
Rechtliches
DatenschutzerklärungNutzungsbedingungen
© 2026 QuantCraft Solutions. Alle Rechte vorbehalten.
QuantCraft
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyRoadmapsSkills
Ctrl K
AO
+1,2 Tsd. Lernende
AnmeldenBeitreten ↗
RoadmapsSkills
AO
+1,2 Tsd. Lernende
Anmelden
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Skills›Cache locality
C

Cache locality Skill

LiveHier starten

Dies ist die Simulator-Ausgabe der Fähigkeit: Jedes Labor führt einen Cache aus, den Sie selbst bauen, und bewertet Zählungen von Treffern und Fehlzugriffen, nie Uhrzeit, sodass die Antworten exakt und wiederholbar sind. Jede Lektion lehrt eine Idee mit kleinen Codebeispielen und ihrer Ausgabe, dann erweitert ein bewertetes Labor denselben Simulator. Sie lernen, die Fehlzugriffe eines Zugriffsmusters vorherzusagen, bevor Sie es ausführen, das Datenlayout einer Tick-Tabelle zu wählen und mit Zahlen zu belegen, dass eine Änderung Fehlzugriffe beseitigt hat.

3 Module13 bewertete Labs~12 StundenEinsteiger → Fortgeschritten
Skill starten

Voraussetzungen

Sicherheit mit Python-Funktionen, Listen und Dictionaries genügt; C oder C++ sind nicht nötig, denn die Maschine ist ein Simulator, den Sie selbst schreiben.

  • Python

Lehrplan

13 Themen · öffne jedes Thema, in beliebiger Reihenfolge
  1. 1Die Speicherhierarchie und LatenzzahlenNicht begonnenErfordert Python40 Min.Starten
  2. 2Cache-Zeilen und räumliche LokalitätNicht begonnenErfordert Python45 Min.Starten
  3. 3Assoziativität und KonfliktfehlerNicht begonnenErfordert Python55 Min.Starten
  4. 4Zeitliche Lokalität und ArbeitsmengenNicht begonnenErfordert Python45 Min.Starten
  1. 5Array of Structs gegen Struct of ArraysNicht begonnenErfordert Python55 Min.Starten
  2. 6Durchlaufreihenfolge und Loop TilingNicht begonnenErfordert Python55 Min.Starten
  1. 7PrefetchingNicht begonnenErfordert Python50 Min.Starten
  2. 8TLB und große SeitenNicht begonnenErfordert Python50 Min.Starten
  3. 9False Sharing und PaddingNicht begonnenErfordert Python55 Min.Starten
  4. 10NUMA-EffekteNicht begonnenErfordert Python1 Std.Starten
  5. 11Allokatoren und Speicher-PoolsNicht begonnenErfordert Python1 Std.Starten
  6. 12SprungvorhersageNicht begonnenErfordert Python55 Min.Starten
  7. 13Abschlussprojekt: eine Tick-Tabelle neu anordnen und den Rückgang der Fehler belegenNicht begonnenErfordert Python1 Std. 30 Min.Starten

Abschluss

Bestehe alle 13 Labs mit mindestens 70 Punkten, um die Skill abzuschließen und das Abzeichen Cache-Lokalität in deinem Profil zu erhalten.

0 / 130%

Voraussetzungen

Sicherheit mit Python-Funktionen, Listen und Dictionaries genügt; C oder C++ sind nicht nötig, denn die Maschine ist ein Simulator, den Sie selbst schreiben.

  • Python

Diese Werkzeuge nutzt du

PythonNumPypytest

Das lernst du

  • Treffer und Fehlzugriffe eines Zugriffsmusters vorhersagen und mit den Latenzzahlen einer echten Maschine bewerten
  • Einen konfigurierbaren Cache mit Zeilen, Sätzen, Wegen und LRU bauen und Konfliktfehler entstehen sehen
  • Für eine Tick-Tabelle zwischen Array of Structs und Struct of Arrays wählen und eine Matrixschleife kacheln
  • Prefetcher, TLBs, False Sharing zwischen Kernen und NUMA modellieren, um zu sehen, warum ein schnelles Programm langsam wird
  • Allokatoren und Sprungvorhersager vergleichen und eine Layout-Änderung mit Fehlzugriffszahlen an einer echten Tick-Tabelle belegen
uantCraft Academy

Quant-Entwicklung durch Praxis: kurze Lektionen, bewertete Labs und eine echte IDE direkt im Browser.

Lernen
Alle RoadmapsAlle SkillsPython-SkillC++-SkillBaldOxCaml-SkillBaldMarket Structure-SkillCalculus-SkillLinear Algebra-SkillProbability-SkillStatistics-SkillMatrix Decompositions-SkillOptimization-SkillTime Series-SkillStochastic Calculus-SkillBayesian Inference-SkillHidden Markov Models-SkillParticle filtering and non-stationary time series-Skillscikit-learn-Skillstatsmodels-SkillSciPy-SkillCache locality-Skill
Support
Feedback gebenSpendier uns einen Kaffee
Rechtliches
DatenschutzerklärungNutzungsbedingungen
© 2026 QuantCraft Solutions. Alle Rechte vorbehalten.
QuantCraft
AnmeldenBeitreten ↗
Anmelden