ساختارها و الگوریتم های داده پایتون

مدرس Robin Andrews

انتشار 2020/09/18

به‌روز‌رسانی 2023/12/21

مدت زمان 2h 19m

سطح متوسط

فایل تمرینی دارد

آموزش Python Data Structures and Algorithms

توسعه دهندگان نرم افزار می دانند که معماری زیربنایی کارآمد برای فناوری هایی که ما هر روز استفاده می کنیم ضروری است. دانش ساختارهای داده و الگوریتم‌هایی که آنها پشتیبانی می‌کنند به توسعه‌دهندگان کمک می‌کند تا مناسب‌ترین راه‌حل را برای یک زمینه معین انتخاب کنند، و آنها را به برنامه‌نویسان بهتری تبدیل می‌کند که برای شرکت، مشتریان یا کارفرمایان احتمالی خود متمایز هستند. در این دوره آموزشی با استفاده از زبان برنامه نویسی پایتون، مربی رابین اندروز از ترکیبی از رویکردهای برنامه نویسی بصری، نظری و عملی برای توضیح مفاهیم به شیوه ای سرگرم کننده و در دسترس استفاده می کند. رابین برخی از مهم‌ترین ساختارهای داده مانند پشته‌ها، صف‌ها و صف‌های اولویت‌دار را توضیح می‌دهد و نحوه استفاده از این ساختارها توسط الگوریتم‌های جستجو مانند جستجوی عمقی، جستجوی پهنای اول و الگوریتم A-star (A*) را توضیح می‌دهد. او نحوه ردیابی اجرای الگوریتم ها را نشان می دهد. در طول مسیر، او چالش هایی را فراهم می کند که به شما امکان می دهد مهارت های جدید خود را آزمایش کنید.

Algorithms Data Structures Python (Programming Language)

Introduction

Python data structures and algorithms in action ()

What you should know ()

1. Pathfinding Algorithms in a Maze Game

Understand the example application ()

Navigate the GUI ()

2. The Stack Data Structure

Solution: Reverse a string using a stack ()

Understand the stack data structure ()

Build a stack class in Python ()

3. The 2D List Data Structure

Understand the 2D list data structure ()

Represent a maze as a 2D list ()

Read a maze from a text file ()

Challenge: Read and display a maze from a text file ()

Solution: Read and display a maze from a text file ()

4. Depth-First Search Algorithm

Understand the depth-first search algorithm ()

Visualize depth-first search on a grid ()

Use the Grid Tracer app ()

Code a depth-first search in Python ()

Challenge: Trace the path of a depth-first search ()

Solution: Trace the path of a depth-first search ()

5. The Queue Data Structure

Solution: Practice queue methods ()

Understand the queue data structure ()

Build a queue class in Python ()

6. The Breadth-First Search Algorithm

Solution: Trace the path of a breadth-first search ()

Understand the breadth-first search algorithm ()

Visualize breadth-first search in a grid ()

Code a breadth-first search in Python ()

Challenge: Trace the path of a breadth-first search ()

7. The Priority Queue Data Structure

Solution: Heapq methods practice ()

Understand the priority queue data structure ()

Use the heap module to implement a priority queue ()

8. The A* Search Algorithm

Understand the A* search algorithm ()

Visualize the A* algorithm ()

Code the A* algorithm in Python ()

Challenge: Trace the path of an A* search ()

Solution: Trace the path of an A* search ()

Conclusion

Pathfinding algorithms in the course maze GUI ()

Parting comments and what comes next ()

Ex_Files_Python_Data_Structures.zip (236 KB)

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.

مسیرهای یادگیری آموزش ساختارها و الگوریتم های داده پایتون

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Python Data Structures and Algorithms در 2 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

اکنون که اصول برنامه نویسی پایتون را یاد گرفتید، زمان آن رسیده است که مراحل بعدی را برای آماده شدن برای حرفه ای به عنوان توسعه دهنده پایتون بررسی کنید. این مسیر یادگیری شما را از طریق نیازهای عملی برنامه نویسان مانند یادگیری در مورد الگوهای طراحی، تست و حتی آماده سازی مصاحبه می برد.

آموزش ساختارها و الگوریتم های داده پایتون ، ایستگاه شماره 3 در مسیر یادگیری مهارت های خود را در پایتون ارتقا دهید ، است.

مسیر یادگیری مهارت های خود را در پایتون ارتقا دهید

پایتون به سرعت به زبان برنامه نویسی پیشرو برای کسانی که در بخش علم داده و تجزیه و تحلیل هستند تبدیل شده است. مهارت‌های پایتون قابل سرمایه‌گذاری هستند و این مسیر یادگیری به شما کمک می‌کند به مجموعه مهارت‌ها و رزومه خود ارزش بیافزایید.

آموزش ساختارها و الگوریتم های داده پایتون ، ایستگاه شماره 5 در مسیر یادگیری استاد پایتون برای علم داده ، است.