Este curso faz parte do Programa de cursos integrados Data Science Foundations: Data Structures and Algorithms

4.5
estrelas
46 classificações

Sriram Sankaranarayanan

7.191 já se inscreveram

oferecido por

Quer obter crédito para um diploma? Descubra como

Você pode obter créditos de Universidade do Colorado em Boulder que contam para ganhar Master of Science in Data Science

Programa de cursos integrados Data Science Foundations: Data Structures and AlgorithmsUniversidade do Colorado em Boulder

Informações sobre o curso

25.080 visualizações recentes

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.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Laboratórios Coursera

Inclui projetos práticos de aprendizado.

Saiba mais sobre o Laboratórios Coursera

Curso 3 de 3 no

Programa de cursos integrados Data Science Foundations: Data Structures and Algorithms

Nível avançado

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

Aprox. 38 horas para completar

Inglês

O que você vai aprender

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

Habilidades que você terá

Analysis of Algorithms
Algorithm Design
Python Programming
Data Structure Design
Intractability

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Laboratórios Coursera

Inclui projetos práticos de aprendizado.

Saiba mais sobre o Laboratórios Coursera

Curso 3 de 3 no

Programa de cursos integrados Data Science Foundations: Data Structures and Algorithms

Nível avançado

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

Aprox. 38 horas para completar

Inglês

Instrutores

Classificação do instrutor

4,76/5 (18 classificações)

Sriram Sankaranarayanan

Professor

Department of Computer Science

25.202 aprendizes

3 Cursos

oferecido por

Universidade do Colorado em Boulder

Comece a trabalhar para obter o seu diploma

Este curso é parte de um programa de graduação on-line oferecido por Universidade do Colorado em Boulder. Quando você se inscreve através de uma universidade em um curso sem diploma, mas que conta com créditos e o completa on-line, ele conta como horas complementares na graduação da CU-Boulder. Você só precisa se inscrever pela universidade.

Master of Science in Data Science

Universidade do Colorado em Boulder

Inscreva-se para receber créditos

Programa - O que você aprenderá com este curso

Semana

Semana 1

11 horas para concluir

Divide and Conquer Algorithms

11 horas para concluir

9 vídeos (Total 231 mín.), 11 leituras, 6 testes

9 videos

What Are Divide and Conquer Algorithms?7min

Max Subarray Problem Using Divide and Conquer23min

Karatsuba’s Multiplication Algorithm39min

Master Method Revisited28min

FFT Part 1: Introduction and Complex Numbers48min

FFT Part 2: Definition and Interpretation of Discrete Fourier Transforms34min

FFT Part 3: Divide and Conquer Algorithm for FFT22min

Application # 1 : Fast Polynomial Multiplication using FFT 8min

Application # 2: Data Analysis using FFT17min

11 leituras

Welcome and Where to Find Help10min

Reading: Important Prerequisites10min

Logistics: Textbook and Readings10min

Overview of Module 110min

CLRS Chapter 410min

CLRS Chapter 4.110min

Jupyter Notebook on Karatsuba's Algorithm10min

CLRS Chapters 4.3 - 4.510min

Basics of Complex Numbers10min

Fourier Transforms10min

Fast Fourier Transform10min

5 exercícios práticos

Max Subarray Problem30min

Karatsuba's Multiplication Algorithm30min

Master Method30min

Complex Numbers and Roots of Unity30min

FFT Algorithm and Applications30min

Semana

Semana 2

9 horas para concluir

Dynamic Programming Algorithms

9 horas para concluir

6 vídeos (Total 131 mín.), 6 leituras, 6 testes

6 videos

Introduction to Dynamic Programming + Rod Cutting Problem30min

Rod Cutting Problem: Memoization23min

Coin Changing Problem12min

Knapsack Problem29min

When Optimal Substructure Fails10min

Dynamic Programming: Longest Common Subsequence25min

6 leituras

Overview of Module 210min

Rod Cutting Problem10min

Memoization 10min

Coin Changing Problem10min

Jupyter Notebook10min

CLRS Chapter 15.410min

5 exercícios práticos

Rod Cutting Problem and Recurrence30min

Memoization 30min

Coinchanging Problem30min

Knapsack Problem30min

Longest Common Subsequence30min

Semana

Semana 3

7 horas para concluir

Greedy Algorithms

7 horas para concluir

5 vídeos (Total 102 mín.), 4 leituras, 4 testes

Semana

Semana 4

11 horas para concluir

Intractability and Supplement on Quantum Computing

11 horas para concluir

9 vídeos (Total 288 mín.), 5 leituras, 5 testes

9 videos

Decision Problems and Languages36min

Polynomial Time Problems28min

NP Definition29min

NP Completeness and Reductions37min

NP Complete Problems: Examples24min

Computation and Physics30min

Qubits and Operations37min

Bell's Inequality21min

Grover's Search Algorithm42min

5 leituras

Overview of Module 410min

CLRS Chapter 34 10min

CLRS chapter 34.110min

CLRS Chapter 34.2 and 34.310min

CLRS Chapter 34.510min

4 exercícios práticos

Decision Problems and Languages30min

Polynomial Time and Certificates30min

NP Completeness Reductions30min

NP Completeness Problems30min

Avaliações

4.5

13 avaliações

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

Principais avaliações do DYNAMIC PROGRAMMING, GREEDY ALGORITHMS

por DM20 de set de 2021

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

por AM18 de set de 2022

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

por YS22 de jul de 2022

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

por CS6 de dez de 2022

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.

Visualizar todas as avaliações

Sobre Programa de cursos integrados Data Science Foundations: Data Structures and Algorithms

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

Perguntas Frequentes – FAQ

Quando terei acesso às palestras e às tarefas?
O acesso a palestras e tarefas depende do tipo de inscrição. Se você participar de um curso como ouvinte, você poderá ver quase todo o conteúdo do curso gratuitamente. Para acessar tarefas valendo nota e obter um Certificado, você precisará adquirir a experiência do Certificado, durante ou após a participação como ouvinte. Se você não vir a opção de participar como ouvinte:
o curso pode não oferecer essa opção. Você pode experimentar um teste gratuito ou solicitar o auxílio financeiro.
Em vez disso, o curso pode oferecer 'Curso completo, sem Certificado'. Com esta opção, é possível ver todo o conteúdo do curso, enviar as avaliações necessárias e obter uma nota final. Isso também significa que você não poderá comprar uma experiência de Certificado.
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.
Existe algum auxílio financeiro disponível?
Sim. Em programas de aprendizado selecionados, você pode solicitar auxílio financeiro ou uma bolsa de estudos caso não consiga pagar a taxa de inscrição. Se o auxílio financeiro ou bolsa de estudos estiver disponível para a seleção do seu programa de aprendizado, você encontrará um link para se inscrever na página de descrição.

Mais dúvidas? Visite o Central de Ajuda ao estudante.

Dynamic Programming, Greedy Algorithms

Informações sobre o curso

O que você vai aprender

Habilidades que você terá