تخصص الگوریتم های ساختار و داده

تسلط بر روشهای برنامه نویسی الگوریتمی. با یادگیری الگوریتم ها از طریق برنامه نویسی و حل پازل ، مهندسی نرم افزار یا حرفه علوم داده خود را پیش ببرید. مصاحبه های برنامه نویسی ACE با اجرای هر چالش الگوریتمی در این تخصص. تکنیک های الگوریتمی تازه آموخته شده را برای مشکلات زندگی واقعی اعمال کنید ، چنین تجزیه و تحلیل یک شبکه اجتماعی عظیم یا توالی یک پاتوژن کشنده.

ستاره پر شده

نیمی از ستاره محو شده

ستاره ها ارزیابی ها: 12. 803

نیل رودز و 5 معلم دیگر

کمک تجاری در دسترس است

306 033 قبلاً ثبت شده است

تخصص الگوریتم ساختار و داده ها دانشگاه کالیفرنیا در سن دیگو

چه چیزی یاد می گیرید

با 50 معمای الگوریتمی در تلفن هوشمند بازی کنید تا شهود الگوریتمی توسعه یابد! تکنیک های الگوریتمی (الگوریتم های حریص ، جستجوی باینری ، برنامه نویسی پویا و غیره) و پشته های داده (پشته ها ، صف ها ، درختان ، نمودارها و غیره) را اعمال کنید تا 100 چالش برنامه نویسی G را که در مصاحبه های شرکت های پیشرفته ظاهر می شود ، حل کنید. دریافت یک بازخورد فوری در مورد راه حل Coer درست است.

الگوریتم های تازه آموخته شده را برای حل چالش های دنیای واقعی اعمال کنید: پیمایش در یک شبکه بزرگ یا مونتاژ ژنوم یک پاتوژن کشنده از هزاره DNA I TS.

دقیقاً همان مطالب دانشجویان مقطع کارشناسی را در "الگوریتم های 101" در دانشگاه های برتر و موارد دیگر بیاموزید! ما هیجان زده هستیم که دانش آموزان مناطق مختلف جهان Ares اکنون در حال مطالعه 101 کلاس در دانشگاه های خود در دانشگاه های خود هستند. در اینجا نقل قول از وب سایت استاد Sauleh Eetemadi از دانشگاه علوم و فناوری ایران: "بررسی برنامه درسی و مطالب درسی از دانشگاه های برتر که استنفورد ، پرینستون و MIT را انتخاب کرده ایم تا ساختار داده ها و الگوریتم های تخصص را از UCSD دنبال کنیم. به دلیل مطالب عالی درسی و رویکرد عملی آن. "

اگر تصمیم دارید الگوریتم های Beond 101 را سرمایه گذاری کنید ، سعی کنید چالش های برنامه نویسی پیچیده تری را حل کنید (جریان در شبکه ها ، برنامه نویسی خطی ، الگوریتم های جریان و غیره) یک دوره تحصیلات تکمیلی در الگوریتم ها!

مهارت های اکتسابی

• اشکال زدایی
• تست نرم افزار
• الگوریتم
• ساختار داده ها
• برنامه نویسی کامپیوتر
• برنامه نویسی پویا
• درخت جستجوی دودویی
• صف اولویت
• میز هش
• پشته (نوع داده انتزاعی)
• لیست
• نظریه نمودار

تخصص: اطلاعات عمومی

اخیراً مشاهده شده است: 68 618

دونالد نات ، افسانه علوم کامپیوتر گفت: "من چیزهایی را نمی فهمم مگر اینکه سعی کنم آنها را برنامه ریزی کنم."ما همچنین معتقدیم که بهترین راه برای یادگیری یک الگوریتم ، برنامه ریزی آن است. با این حال ، بسیاری از کتاب های عالی و دوره های آنلاین در مورد الگوریتم ها ، که در معرفی ایده های الگوریتمی برتری دارند ، هنوز موفق به آموزش نحوه اجرای الگوریتم ها ، مهارت مهم علوم رایانه ای که باید در مصاحبه شغلی بعدی خود تسلط داشته باشید ، موفق نشده اند. ما سعی کردیم با تشکیل تیم متنوعی از مربیان که شامل کارشناسان پیشرو در الگوریتم های نظری و کاربردی در UCSD (دانیل کین ، الکساندر کولیکوف و پاول پوزنر) و مهندس نرم افزار سابق در گوگل (نیل رودز) این شکاف را پر کردیم. این ترکیب منحصر به فرد از مهارت ها باعث می شود این تخصص متفاوت از سایر MOOC های عالی بر روی الگوریتم هایی باشد که همگی توسط دانشمندان نظری رایانه ساخته شده اند. در حالی که این MOOC ها بر تئوری تمرکز می کنند ، تخصص ما ترکیبی از تئوری/تمرین الگوریتمی/برنامه ها با مهندسی نرم افزار است. شما با اجرای نزدیک به 100 مشکل برنامه نویسی به زبان برنامه نویسی مورد نظر خود ، الگوریتم ها را یاد خواهید گرفت. به بهترین دانش ، هیچ دوره آنلاین دیگر در الگوریتم ها نزدیک به ارائه تعداد زیادی از چالش های برنامه نویسی (و معماها!) که ممکن است در مصاحبه شغلی بعدی خود با آن روبرو شوید ، نزدیک نیست. ما بیش از 3000 ساعت سرمایه گذاری کردیم تا چالش های خود را به عنوان جایگزینی برای سؤالات چند گزینه ای که معمولاً در MOOC پیدا می کنید ، طراحی کنیم.

проект прикلانی

تخصص شامل دو پروژه در دنیای واقعی است: شبکه های بزرگ و مونتاژ ژنوم. شما هم شبکه های جاده ای و هم شبکه های اجتماعی را تجزیه و تحلیل خواهید کرد و یاد می گیرید که چگونه می توانید کوتاهترین مسیر بین نیویورک و سانفرانسیسکو را 1000 بار سریعتر از کوتاهترین الگوریتم های مسیری که در دوره الگوریتم های استاندارد می آموزید ، محاسبه کنید! پس از آن ، شما یاد خواهید گرفت که چگونه ژنوم را از میلیون ها قطعه کوتاه DNA و چگونگی الگوریتم های مونتاژ به پیشرفت های اخیر در پزشکی شخصی تبدیل کنید.