حراج!
ساختارهای داده و الگوریتم ها در پایتون

ساختارهای داده و الگوریتم ها در پایتون | Algorithms and Data Structures in Python (INTERVIEW Q&A)

(دیدگاه 2 کاربر)

200,000

  • 23.5 ساعت ویدیو با زیرنویس انگلیسی و کیفیت 1080
  • به روز رسانی 6/2022 تهیه شده رسمی یودمی ایران
  • به همراه تمام فایل های مکمل دوره
  • مدرس: Holczer Balazs
  • حجم: 4.55GB (ترافیک داخلی)

توضیحات

ساختارهای داده و الگوریتم ها در پایتون

نام دوره : Algorithms and Data Structures in Python (INTERVIEW Q&A)

به روز رسانی 6/2022 با کیفیت 1080 تهیه شده رسمی یودمی ایران

پیش نیاز:

توضیحات:

این دوره در مورد ساختار داده ها، الگوریتم ها و نمودارها می باشد. ما می خواهیم مشکلات را در زبان برنامه نویسی پایتون پیاده سازی کنیم . م

ن به شدت توصیه می‌کنم این ساختارهای داده و الگوریتم‌ها را چندین بار به تنهایی تایپ کنید تا درک خوبی از آن داشته باشید.

پس در دوره ساختارهای داده و الگوریتم ها در پایتون چه چیزی را یاد خواهید گرفت؟

بخش 1:

  • تنظیم محیط
  • تفاوت بین ساختارهای داده و انواع داده های انتزاعی

بخش 2 – آرایه ها:

  • ساختار داده آرایه چیست
  • آرایه های مربوط به سوالات مصاحبه

بخش 3 – لیست های پیوندی:

  • ساختار داده لیست پیوندی و پیاده سازی آن
  • لیست های دارای پیوند دوگانه
  • لیست های پیوندی مربوط به سوالات مصاحبه

بخش 4 – پشته ها و صف ها:

  • پشته ها و صف ها
  • پشته حافظه و حافظه پشته
  • حافظه پشته دقیقا چگونه کار می کند؟
  • پشته و صف سوالات مصاحبه مرتبط

بخش 5 – درختان جستجوی دودویی:

  • درختان جستجوی دودویی چیست؟
  • کاربردهای عملی درختان جستجوی دودویی
  • مشکلات با درختان باینری

بخش 6 – درختان باینری متعادل (درختان AVL و درختان قرمز-سیاه):

  • چرا باید از درخت های جستجوی باینری متعادل استفاده کرد
  • درختان AVL
  • درختان قرمز و سیاه

بخش 7 – صف های اولویت دار و انبوه:

  • صف های اولویت دار چیست
  • پشته ها چیست
  • نمای کلی الگوریتم heapsort

بخش 8 – هش و فرهنگ لغت:

  • آرایه های انجمنی و فرهنگ لغت
  • نحوه دستیابی به زمان اجرای ثابت O(1) با هش

بخش 9 – پیمایش نمودار:

  • الگوریتم های اصلی نمودار
  • وسعت اول
  • جستجوی عمقی
  • تجسم پشته حافظه برای DFS

بخش 10 – مسائل کوتاه‌ترین مسیر (الگوریتم‌های دایکسترا و بلمن-فورد):

  • الگوریتم های کوتاه ترین مسیر
  • الگوریتم دایکسترا
  • الگوریتم بلمن-فورد
  • چگونه فرصت های آربیتراژ در فارکس را شناسایی کنیم؟

بخش 11 – درختان پوشاننده (رویکردهای کروسکال و پریم):

  • درختان پوشاننده چیست
  • ساختار داده union-find چیست و چگونه از آن استفاده کنیم
  • نظریه و پیاده سازی الگوریتم کروسکال نیز
  • الگوریتم پریم

بخش 12 – الگوریتم های جستجوی زیر رشته ای

  • الگوریتم های جستجوی زیر رشته ای چیست و چرا در نرم افزارهای دنیای واقعی اهمیت دارند
  • الگوریتم جستجوی زیر رشته ای brute-force
  • هش و روش Rabin-Karp
  • الگوریتم جستجوی زیر رشته ای Knuth-Morris-Pratt
  • الگوریتم جستجوی زیر رشته Z (الگوریتم Z)
  • پیاده سازی در پایتون

بخش 13 – چرخه های همیلتونی (مشکل فروشنده دوره گرد)

  • چرخه های همیلتونی در نمودارها
  • مشکل فروشنده دوره گرد چیست؟
  • نحوه استفاده از بک ترک برای حل مشکل
  • رویکردهای فراابتکاری برای تقویت الگوریتم ها

بخش 14 – الگوریتم های مرتب سازی

  • الگوریتم های مرتب سازی
  • مرتب‌سازی حبابی، مرتب‌سازی انتخابی و مرتب‌سازی درج
  • مرتب سازی سریع و ادغام مرتب سازی
  • الگوریتم های مرتب سازی غیرمقایسه ای
  • مرتب سازی شمارش و مرتب سازی ریشه

بخش 15 – تجزیه و تحلیل الگوریتم ها

  • نحوه اندازه گیری زمان اجرای الگوریتم ها
  • تجزیه و تحلیل زمان اجرا با نمادهای O بزرگ (ordo)، Ω بزرگ (امگا) و θ بزرگ (تتا).
  • کلاس های پیچیدگی
  • الگوریتم های چند جمله ای (P) و چند جمله ای غیر قطعی (NP).
  • O(1)، O(logN)، O(N) و چندین پیچیدگی زمان اجرا دیگر

در قسمت اول دوره ساختارهای داده و الگوریتم ها در پایتون، ما با ساختارهای داده پایه مانند لیست های پیوندی، پشته ها، صف ها، درختان جستجوی باینری، پشته ها و برخی موارد پیشرفته مانند درختان AVL و درختان قرمز-مشکی آشنا می شویم.

در مورد الگوریتم‌های گراف مانند درختان پوشا، الگوریتم‌های کوتاه‌ترین مسیر و پیمایش نمودار. ما سعی خواهیم کرد هر ساختار داده را تا حد امکان بهینه کنیم.

در هر فصل می‌خواهم در مورد پس‌زمینه نظری هر الگوریتم یا ساختار داده صحبت کنم، سپس می‌خواهیم کد را مرحله به مرحله در پایتون بنویسیم.

بسیاری از الگوریتم های پیشرفته به شدت بر این موضوعات متکی هستند، بنابراین قطعاً ارزش درک اصول اولیه را دارد.

این اصول را می توان در چندین زمینه استفاده کرد: در بانکداری سرمایه گذاری، هوش مصنوعی یا الگوریتم های تجارت الکترونیک در بازار سهام.

موسسات تحقیقاتی عمدتاً از پایتون به عنوان یک زبان برنامه نویسی استفاده می کنند: کتابخانه های زیادی از یادگیری ماشینی گرفته تا شبکه های پیچیده برای عموم در دسترس است.

دوره ساختارهای داده و الگوریتم ها در پایتون برای چه کسانی است:

  • توسعه دهندگان مبتدی پایتون در مورد نمودارها، الگوریتم ها و ساختارهای داده کنجکاو هستند

بخشی از دوره :

2 دیدگاه برای ساختارهای داده و الگوریتم ها در پایتون | Algorithms and Data Structures in Python (INTERVIEW Q&A)

  1. یودمی ایران

    دوره درخواستی خود را از راه های ارتباطی درخواست کنید

  2. reza_t

    خیلی ممنون که این دوره رو ارائه کردین.

    یکی از دوستام توی مایکروسافت کار میکنه، این دوره رو به همراه این سه دوره برای شروع ماشین لرنینگ بهم توصیه کرد، امیدوارم به کار بقیه هم بیاد.

    https://udemyiran.com/product/%D8%B5%D9%81%D8%B1-%D8%AA%D8%A7-%D8%B5%D8%AF-%D9%85%D8%A7%D8%B4%DB%8C%D9%86-%D9%84%D8%B1%D9%86%DB%8C%D9%86%DA%AF-%D8%A8%D8%A7-r-%D9%88-%D9%BE%D8%A7%DB%8C%D8%AA%D9%88%D9%86/

    https://www.udemy.com/course/feature-engineering-for-machine-learning/

    https://udemyiran.com/product/%D8%A7%D9%86%D8%AA%D8%AE%D8%A7%D8%A8-%D9%88%DB%8C%DA%98%DA%AF%DB%8C-%D8%A8%D8%A7-%DA%A9%D9%85%DA%A9-%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-%D9%85%D8%A7%D8%B4%DB%8C%D9%86/

    • یودمی ایران

      ممنون از نظر مفیدتون

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.