reklama - zainteresowany?

Nauka algorytmów. Poradnik pisania lepszego kodu - Helion

Nauka algorytmów. Poradnik pisania lepszego kodu

MIEJSCE 21 na liście TOP 20
Autor: George Heineman
Tytuł oryginału: Learning Algorithms: A Programmer's Guide to Writing Better Code
Tłumaczenie: Tomasz Walczak
ISBN: 978-83-283-8799-7
stron: 270, Format: 168x237, okładka: miękka
Data wydania: 2021-11-01
Księgarnia: Helion

Cena książki: 41,30 zł (poprzednio: 59,00 zł)
Oszczędzasz: 30% (-17,70 zł)

Dodaj do koszyka Nauka algorytmów. Poradnik pisania lepszego kodu

Tagi: Algorytmy - Programowanie | Inne - Programowanie

Doskonałe opanowanie dowolnego języka programowania nie wystarczy do tego, aby stać się świetnym programistą czy deweloperem. Konieczne jest również zdobycie praktycznej wiedzy dotyczącej algorytmów. Oznacza to, że aby pisać lepszy kod, podczas rozwiązywania rzeczywistych problemów trzeba umieć korzystać z algorytmów, włączając w to ich budowanie, modyfikację i implementację. Niezależnie od tego, jaką dziedziną informatyki się zajmujesz, biegłość w posługiwaniu się algorytmami w wymierny sposób ułatwi Ci pracę i poprawi jej rezultaty.

Ta książka jest przystępnym wprowadzeniem do wiedzy o algorytmach wraz z przykładami implementacji napisanymi w Pythonie. Oprócz praktycznego omówienia algorytmów znalazło się tu wyjaśnienie takich pojęć jak klasy złożoności czy analiza asymptotyczna. Dokładnie omówiono także najważniejsze algorytmy, w tym różne sposoby haszowania, sortowania czy przeszukiwania. Tam, gdzie to niezbędne, wprowadzono struktury danych języka Python. Z poradnika programiści i testerzy dowiedzą się, w jaki sposób wykorzystywać algorytmy do pomysłowego rozwiązywania problemów obliczeniowych. Zrozumienie treści ułatwiają ciekawe materiały wizualne i ćwiczenia utrwalające, które pozwolą na przetestowanie zdobytej wiedzy w praktyce.

W książce między innymi:

  • podstawowe algorytmy wykorzystywane w inżynierii oprogramowania
  • standardowe strategie wydajnego rozwiązywania problemów
  • ocena złożoności czasowej kodu z wykorzystaniem notacji dużego O
  • praktyczne stosowanie algorytmów z wykorzystaniem bibliotek i struktury danych Pythona
  • główne zasady działania ważnych algorytmów

Dodaj do koszyka Nauka algorytmów. Poradnik pisania lepszego kodu

 

Osoby które kupowały "Nauka algorytmów. Poradnik pisania lepszego kodu", wybierały także:

  • Projektowanie oprogramowania dla zupełnie początkujących. Owoce programowania. Wydanie V
  • Nauka algorytm
  • 40 algorytmów, które powinien znać każdy programista. Nauka implementacji algorytmów w Pythonie
  • Komputer kwantowy. Programowanie, algorytmy, kod
  • Matematyka dla programistów Java

Dodaj do koszyka Nauka algorytmów. Poradnik pisania lepszego kodu

Spis treści

Nauka algorytmw. Poradnik pisania lepszego kodu -- spis treci



Przedmowa

Wprowadzenie

  • Dla kogo przeznaczona jest ta ksika?
  • O kodzie
  • Konwencje uywane w tej ksice
  • Podzikowania

1. Rozwizywanie problemów

  • Czym jest algorytm?
  • Znajdowanie najwikszej wartoci w dowolnej licie
  • Zliczanie kluczowych operacji
  • Modele pozwalaj prognozowa wydajno algorytmu
  • Znajdowanie dwóch najwikszych wartoci na dowolnej licie
  • Algorytm pucharowy
  • Zoono czasowa i pamiciowa
  • Podsumowanie
  • wiczenia

2. Analiza algorytmów

  • Uywanie modeli empirycznych do prognozowania wydajnoci
  • Mnoenie mona wykonywa szybciej
  • Klasy zoonoci
  • Analiza asymptotyczna
  • Zliczanie wszystkich operacji
  • Zliczanie wszystkich bajtów
  • Gdy zamykaj si jedne drzwi, otwieraj si inne
  • Wyszukiwanie binarne w tablicy
  • Prawie tak atwe jak ?
  • Dwie pieczenie na jednym ogniu
  • czenie wszystkich elementów
  • Dopasowywanie do krzywej a dolna i górna granica
  • Podsumowanie
  • wiczenia

3. Lepsze ycie dziki lepszemu haszowaniu

  • czenie wartoci z kluczami
  • Funkcje haszujce i skróty
  • Tablica z haszowaniem dla par (klucz, warto)
  • Wykrywanie i rozwizywanie kolizji za pomoc próbkowania liniowego
  • Tworzenie odrbnych acuchów dziki listom powizanym
  • Usuwanie elementu z listy powizanej
  • Ocena wydajnoci
  • Zwikszanie rozmiaru tablic z haszowaniem
  • Analiza wydajnoci dynamicznych tablic z haszowaniem
  • Haszowanie doskonae
  • Iteracyjne pobieranie par (klucz, warto)
  • Podsumowanie
  • wiczenia

4. Wdrówka po kopcu

  • Kopce binarne typu max
  • Wstawianie elementu (warto, priorytet)
  • Usuwanie wartoci o najwyszym priorytecie
  • Reprezentowanie kopca binarnego za pomoc tablicy
  • Implementacja "wypywania" i "zatapiania"
  • Podsumowanie
  • wiczenia

5. Sortowanie bez tajemnic

  • Sortowanie przez przestawianie
  • Sortowanie przez wybieranie
  • Budowa algorytmu sortowania o zoonoci kwadratowej
  • Analizowanie wydajnoci sortowania przez wstawianie i sortowania przez wybieranie
  • Rekurencja oraz podejcie dziel i rzd
  • Sortowanie przez scalanie
  • Sortowanie szybkie
  • Sortowanie przez kopcowanie
  • Porównanie wydajnoci algorytmów o zoonoci O(N log N)
  • Algorytm timsort
  • Podsumowanie
  • wiczenie

6. Drzewa binarne - nieskoczono na wycignicie rki

  • Wprowadzenie
  • Binarne drzewa poszukiwa
  • Szukanie wartoci w binarnym drzewie poszukiwa
  • Usuwanie wartoci z binarnego drzewa poszukiwa
  • Przechodzenie drzewa binarnego
  • Analiza wydajnoci binarnych drzew poszukiwa
  • Samoorganizujce si drzewa binarne
  • Analiza wydajnoci drzew samoorganizujcych si
  • Uywanie drzewa binarnego jako tablicy symboli (klucz, warto)
  • Uywanie drzewa binarnego jako kolejki priorytetowej
  • Podsumowanie
  • wiczenia

7. Grafy - pocz punkty

  • Grafy su do wydajnego zapisywania przydatnych informacji
  • Znajdowanie drogi w labiryncie za pomoc przeszukiwania w gb
  • Inna strategia - przeszukiwanie wszerz
  • Grafy skierowane
  • Grafy z wagami krawdzi
  • Algorytm Dijkstry
  • Najkrótsze cieki dla wszystkich par
  • Algorytm Floyda-Warshalla
  • Podsumowanie
  • wiczenia

8. Podsumowanie

  • Wbudowane typy Pythona
  • Implementowanie stosu w Pythonie
  • Implementowanie kolejek w Pythonie
  • Implementacje kopca i kolejki priorytetowej
  • Dalsza nauka

O autorach

Dodaj do koszyka Nauka algorytmów. Poradnik pisania lepszego kodu

Code, Publish & WebDesing by CATALIST.com.pl



(c) 2005-2022 CATALIST agencja interaktywna, znaki firmowe należą do wydawnictwa Helion S.A.