تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی مبانی تفکر الگوریتمی با پایتون

دوره آموزشی مبانی تفکر الگوریتمی با پایتون

1 ساعت 15 دقیقهپیشرفته2022-04-26

مدرسین

Robin Andrews

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

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal