我们需要将f(n)和g(n)的Big O复杂度表示出来。

首先，我们知道nlog(n!)等于n * log(n(n-1)*...1)，而这个乘积最大为n^n。因此，我们可以将f(n)的Big O表示为O(nlog(n))。

接下来，考虑g(n)。我们可以通过计算g(n)/n来得出一个更简单的函数，即3 * (log(n))^(5n-1)。这个函数显然比(n*log(n))更小（可以根据渐近比较原理证明），因此我们可以将g(n)的Big O表示为O((log n)^(5n))。

以下是示例代码，用于计算nlog(n!)和3n(log n)^(5n)：

import math

# 计算n*log(n!)
def f(n):
    return n * math.log(math.factorial(n))

# 计算3n*(log(n))^(5n)
def g(n):
    return 3 * n * (math.log(n))**(5*n)

# 测试
print(f(10))  # 输出约为 115.43
print(g(10))  # 输出约为 6.86*10^36

注意到g(10)的结果非常大，已经超出计算机所能表示的范围。这是因为(g(n))/n的增长率太快，导致g(n)本身的增长率更快。因此g(n)的复杂度远高于f(n)。