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-SkillLock-free-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›Lock-free
L

Lock-free Skill

LiveHier starten

Dies ist die Simulator-Ausgabe der Fähigkeit: Es gibt keine echten Threads und keine Zeitmessung. Ein Thread ist eine kurze Liste von Schritten, ein Schedule sagt, wessen Schritt als Nächstes läuft, und die Maschine, die Sie schreiben, führt sie aus, sodass ein Nebenläufigkeitsfehler zu einer Liste von Thread-Nummern wird, die man ausgeben und wiederholen kann. Jede Lektion lehrt eine Idee mit kleinen Beispielen und ihrer Ausgabe, dann erweitert ein bewertetes Labor dieselbe Maschine. Sie lernen zu sehen, wie ein Interleaving ein Update verliert, alle Schedules eines kleinen Programms aufzuzählen, zu formulieren, was eine sperrfreie Warteschlange garantiert, und eine Invariante eines Marktdaten-Fan-outs über alle Schedules zu beweisen.

4 Module11 bewertete Labs~12 StundenMittelstufe → Experte
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. Die Fähigkeit Cache-Lokalität hilft bei False Sharing und Cache-Zeilen, ist aber nicht erforderlich.

  • Python
  • CCache locality

Lehrplan

11 Themen · öffne jedes Thema, in beliebiger Reihenfolge
  1. 1Wettlaufsituationen und warum es Sperren gibtNicht begonnenErfordert Python45 Min.Starten
  2. 2Ein Interleaving-Explorer: Fehler durch Aufzählen von Schedules findenNicht begonnenErfordert Python1 Std.Starten
  1. 3Atomics und Read-Modify-WriteNicht begonnenErfordert Python55 Min.Starten
  2. 4Das Speichermodell: Acquire und ReleaseNicht begonnenErfordert Python1 Std. 15 Min.Starten
  3. 5Fortschrittsgarantien: von obstruction-free bis wait-freeNicht begonnenErfordert Python45 Min.Starten
  1. 6Ein Ringpuffer für einen Producer und einen ConsumerNicht begonnenErfordert Python1 Std. 30 Min.Starten
  2. 7Das ABA-Problem und getaggte ZeigerNicht begonnenErfordert Python55 Min.Starten
  3. 8Warteschlangen mit mehreren Producern und ConsumernNicht begonnenErfordert Python1 Std. 10 Min.Starten
  1. 9Nebenläufigen Code testen: Race-Detektoren und Model CheckingNicht begonnenErfordert Python55 Min.Starten
  2. 10Hazard Pointers und Epochen-FreigabeNicht begonnenErfordert Python1 Std. 10 Min.Starten
  3. 11Abschlussprojekt: ein sperrfreier Marktdaten-Fan-out mit Beweisen seiner InvariantenNicht begonnenErfordert Python2 Std.Starten

Abschluss

Bestehe alle 11 Labs mit mindestens 70 Punkten, um die Skill abzuschließen und das Abzeichen Sperrfrei in deinem Profil zu erhalten.

0 / 110%

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. Die Fähigkeit Cache-Lokalität hilft bei False Sharing und Cache-Zeilen, ist aber nicht erforderlich.

  • Python
  • CCache locality

Diese Werkzeuge nutzt du

Pythonpytest

Das lernst du

  • Eine Maschine schreiben, die Thread-Programme unter einem Schedule ausführt, und ein verlorenes Update von Hand zeigen
  • Alle Schedules eines kleinen Programms aufzählen, um die zu finden, die es brechen
  • Races mit atomarem Read-Modify-Write und Acquire/Release-Ordnung beheben und festhalten, was jede Reparatur garantiert
  • Einen SPSC-Ringpuffer, eine Compare-and-Swap-Queue und eine Multi-Producer-Queue bauen und jede mit einem Schedule brechen
  • Races erkennen, Speicher sicher freigeben und eine Invariante eines Marktdaten-Fan-outs über alle Schedules beweisen
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-SkillLock-free-Skill
Support
Feedback gebenSpendier uns einen Kaffee
Rechtliches
DatenschutzerklärungNutzungsbedingungen
© 2026 QuantCraft Solutions. Alle Rechte vorbehalten.
QuantCraft
AnmeldenBeitreten ↗
Anmelden