دوره آموزشی مبانی تفکر الگوریتمی با پایتون
1 ساعت 15 دقیقهپیشرفته2022-04-26
مدرسین

Robin Andrews
Founder of Compucademy
جزئیات دوره
کلمه "الگوریتم" که زمانی تنها استان ریاضیات و علوم کامپیوتر بود، وارد زبان عامیانه مدرن شده است زیرا، خوب یا بد، الگوریتمها هرگز در زندگی روزمره مهمتر یا تاثیرگذارتر نبودهاند. اگر شما یک توسعه دهنده هستید، باید با طیف وسیعی از تفکر الگوریتمی آشنا باشید تا بتوانید مشکلات جدید را همانطور که خود را نشان می دهند حل کنید. اگر قبلاً با پایتون آشنایی دارید، مهارت بیشتر در تفکر الگوریتمی راهی عالی برای افزایش ارزش خود به عنوان یک توسعه دهنده است. در این دوره، رابین اندروز توضیح می دهد که چگونه پایتون، به دلیل وضوح و بیان آن، ابزار ایده آلی برای کاوش در تفکر الگوریتمی است. او ابزارهایی را به شما نشان میدهد تا به شما در درک جریان الگوریتمها کمک کند، رویکرد brute force برای حل الگوریتمها را توضیح میدهد، مفاهیم پیچیدگی زمان و مکان را با توجه به تجزیه و تحلیل الگوریتم، استراتژی کاهش و تسخیر، و موارد دیگر را توضیح میدهد.
مهارت ها
PythonProgramming LanguagesOpen SourceSoftware DevelopmentOne-Off
سرفصل ها
0. مقدمه
- 01 - اهمیت تفکر الگوریتمی
- 02 - آنچه باید بدانید
1. گرم کردن
- 03 - چالش - 100 در
- 04 - راه حل - 100 در
- 05 - FizzBuzz
2. ابزارهایی برای کمک به درک جریان الگوریتم ها
- 06 - الگوریتم های ردیابی با استفاده از ابزار تجسم آنلاین
- 07 - ردیابی الگوریتم ها با استفاده از کد یا دیباگر
- 08 - انیمیشن های الگوریتمی
- 09 - شبه کد
- 10 - استفاده از وایت برد برای بررسی الگوریتم ها
3. الگوریتم های Brute Force
- 11 - مقدمه ای بر الگوریتم های brute force
- 12 - جستجوی خطی
- 13 - مقدمه Selection Sort
- 14 - چالش - مرتب سازی انتخابی در پایتون
- 15 - Solution - Selection Sort در پایتون
4. تحلیل پیچیدگی زمان-مکان
- 16 - مقدمه ای بر تحلیل پیچیدگی زمان-مکان
- 17 - چالش - تمرین نمادگذاری Big-O
- 18 - راه حل - تمرین نمادگذاری Big-O
- 19 - نمونه هایی از پیچیدگی زمانی با پایتون
- 20 - ملاحظات حافظه هنگام پیاده سازی الگوریتم ها
5. الگوریتم های حریص
- 21 - مقدمه ای بر الگوریتم های حریص
- 22 - مقدمه ای بر مسئله ایجاد تغییر
- 23 - راه حل مشکل ایجاد تغییر
- 24 - الگوریتم دایکسترا
- 25 - چالش - الگوریتم دایکسترا
- 26 - راه حل - الگوریتم دایکسترا
- 27 - الگوریتم Dijkstra - پیاده سازی Python
6. کاهش و تسخیر
- 28 - سربازان کشتی
- 29 - مقدمه کاهش و تسخیر
- 30 - جستجوی باینری
- 31 - چالش - جستجوی باینری
- 32 - راه حل - جستجوی باینری
نتیجه
- 33 - بررسی تفکر الگوریتمی با پایتون
دوره های مرتبط
- دوره آموزشی مبانی برنامه نویسی: ریاضیات گسسته
- دوره آموزشی مبانی هوش مصنوعی مسئولیت پذیر (2022)
- دوره آموزشی علم داده های اقتصاد، بانکداری و مالی، با بارتون پولسون (2017)
- دوره آموزشی علم داده اقتصاد، بانکداری و دارایی
- دوره آموزشی یادگیری جامع هوش مصنوعی در فین تک (2019)
- دوره آموزشی چارچوب هوش مصنوعی مسئولانه برای محصول هوش مصنوعی سازمانی شما
- دوره آموزشی مقدمه ای بر حسابرسی سیستم های هوش مصنوعی
- دوره آموزشی یادگیری کاربردی ماشین: مبانی (2019)
مسیرهای مرتبط
- مسیر آموزشی از دانشمند داده به یک تحلیلگر داده تبدیل شوید
- مسیر آموزشی شروع کار با هوش مصنوعی و یادگیری ماشینی
- مسیر آموزشی تبدیل شدن به یک مهندس یادگیری ماشین
- مسیر آموزشی توسعه دادن مهارت تجزیه و تحلیل داده های خود
- مسیر آموزشی تبدیل شدن به یک متخصص تجزیه و تحلیل کسب و کار
- مسیر آموزشی تبدیل شدن به یک تحلیلگر داده
- مسیر آموزشی تسلط بر هوش مصنوعی مسئول: از مفهوم تا حسابرسی
- مسیر آموزشی درک هوش مصنوعی تولیدکننده برای رهبران فناوری