Этот курс входит в специализацию ''Специализация Data Science Foundations: Data Structures and Algorithms'

4.5
звезд
Оценки: 46

Sriram Sankaranarayanan

7 274 уже зарегистрированы

от партнера

Хотите получить зачетные единицы для диплома? Узнайте больше

Вы можете получить от Колорадский университет в Боулдере зачетные единицы, которые будут засчитываться при обучении по дипломной программе Master of Science in Data Science

Специализация Data Science Foundations: Data Structures and AlgorithmsКолорадский университет в Боулдере

Об этом курсе

Недавно просмотрено: 29 091

This course covers basic algorithm design techniques such as divide and conquer, dynamic programming, and greedy algorithms. It concludes with a brief introduction to intractability (NP-completeness) and using linear/integer programming solvers for solving optimization problems. We will also cover some advanced topics in data structures.
Dynamic Programming, Greedy Algorithms can be taken for academic credit as part of CU Boulder’s Master of Science in Data Science (MS-DS) degree offered on the Coursera platform. The MS-DS is an interdisciplinary degree that brings together faculty from CU Boulder’s departments of Applied Mathematics, Computer Science, Information Science, and others. With performance-based admissions and no application process, the MS-DS is ideal for individuals with a broad range of undergraduate education and/or professional experience in computer science, information science, mathematics, and statistics. Learn more about the MS-DS program at https://www.coursera.org/degrees/master-of-science-data-science-boulder.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Курс 3 из 3 в программе

Специализация Data Science Foundations: Data Structures and Algorithms

Продвинутый уровень

Completion of previous courses. Calculus, probability theory: distributions, expectations and moments. Some programming experience with Python.

Прибл. 38 часов на выполнение

Английский

Чему вы научитесь

Describe basic algorithm design techniques
Create divide and conquer, dynamic programming, and greedy algorithms
Understand intractable problems, P vs NP and the use of integer programming solvers to tackle some of these problems

Приобретаемые навыки

Analysis of Algorithms
Algorithm Design
Python Programming
Data Structure Design
Intractability

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Курс 3 из 3 в программе

Специализация Data Science Foundations: Data Structures and Algorithms

Продвинутый уровень

Completion of previous courses. Calculus, probability theory: distributions, expectations and moments. Some programming experience with Python.

Прибл. 38 часов на выполнение

Английский

Преподаватели

Оценка преподавателя

4,76/5 (оценок: 18)

Sriram Sankaranarayanan

Professor

Department of Computer Science

25 511 учащихся

3 курса

от партнера

Колорадский университет в Боулдере

Сделайте шаг навстречу диплому.

Этот курс входит в дипломную онлайн-программу, предлагаемую университетом Колорадский университет в Боулдере. Если вы зарегистрируетесь на курс с зачетными единицами вне дипломной программы через университет и пройдете его онлайн, зачетные единицы за него можно будет учесть в дипломной программе университета CU-Boulder. Для этого необходимо просто подать заявку через университет.

Master of Science in Data Science

Колорадский университет в Боулдере

Зарегистрируйтесь для получения зачетных единиц

Программа курса: что вы изучите

Неделя

Неделя 1

11 ч. на завершение

Divide and Conquer Algorithms

11 ч. на завершение

9 видео ((всего 231 мин.)), 11 материалов для самостоятельного изучения, 6 тестов

9 видео

What Are Divide and Conquer Algorithms?7мин

Max Subarray Problem Using Divide and Conquer23мин

Karatsuba’s Multiplication Algorithm39мин

Master Method Revisited28мин

FFT Part 1: Introduction and Complex Numbers48мин

FFT Part 2: Definition and Interpretation of Discrete Fourier Transforms34мин

FFT Part 3: Divide and Conquer Algorithm for FFT22мин

Application # 1 : Fast Polynomial Multiplication using FFT 8мин

Application # 2: Data Analysis using FFT17мин

11 материалов для самостоятельного изучения

Welcome and Where to Find Help10мин

Reading: Important Prerequisites10мин

Logistics: Textbook and Readings10мин

Overview of Module 110мин

CLRS Chapter 410мин

CLRS Chapter 4.110мин

Jupyter Notebook on Karatsuba's Algorithm10мин

CLRS Chapters 4.3 - 4.510мин

Basics of Complex Numbers10мин

Fourier Transforms10мин

Fast Fourier Transform10мин

5 практических упражнений

Max Subarray Problem30мин

Karatsuba's Multiplication Algorithm30мин

Master Method30мин

Complex Numbers and Roots of Unity30мин

FFT Algorithm and Applications30мин

Неделя

Неделя 2

9 ч. на завершение

Dynamic Programming Algorithms

9 ч. на завершение

6 видео ((всего 131 мин.)), 6 материалов для самостоятельного изучения, 6 тестов

6 видео

Introduction to Dynamic Programming + Rod Cutting Problem30мин

Rod Cutting Problem: Memoization23мин

Coin Changing Problem12мин

Knapsack Problem29мин

When Optimal Substructure Fails10мин

Dynamic Programming: Longest Common Subsequence25мин

6 материалов для самостоятельного изучения

Overview of Module 210мин

Rod Cutting Problem10мин

Memoization 10мин

Coin Changing Problem10мин

Jupyter Notebook10мин

CLRS Chapter 15.410мин

5 практических упражнений

Rod Cutting Problem and Recurrence30мин

Memoization 30мин

Coinchanging Problem30мин

Knapsack Problem30мин

Longest Common Subsequence30мин

Неделя

Неделя 3

7 ч. на завершение

Greedy Algorithms

7 ч. на завершение

5 видео ((всего 102 мин.)), 4 материалов для самостоятельного изучения, 4 тестов

5 видео

Introduction to Greedy Algorithms20мин

Greedy Interval Scheduling23мин

Prefix Codes30мин

Huffman Codes11мин

Huffman Codes: Proof of Optimality 16мин

4 материала для самостоятельного изучения

Overview of Module 310мин

CLRS Chapter 1610мин

CLRS Chapters 16.1 and 16.210мин

CLRS Chapter 16.310мин

3 практических упражнения

Greedy Algorithms30мин

Greedy Interval Scheduling30мин

Huffman Codes30мин

Неделя

Неделя 4

11 ч. на завершение

Intractability and Supplement on Quantum Computing

11 ч. на завершение

9 видео ((всего 288 мин.)), 5 материалов для самостоятельного изучения, 5 тестов

9 видео

Decision Problems and Languages36мин

Polynomial Time Problems28мин

NP Definition29мин

NP Completeness and Reductions37мин

NP Complete Problems: Examples24мин

Computation and Physics30мин

Qubits and Operations37мин

Bell's Inequality21мин

Grover's Search Algorithm42мин

5 материалов для самостоятельного изучения

Overview of Module 410мин

CLRS Chapter 34 10мин

CLRS chapter 34.110мин

CLRS Chapter 34.2 and 34.310мин

CLRS Chapter 34.510мин

4 практических упражнения

Decision Problems and Languages30мин

Polynomial Time and Certificates30мин

NP Completeness Reductions30мин

NP Completeness Problems30мин

Рецензии

4.5

Рецензии: 13

5 stars
71,73 %
4 stars
17,39 %
3 stars
2,17 %
2 stars
2,17 %
1 star
6,52 %

Лучшие отзывы о курсе DYNAMIC PROGRAMMING, GREEDY ALGORITHMS

от партнера AM18 сент. 2022 г.

Great work from professor Sriram Sankaranarayanan explaining such complex material. I wish we could review more examples during the class (specially Dynamic Programming ones).

от партнера CS6 дек. 2022 г.

This course save me time on learning the dynamic programming. I really love the 4-steps to construct the dynamic programming. It gives me the guideline when designing DP solution.

от партнера YS22 июля 2022 г.

Excellent course! I really learned alot and enjoyed all the challenges and topics in your course. Thank you so much!

от партнера DM20 сент. 2021 г.

Excellent. This course covers some difficult topics, but the lectures and homework assignments were superb and made them quite approachable.

Посмотреть все отзывы

Специализация Data Science Foundations: Data Structures and Algorithms: общие сведения

Building fast and highly performant data science applications requires an intimate knowledge of how data can be organized in a computer and how to efficiently perform operations such as sorting, searching, and indexing. This course will teach the fundamentals of data structures and algorithms with a focus on data science applications. This specialization is targeted towards learners who are broadly interested in programming applications that process large amounts of data (expertise in data science is not required), and are familiar with the basics of programming in python. We will learn about various data structures including arrays, hash-tables, heaps, trees and graphs along with algorithms including sorting, searching, traversal and shortest path algorithms.

The courses in this specialization can be taken for academic credit as part of CU Boulder’s Master of Science in Data Science (MS-DS) degree offered on the Coursera platform. The MS-DS is an interdisciplinary degree that brings together faculty from CU Boulder’s departments of Applied Mathematics, Computer Science, Information Science, and others. With performance-based admissions and no application process, the MS-DS is ideal for individuals with a broad range of undergraduate education and/or professional experience in computer science, information science, mathematics, and statistics. Learn more about the MS-DS program at https://www.coursera.org/degrees/master-of-science-data-science-boulder.

Data Science Foundations: Data Structures and Algorithms

Часто задаваемые вопросы

Когда я получу доступ к лекциям и заданиям?
Доступ к лекциям и заданиям предоставляется в зависимости от типа регистрации. Если вы проходите курс в режиме слушателя, то получите бесплатный доступ к большинству материалов курса. Чтобы открыть оцениваемые задания и возможность получить сертификат, необходимо будет приобрести прохождение с сертификатом. Это можно сделать во время прохождения в режиме слушателя или после него. Если вы не видите варианта 'Режим слушателя'.
Курс может не предлагаться в режиме слушателя. Попробуйте бесплатную пробную версию или подайте заявку на финансовую помощь.
Курс предлагаться в режиме 'Полный курс, без сертификата'. В нем можно просматривать все материалы, выполнять обязательные задания и получить итоговую оценку. Приобрести дополнительно прохождение с сертификатом в таком случае нельзя.
Что я получу, оформив подписку на специализацию?
Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.
Можно ли получить финансовую помощь?
Да. В некоторых программах обучения вы можете подать заявку на получение финансовой помощи или стипендии, если не можете оплатить регистрационный взнос. Если для выбранной вами программы предлагается такая возможность, вы увидите ссылку для подачи заявки на странице описания.

Остались вопросы? Посетите Центр поддержки учащихся.

Dynamic Programming, Greedy Algorithms

Об этом курсе

Чему вы научитесь

Приобретаемые навыки