Detección de subexpresiones repetidas en buscador de e-commerce
Visión general
De qué trata este proyecto.
Recibes un export anonimizado de 500 K consultas de buscador con frecuencias asociadas. Implementa: (1) detección de subcadenas repetidas con Rabin-Karp/rolling hash, (2) construcción de un suffix array sobre el corpus normalizado y (3) un trie compacto que agrupe prefijos. Para cada técnica mide tiempo de construcción, memoria y porcentaje de tokens reutilizables. Recomienda la opción para producción y entrega código en Python o C++, gráficos comparativos y un informe de 4 páginas justificando la elección.
El Briefing
Lo que harás y lo que demostrarás.
Detectar subexpresiones repetidas en logs de búsqueda y recomendar la estructura de datos adecuada para producción.
Earning criteria — what you'll demonstrate
- Implementar algoritmos clásicos sobre cadenas y entender sus trade-offs
- Comparar empíricamente estructuras de datos sobre un corpus real
- Justificar una decisión de ingeniería con evidencia cuantitativa
- Razonar sobre memoria vs tiempo en cargas de producción
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosBackend Engineer
Trabajar con algoritmos sobre cadenas en una capa de query parsing real es la habilidad que distingue a un Backend Engineer capaz de mover la aguja en latencia.
Este proyecto afina
- string-algorithms
- hashing
- algorithm-analysis
Software Engineer
Comparar estructuras de datos sobre datos reales y defender una decisión es práctica diaria de un Software Engineer en cualquier producto a escala.
Este proyecto afina
- suffix-arrays
- tries
- algorithm-analysis