آموزش جامع مباحث تئوری و ریاضی الگوریتم ها به همراه پیاده سازی در Java
آموزش جامع مباحث تئوری و ریاضی الگوریتم ها به همراه پیاده سازی در Java
در این کورس آموزشی بسیار ارزشمند در ابتدا با مباحث تئوری و ریاضی بیش از 24 الگوریتم بسیار کاربردی در علوم کامپیوتر آشنا شده و سپس پیاده سازی و کدنویسی آن ها را به زبان جاوا یاد می گیرید.
عنوان اصلی : Informit - Algorithms 24 Part Lecture Series
این مجموعه آموزش ویدیویی محصول موسسه آموزشی Live Lessons است که بر روی 2 حلقه DVD به همراه اسلایدهای مدرس و به مدت زمان 28 ساعت و 6 دقیقه در اختیار علاقه مندان قرار می گیرد.
در ادامه با برخی از سرفصل های درسی این مجموعه آموزش آشنا می شویم :
Lecture 1:
Union-Find. We illustrate our basic approach to developing and analyzing algorithms by considering the dynamic connectivity problem. We introduce the union-find data type and consider several implementations (quick find, quick union, weighted quick union, and weighted quick union with path compression). Finally, we apply the union-find data type to the percolation problem from physical chemistry.
Lecture 2:
Analysis of Algorithms. The basis of our approach for analyzing the performance of algorithms is the scientific method. We begin by performing computational experiments to measure the running times of our programs. We use these measurements to develop hypotheses about performance. Next, we create mathematical models to explain their behavior. Finally, we consider analyzing the memory usage of our Java programs.
Lecture 3:
Stacks and Queues. We consider two fundamental data types for storing collections of objects: the stack and the queue. We implement each using either a singly-linked list or a resizing array. We introduce two advanced Java features–generics and iterators–that simplify client code. Finally, we consider various applications of stacks and queues ranging from parsing arithmetic expressions to simulating queueing systems.
Lecture 4:
Elementary Sorts. We introduce the sorting problem and Java\`s Comparable interface. We study two elementary sorting methods (selection sort andinsertion sort) and a variation of one of them (shellsort). We also consider two algorithms for uniformly shuffling an array. We conclude with an application of sorting to computing the convex hull via the Graham scan algorithm.
Lecture 5:
Mergesort. We study the mergesort algorithm and show that it guarantees to sort any array of N items with at most NlgN compares. We also consider a nonrecursive, bottom-up version. We prove that any compare-based sorting algorithm must make at least ∼NlgN compares in the worst case. We discuss using different orderings for the objects that we are sorting and the related concept of stability.
Lecture 6:
Quicksort. We introduce and implement the randomized quicksort algorithm and analyze its performance. We also consider randomized quickselect, a quicksort variant which finds the kth smallest item in linear time. Finally, consider 3-way quicksort, a variant of quicksort that works especially well in the presence of duplicate keys.
Lecture 7:
Priority Queues. We introduce the priority queue data type and an efficient implementation using the binary heap data structure. This implementation also leads to an efficient sorting algorithm known as heapsort. We conclude with an applications of priority queues where we simulate the motion of N particles subject to the laws of elastic collision.
Lecture 8:
Elementary Symbol Tables. We define an API for symbol tables (also known as associative arrays) and describe two elementary implementations using a sorted array (binary search) and an unordered list (sequential search). When the keys are Comparable, we define an extended API that includes the additional methods min, max floor, ceiling, rank, and select. To develop an efficient implementation of this API, we study the binary search tree data structure and analyze its performance
Lecture 9:
Balanced Search Trees. In this lecture, our goal is to develop a symbol table with guaranteed logarithmic performance for search and insert (and many other operations). We begin with 2-3 trees, which are easy to analyze but hard to implement. Next, we consider red-black binary search trees, which we view as a novel way to implement 2-3 trees as binary search trees. Finally, we introduce B-trees, a generalization of 2-3 trees that are widely used to implement file systems.
Lecture 10:
Geometric Applications of BSTs. We start with 1d and 2d range searching, where the goal is to find all points in a given 1d or 2d interval. To accomplish this, we consider kd-trees, a natural generalization of BSTs when the keys are points in the plane (or higher dimensions). We also consider intersection problems, where the goal is to find all intersections among a set of line segments or rectangles.
Lecture 11:
Hash Tables. We begin by describing the desirable properties of hash functions and how to implement them in Java, including a fundamental tenet known as the uniform hashing assumption that underlies the potential success of a hashing application. Then, we consider two strategies for implementing hash tables–separate chaining and linear probing. Both strategies yield constant-time performance for search and insert under the uniform hashing assumption. We conclude with applications of symbol tables including sets, dictionary clients, indexing clients, and sparse vectors.
Lecture 12:
Undirected Graphs. We define an undirected graph API and consider the adjacency-matrix and adjacency-lists representations. We introduce two classic algorithms for searching a graph–depth-first search and breadth-first search. We also consider the problem of computing connected components and conclude with related problems and applications.
Lecture 13:
Directed Graphs. In this lecture we study directed graphs. We begin with depth-first search and breadth-first search in digraphs and describe applications ranging from garbage collection to web crawling. Next, we introduce a depth-first search based algorithm for computing the topological order of an acyclic digraph. Finally, we implement the Kosaraju-Sharir algorithm for computing the strong components of a digraph.
Lecture 14:
Minimum Spanning Trees. In this lecture we study the minimum spanning tree problem. We begin by considering a generic greedy algorithm for the problem. Next, we consider and implement two classic algorithms for the problem–Kruskal\`s algorithm and Prim\`s algorithm. We conclude with some applications and open problems.
Lecture 15:
Shortest Paths. In this lecture we study shortest-paths problems. We begin by analyzing some basic properties of shortest paths and a generic algorithm for the problem. We introduce and analyze Dijkstra\`s algorithm for shortest-paths problems with nonnegative weights. Next, we consider an even faster algorithm for DAGs, which works even if the weights are negative. We conclude with the Bellman-Ford-Moore algorithm for edge-weighted digraphs with no negative cycles. We also consider applications ranging from content-aware fill to arbitrage.
Lecture 16:
Maximum Flow and Minimum Cut. In this lecture we introduce the maximum flow and minimum cut problems. We begin with the Ford-Fulkerson algorithm. To analyze its correctness, we establish the maxflow-mincut theorem. Next, we consider an efficient implementation of the Ford-Fulkerson algorithm, using the shortest augmenting path rule. Finally, we consider applications, including bipartite matching and baseball elimination.
Lecture 17:
Radix Sorts. In this lecture we consider specialized sorting algorithms for strings and related objects.
We begin with a subroutine to sort integers in a small range. We then consider two classic radix sorting algorithms–LSD and MSD radix sorts. Next, we consider an especially efficient variant, which is a hybrid of MSD radix sort and quicksort known as 3-way radix quicksort. We conclude with suffix sorting and related applications.
Lecture 18:
Tries. In this lecture we consider specialized algorithms for symbol tables with string keys. Our goal is a data structure that is as fast as hashing and even more flexible than binary search trees. We begin with multiway tries; next we consider ternary search tries. Finally, we consider character-based operations, including prefix match and longest prefix, and related applications.
Lecture 19:
Substring Search. In this lecture we consider algorithms for searching for a substring in a piece of text. We begin with a brute-force algorithm, whose running time is quadratic in the worst case. Next, we consider the ingenious Knuth-Morris-Pratt algorithm whose running time is guaranteed to be linear in the worst case. Then, we introduce the Boyer-Moore algorithm, whose running time is sublinear on typical inputs. Finally, we consider the Rabin-Karp fingerprint algorithm, which uses hashing in a clever way to solve the substring search and related problems.
Lecture 20:
Regular Expressions. A regular expression is a method for specifying a set of strings. Our topic for this lecture is the famous grep algorithm that determines whether a given text contains any substring from the set. We examine an efficient implementation that makes use of our digraph reachability implementation from Lectures 1 and 2.
Lecture 21:
Data Compression. We study and implement several classic data compression schemes, including run-length coding, Huffman compression, and LZW compression. We develop efficient implementations from first principles using a Java library for manipulating binary data that we developed for this purpose, based on priority queue and symbol table implementations from earlier lectures.
Lecture 22:
Reductions. In this lecture our goal is to develop ways to classify problems according to their computational requirements. We introduce the concept of reduction as a technique for studying the relationship among problems. People use reductions to design algorithms, establish lower bounds, and classify problems in terms of their computational requirements.
Lecture 23:
Linear Programming. The quintessential problem-solving model is known as linear programming, and the simplex method for solving it is one of the most widely used algorithms. In this lecture, we give an overview of this central topic in operations research and describe its relationship to algorithms that we have considered.
Lecture 24:
Intractability. Is there a universal problem-solving model to which all problems that we would like to solve reduce and for which we know an efficient algorithm? You may be surprised to learn that we do not know the answer to this question. In this lecture we introduce the complexity classes P, NP, and NP-complete; pose the famous P = NP question; and consider implications in the context of algorithms that we have treated in this course.
مشخصات این مجموعه :
زبان آموزش ها انگلیسی روان و ساده
دارای آموزشهای ویدیویی و دسته بندی شده
ارائه شده بر روی 2 حلقه DVD به همراه اسلایدهای مدرس
مدت زمان آموزش 28 ساعت و 6 دقیقه !
محصول موسسه آموزشی Live Lessons
این فیلم آموزشی اوریجینال بوده و به زبان انگلیسی ساده و روان ، در محیط نرم افزار و قابل درک برای همه تدریس می گردد.
قیمت : 19800 تومان
روش خرید: برای خرید "آموزش جامع مباحث تئوری و ریاضی الگوریتم ها به همراه پیاده سازی در Java" ، پس از کلیک روی دکمه زیر و تکمیل فرم سفارش، ابتدا محصول یا محصولات مورد نظرتان را درب منزل یا محل کار تحویل بگیرید، سپس وجه کالا و هزینه ارسال را به مامور پست بپردازید. جهت مشاهده فرم خرید، روی دکمه زیر کلیک کنید.
1-روی دکمه خرید پستی کلیک نمایید.
2-فرم مربوطه را به صورت کامل و صحیح پر نمایید.
3-سفارش خود را درب منزل از پستچی تحویل گرفته سپس هزینه را پرداخت نمایید.
سایر محصولات :
خرید پستی ورکشاپ ضبط شده آموزش Final Cut Pro X خرید پستی آموزش سفارشی سازی پانل ها ، منوها و میان برهای Photoshop خرید پستی آموزش حجاری و مدل سازی سر یک کاراکتر انسانی بوسیله ZBrush خرید پستی آموزش نقاشی سفینه ها و فضاهای علمی-تخیلی بوسیله Photoshop خرید پستی آموزش جامع مدل سازی و حجاری با نرم افزار Mudbox خرید پستی آموزش نقاشی صحنه های علمی-تخیلی Landscape بوسیله Photoshop خرید پستی آموزش نقاشی و ساخت پوست بوسیله نرم افزار ZBrush خرید پستی آموزش مدل سازی اجسام سخت , Hard Surface , در نرم افزار Maya 2017 خرید پستی آموزش طراحی مفهومی ساختمان ها در حال تخریب و آتش سوزی بوسیله نرم افزار فتوشاپ خرید پستی آموزش ساخت شن و ماسه بسیار با کیفیت بوسیله Substance Designer خرید پستی آموزش Concept Art برای تولید پروژه های فیلم سازی خرید پستی آموزش صفر تا استادی در Matte Painting خرید پستی آموزش راه اندازی گاه اینترنتی با Magento 2 و سفارشی سازی آن خرید پستی آموزش برنامه نویسی وب بوسیله PHP 7 و Laravel 5 خرید پستی آموزش اتوماتیک کردن فرایندهای شبکه و برنامه نویسی بوسیله Ansible, Puppet, and Salt خرید پستی آموزش ساخت Dashboard های مالی و تحلیلی عالی بوسیله IBM Cognos Analytics خرید پستی آموزش جامع و عملی AWS Certified Developer خرید پستی آموزش عملی وایرشارک - Wireshark Fundamentals خرید پستی آموزش جامع MPLS Fundamentals خرید پستی آموزش برنامه نویسی وب با استفاده از MEAN Stack خرید پستی آموزش جامع مباحث تئوری و ریاضی الگوریتم ها به همراه پیاده سازی در Java خرید پستی آموزش تحلیل و آنالیز داده ها و Data Science بوسیله Python و R خرید پستی آموزش Data Science ، دستکاری داده ها و دیتابیس در زبان Python خرید پستی آموزش ساخت برنامه های مولتی پلتفرم ویندوزی - Building Universal Windows Platforms Apps خرید پستی آموزش استفاده ترکیبی از Azure, Office 365, and Exchange Server 2016 خرید پستی آموزش اعمال فرایندهای Data Mining برای تصمیم سازی و تحلیل کسب و کار خرید پستی آموزش تست برنامه های در حال تولید به صورت Agile خرید پستی آموزش کار با Controller ها و سرویس ها در Grails 3 خرید پستی آموزش یادگیری ماشینی برای طراحان خرید پستی آموزش توانمند سازی اعضای تیم برای توسعه معماری Agile خرید پستی آموزش ساخت و اجرای برنامه ها در هر جایی بوسیله Docker خرید پستی یادگیری برنامه اکسل 2016 خرید پستی آموزش سریع و کامل Amazon Elasticsearch خرید پستی آموزش پیاده سازی دید کامپیوتری , Computer Vision , بوسیله TenserFlow خرید پستی آموزش ترکیب مداوم , Continuous Integration, به کمک Jenkins - این مجموعه استفاده از Plugin ها خرید پستی آموزش ترکیب مداوم , Continuous Integration, به کمک Jenkins - این مجموعه اطمینان از کیفیت و تست اتوماتیک خرید پستی آموزش ترکیب مداوم , Continuous Integration, به کمک Jenkins - این مجموعه Maven Builds خرید پستی آموزش ترکیب مداوم , Continuous Integration, به کمک Jenkins - این مجموعه انجام Build ها خرید پستی آموزش ساخت گزارش های تحلیل و آنالیز داده ها در R بوسیله R Markdown خرید پستی آموزش جامع مدرک امنیتی Information Systems Certification and Accreditation Professional ,ISCAP, آموزش استفاده ترکیبی از Azure, Office 365, and Exchange Server 2016
نحوه آموزش کارکنان و کارمندان ویژه مدیران شرکت ها و سازمان ها
آموزش ساخت افکت های تصویری به کمک نرم افزار Composite 2011
معرفی پنج ابزار برای ساخت REST APIs
آموزش پیشرفته CCIE Routing Switching v5
ساخت سرور لینوکس برای برنامه نویسی Ruby on Rails
آموزش کامل و کاربردی تمامی امکانات Photoshop CS6 در زمینه Brush ها و نقاشی
آموزش سطح مبتدی Photoshop CC – ویژه عکاسان
آموزش جامع مباحث تئوری و ریاضی الگوریتم ها به همراه پیاده سازی در Java
کلمات کلیدی :
موزش جامع مباحث همراه پیاده سازی جامع مباحث تئوری algorithm whose running whose running time binary search trees this lecture algorithm for introduce the conclude with begin with also consider algorithms for search and first search lecture consider algorithm search algorithms introduce applications problems begin
