مبانی تفکر الگوریتمی با پایتون

مدرس Robin Andrews

انتشار 2022/04/26

به‌روز‌رسانی 2024/06/17

مدت زمان 1h 16m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Foundations of Algorithmic Thinking with Python

کلمه "الگوریتم" ، در یک زمان تنها استان ریاضیات و علوم کامپیوتر ، وارد زبان مدرن شده است زیرا برای بهتر یا بدتر ، الگوریتم ها در زندگی روزمره هرگز مهمتر یا تأثیرگذارتر نبوده اند. اگر یک توسعه دهنده هستید ، باید با طیف گسترده ای از تفکر الگوریتمی آشنا باشید تا بتوانید مشکلات جدیدی را در هنگام ارائه خود حل کنید. اگر از قبل با پایتون آشنا هستید ، در تفکر الگوریتمی بیشتر آگاهی پیدا کنید ، راهی عالی برای افزایش ارزش شما به عنوان یک توسعه دهنده است. در این دوره ، رابین اندروز توضیح می دهد که چگونه پایتون به دلیل وضوح و بیان آن ، ابزاری ایده آل برای کاوش در تفکر الگوریتمی است. او ابزارهایی را برای کمک به شما در درک جریان الگوریتم ها نشان می دهد ، رویکرد نیروی بی رحمانه در حل الگوریتم ها ، مفاهیم پیچیدگی زمان و فضا را با توجه به تجزیه و تحلیل الگوریتم ، کاهش و استراتژی فاتح و موارد دیگر توضیح می دهد.

Algorithms Python (Programming Language)

Introduction

Importance of algorithmic thinking ()

What you should know ()

Use GitHub Codespaces with this course ()

1. Warm Up

Challenge: 100 doors ()

Solution: 100 doors ()

FizzBuzz ()

2. Tools to Help Understand the Flow of Algorithms

Tracing algorithms using an online visualization tool ()

Tracing algorithms using code or a debugger ()

Algorithm animations ()

Pseudocode ()

Using a whiteboard to explore algorithms ()

3. Brute Force Algorithms

Introduction to brute force algorithms ()

Linear search ()

Selection Sort introduction ()

Challenge: Selection Sort in Python ()

Solution: Selection Sort in Python ()

4. Analysis of Time-Space Complexity

Introduction to analysis of time-space complexity ()

Challenge: Big-O notation practice ()

Solution: Big-O notation practice ()

Examples of time complexity with Python ()

Memory considerations when implementing algorithms ()

5. Greedy Algorithms

Introduction to greedy algorithms ()

Introduction to the change making problem ()

Solution to the change making problem ()

Dijkstra's algorithm ()

Challenge: Dijkstra's algorithm ()

Solution: Dijkstra's algorithm ()

Dijkstra's algorithm: Python implementation ()

6. Decrease and Conquer

Ferrying soldiers ()

Introduction to decrease and conquer ()

Binary search ()

Challenge: Binary search ()

Solution: Binary search ()

Conclusion

Exploring algorithmic thinking with Python ()

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.