The primary topics in this part of the specialization are: shortest paths (Bellman-Ford, Floyd-Warshall, Johnson), NP-completeness and what it means for the algorithm designer, and strategies for coping with computationally intractable problems (analysis of heuristics, local search).
Este curso faz parte do Programa de cursos integrados Algoritmos
Shortest Paths Revisited, NP-Complete Problems and What To Do About Them
oferecido por
Informações sobre o curso
21,036 visualizações recentes
Habilidades que você terá
Data StructureAlgorithmsNp-CompletenessDynamic Programming
Programa - O que você aprenderá com este curso
Semana
13 horas para concluir
Week 1
The Bellman-Ford algorithm; all-pairs shortest paths.
14 vídeos (Total 151 mín.), 4 leituras, 2 testes
14 videos
Optimal Substructure10min
The Basic Algorithm I8min
The Basic Algorithm II10min
Detecting Negative Cycles9min
A Space Optimization12min
Internet Routing I [Optional]11min
Internet Routing II [Optional]6min
Problem Definition7min
Optimal Substructure12min
The Floyd-Warshall Algorithm13min
A Reweighting Technique14min
Johnson's Algorithm I11min
Johnson's Algorithm II11min
4 leituras
Week 1 Overview10min
Overview, Resources, and Policies10min
Lecture Slides10min
Optional Theory Problems (Week 1)10min
2 exercícios práticos
Problem Set #110min
Programming Assignment #12min
Semana
23 horas para concluir
Week 2
NP-complete problems and exact algorithms for them.
11 vídeos (Total 122 mín.), 2 leituras, 2 testes
11 videos
Reductions and Completeness13min
Definition and Interpretation of NP-Completeness I10min
Definition and Interpretation of NP-Completeness II7min
The P vs. NP Question9min
Algorithmic Approaches to NP-Complete Problems12min
The Vertex Cover Problem8min
Smarter Search for Vertex Cover I9min
Smarter Search for Vertex Cover II7min
The Traveling Salesman Problem14min
A Dynamic Programming Algorithm for TSP12min
2 leituras
Week 2 Overview10min
Optional Theory Problems (Week 2)10min
2 exercícios práticos
Problem Set #210min
Programming Assignment #22min
Semana
32 horas para concluir
Week 3
Approximation algorithms for NP-complete problems.
6 vídeos (Total 68 mín.), 1 leitura, 2 testes
6 videos
Analysis of a Greedy Knapsack Heuristic I7min
Analysis of a Greedy Knapsack Heuristic II9min
A Dynamic Programming Heuristic for Knapsack11min
Knapsack via Dynamic Programming, Revisited10min
Ananysis of Dynamic Programming Heuristic15min
1 leituras
Week 3 Overview10min
2 exercícios práticos
Problem Set #310min
Programming Assignment #32min
Semana
43 horas para concluir
Week 4
Local search algorithms for NP-complete problems; the wider world of algorithms.
11 vídeos (Total 124 mín.), 3 leituras, 3 testes
11 videos
The Maximum Cut Problem II9min
Principles of Local Search I8min
Principles of Local Search II10min
The 2-SAT Problem14min
Random Walks on a Line16min
Analysis of Papadimitriou's Algorithm14min
Stable Matching [Optional]15min
Matchings, Flows, and Braess's Paradox [Optional]13min
Linear Programming and Beyond [Optional]11min
Epilogue1min
3 leituras
Week 4 Overview10min
Optional Theory Problems (Week 4)10min
Info and FAQ for final exam10min
3 exercícios práticos
Problem Set #410min
Programming Assignment #42min
Final Exam20min
62%
comecei uma nova carreira após concluir estes cursos
58%
consegui um benefício significativo de carreira com este curso
17%
recebi um aumento ou promoção
Principais avaliações do Shortest Paths Revisited, NP-Complete Problems and What To Do About Them
This challenging course improves understanding of algorithms and is intellectually stimulating. I learnt the theory behind algorithms and how they are applied to solve real world problems.
This is the most challenging course in this specialization. Assignments as well as test questions require good amount of thinking.\n\nOne of the best courses I did on Coursera.
Instrutores
Tim Roughgarden
ProfessorComputer Science
Sobre Universidade de Stanford
The Leland Stanford Junior University, commonly referred to as Stanford University or Stanford, is an American private research university located in Stanford, California on an 8,180-acre (3,310 ha) campus near Palo Alto, California, United States.
Sobre Programa de cursos integrados Algoritmos
Algorithms are the heart of computer science, and the subject has countless practical applications as well as intellectual depth. This specialization is an introduction to algorithms for learners with at least a little programming experience. The specialization is rigorous but emphasizes the big picture and conceptual understanding over low-level implementation and mathematical details. After completing this specialization, you will be well-positioned to ace your technical interviews and speak fluently about algorithms with other programmers and computer scientists.
About the instructor: Tim Roughgarden has been a professor in the Computer Science Department at Stanford University since 2004. He has taught and published extensively on the subject of algorithms and their applications.
Perguntas Frequentes – FAQ
Quando terei acesso às palestras e às tarefas?
Ao se inscrever para um Certificado, você terá acesso a todos os vídeos, testes e tarefas de programação (se aplicável). Tarefas avaliadas pelos colegas apenas podem ser enviadas e avaliadas após o início da sessão. Caso escolha explorar o curso sem adquiri-lo, talvez você não consiga acessar certas tarefas.
O que recebo ao me inscrever nesta Especialização?
Quando você se inscreve no curso, tem acesso a todos os cursos na Especialização e pode obter um certificado quando concluir o trabalho. Seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.
Qual é a política de reembolso?
Existe algum auxílio financeiro disponível?
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
O Coursera proporciona acesso universal à melhor educação do mundo fazendo parcerias com as melhores universidades e organizações para oferecer cursos on-line.
© 2019 Coursera Inc. Todos os direitos reservados.
