diff --git a/README.md b/README.md
index 326136f..3557098 100644
--- a/README.md
+++ b/README.md
@@ -136,6 +136,7 @@ SQL и моделирование данных специально идут р
     - [Итераторы, итерируемые объекты и генераторы](https://pyneng.readthedocs.io/ru/latest/book/13_iterator_generator/index.html)
     - [Декораторы Python: пошаговое руководство](https://habr.com/ru/companies/otus/articles/727590/)
     - Работа с датой/временем: [официальная документация по модулю datetime](https://docs.python.org/ru/3/library/datetime.html)
+    - [Сложность алгоритмов. Разбор Big O](https://habr.com/ru/articles/782608/) — короткий материал, чтобы понимать O(n) vs O(n²) на собеседованиях и в коде
 - ООП
     - [Tproger: «ООП простыми словами»](https://tproger.ru/experts/oop-in-simple-words)
     - Введение в [ООП](https://metanit.com/python/tutorial/7.1.php)
@@ -333,14 +334,6 @@ Apache Airflow — инструмент для оркестрации ETL-про
 - автоматическая проверка (валидационный DAG) проходит без ошибок;
 - вы можете на собеседовании за 5–10 минут рассказать архитектуру проекта, его цели и показать ключевые части кода.
 
-### Понятие сложности алгоритмов
-В Data Engineering редко требуется писать сложные алгоритмы, но важно понимать, как оценивать эффективность кода: 
-
-- в SQL — через объём сканируемых данных, типы JOIN’ов, использование индексов;
-- в Python — через асимптотику операций с pandas/списками (например, O(n) vs O(n²)).
-
-Это помогает избегать «тормозящих» решений на собеседованиях и в реальных пайплайнах.
-
 ---
 
 ## Карьера и менторство