- Produkt wycofany
|
Uwaga! Sprzedaż produktu została zakończona. Sprawdź inne w tej kategorii. |
Opis produktu: Nauka algorytmów. Poradnik pisania lepszego kodu - George Heineman
Podręcznik pozwalający uzyskać wiedzę o algorytmach, zawiera praktyczne przykłady napisane w języku Python. Wyjaśnia pojęcia takie jak klasy złożoności, analiza asymptoniczna. Książka przedstawia najważniejsze algorytmy, w tym różne sposoby haszowania, sortowania czy przeszukiwania. Książka jest przeznaczona dla osób, które znają już podstawy programowania w języku Python i chcą ulepszyć swój kod o algorytmy szybsze czy o mniejszej złożoności pamięciowej lub czasowej. Książka zawiera m.in.:
- Podstawowe algorytmy wykorzystywane w inżynierii oprogramowania
- Standardowe strategie wydajnego rozwiązywania problemów
- Ocenę złożoności czasowej kodu z wykorzystaniem notacji dużego O
- Praktyczne stosowanie algorytmów z wykorzystaniem bibliotek i struktury danych Pythona
- Główne zasady działania ważnych algorytmów
Książka dla programistów: Nauka algorytmów. Poradnik pisania lepszego kodu - George Heineman.
Nauka algorytmów. Poradnik pisania lepszego kodu.
Informacje o autorze
George Heineman - naukowiec i wykładowca akademicki. Od ponad 20 lat zajmuje się inżynierią oprogramowania i algorytmiką. Autor i współautor książek technicznych, często też prowadzi szkolenia dotyczące stosowania algorytmów. Twórca odmiany sudoku Sujiken i Trexagon.
Informacje o książce
- Tytuł oryginalny: Learning Algorithms: A Programmer's Guide to Writing Better Code
- Autor: George Heineman
- Tłumaczenie: Tomasz Walczak
- ISBN: 978-83-283-8799-7
- Rok wydania: 2022
- Format: 168 x 237 mm
- Oprawa: miękka
- Ilość stron: 232
- Wydawnictwo: Helion S.A.
Spis treści
Przedmowa
Wprowadzenie
- Dla kogo przeznaczona jest ta książka?
- O kodzie
- Konwencje używane w tej książce
- Podziękowania
1. Rozwiązywanie problemów
- Czym jest algorytm?
- Znajdowanie największej wartości w dowolnej liście
- Zliczanie kluczowych operacji
- Modele pozwalają prognozować wydajność algorytmu
- Znajdowanie dwóch największych wartości na dowolnej liście
- Algorytm pucharowy
- Złożoność czasowa i pamięciowa
- Podsumowanie
- Ćwiczenia
2. Analiza algorytmów
- Używanie modeli empirycznych do prognozowania wydajności
- Mnożenie można wykonywać szybciej
- Klasy złożoności
- Analiza asymptotyczna
- Zliczanie wszystkich operacji
- Zliczanie wszystkich bajtów
- Gdy zamykają się jedne drzwi, otwierają się inne
- Wyszukiwanie binarne w tablicy
- Prawie tak łatwe jak ?
- Dwie pieczenie na jednym ogniu
- Łączenie wszystkich elementów
- Dopasowywanie do krzywej a dolna i górna granica
- Podsumowanie
- Ćwiczenia
3. Lepsze życie dzięki lepszemu haszowaniu
- Łączenie wartości z kluczami
- Funkcje haszujące i skróty
- Tablica z haszowaniem dla par (klucz, wartość)
- Wykrywanie i rozwiązywanie kolizji za pomocą próbkowania liniowego
- Tworzenie odrębnych łańcuchów dzięki listom powiązanym
- Usuwanie elementu z listy powiązanej
- Ocena wydajności
- Zwiększanie rozmiaru tablic z haszowaniem
- Analiza wydajności dynamicznych tablic z haszowaniem
- Haszowanie doskonałe
- Iteracyjne pobieranie par (klucz, wartość)
- Podsumowanie
- Ćwiczenia
4. Wędrówka po kopcu
- Kopce binarne typu max
- Wstawianie elementu (wartość, priorytet)
- Usuwanie wartości o najwyższym priorytecie
- Reprezentowanie kopca binarnego za pomocą tablicy
- Implementacja "wypływania" i "zatapiania"
- Podsumowanie
- Ćwiczenia
5. Sortowanie bez tajemnic
- Sortowanie przez przestawianie
- Sortowanie przez wybieranie
- Budowa algorytmu sortowania o złożoności kwadratowej
- Analizowanie wydajności sortowania przez wstawianie i sortowania przez wybieranie
- Rekurencja oraz podejście dziel i rządź
- Sortowanie przez scalanie
- Sortowanie szybkie
- Sortowanie przez kopcowanie
- Porównanie wydajności algorytmów o złożoności O(N log N)
- Algorytm timsort
- Podsumowanie
- Ćwiczenie
6. Drzewa binarne - nieskończoność na wyciągnięcie ręki
- Wprowadzenie
- Binarne drzewa poszukiwań
- Szukanie wartości w binarnym drzewie poszukiwań
- Usuwanie wartości z binarnego drzewa poszukiwań
- Przechodzenie drzewa binarnego
- Analiza wydajności binarnych drzew poszukiwań
- Samoorganizujące się drzewa binarne
- Analiza wydajności drzew samoorganizujących się
- Używanie drzewa binarnego jako tablicy symboli (klucz, wartość)
- Używanie drzewa binarnego jako kolejki priorytetowej
- Podsumowanie
- Ćwiczenia
7. Grafy - połącz punkty
- Grafy służą do wydajnego zapisywania przydatnych informacji
- Znajdowanie drogi w labiryncie za pomocą przeszukiwania w głąb
- Inna strategia - przeszukiwanie wszerz
- Grafy skierowane
- Grafy z wagami krawędzi
- Algorytm Dijkstry
- Najkrótsze ścieżki dla wszystkich par
- Algorytm Floyda-Warshalla
- Podsumowanie
- Ćwiczenia
8. Podsumowanie
- Wbudowane typy Pythona
- Implementowanie stosu w Pythonie
- Implementowanie kolejek w Pythonie
- Implementacje kopca i kolejki priorytetowej
- Dalsza nauka
O autorach
Przydatne linki |
