پیشنهاد فرادرس

دوره طراحی و تحلیل الگوریتم دانشگاه Stanford

دسته بندی ها: الگوریتم و فلوچارت ، دانشگاه استنفورد (Stanford)

stanford-university-algorithms-design-and-analysis-part1-and-part2

در این دوره شما چندين اصل اساسی طراحی الگوریتم پیشرفته شامل: الگوريتم حريص و برنامه هاي كاربردي، برنامه نويسي پويا و كاربرد آن، NP-completeness و معناي آن براي طراح الگوريتم، طراحی و تجزیه و تحلیل اکتشافی  را مي آموزيد.

این دوره آموزشی در دانشگاه Stanford برگزار شده است و قسمت اول و دوم آن را می توانید از مرجع تخصصی برنامه نویسی دانلود کنید.

ليست سرفصل هاي اين دوره:

  • هفته اول و دوم: الگوي طراحی الگوریتم حریص ، برنامه هاي كاربردي براي بهينه سازي ذخيره سازي و  زمانبندي ، مينيمم درختان پوشا و برنامه هايي براي clustering ، فشرده سازي بهينه داده ها
  • هفته سوم و چهارم: الگوی طراحی برنامه نویسی پویا، برنامه های کاربردی براي مشکل کوله پشتي ، توالی ، کوتاه ترین مسیردر مسیر یابی و درختان جستجوي بهینه
  • هفته پنجم و ششم:  NP-completeness   و P در برابر سوالات NP ، جستجوي محلي، الگوريتم نمايي

 

عنوان دوره: Stanford University Algorithms Design and Analysis Part1 and Part2

نويسنده: Tim Roughgarden

مدت زمان: 6 هفته ( هر هفته 6- 10 ساعت)

Algorithms: Design and Analysis, Part 2
In this course you will learn several fundamental principles of advanced algorithm design: greedy algorithms and applications; dynamic programming and applications; NP-completeness and what it means for the algorithm designer; the design and analysis of heuristics; and more.

Author: Tim Roughgarden Duration: 6 weeks of study (6-10 hours/week)

About the Course In this course you will learn several fundamental principles of advanced algorithm design. You'll learn the greedy algorithm design paradigm, with applications to computing good network backbones (i.e., spanning trees) and good codes for data compression. You'll learn the tricky yet widely applicable dynamic programming algorithm design paradigm, with applications to routing in the Internet and sequencing genome fragments. You’ll learn what NP-completeness and the famous “P vs. NP” problem mean for the algorithm designer. Finally, we’ll study several strategies for dealing with hard (i.e., NP-complete problems), including the design and analysis of heuristics. Learn how shortest-path algorithms from the 1950s (i.e., pre-ARPANET!) govern the way that your Internet traffic gets routed today; why efficient algorithms are fundamental to modern genomics; and how to make a million bucks in prize money by “just” solving a math problem!

Course Syllabus Weeks 1 and 2: The greedy algorithm design paradigm. Applications to optimal caching and scheduling. Minimum spanning trees and applications to clustering. The union-find data structure. Optimal data compression. Weeks 3 and 4: The dynamic programming design paradigm. Applications to the knapsack problem, sequence alignment, shortest-path routing, and optimal search trees. Weeks 5 and 6: Intractable problems and what to do about them. NP-completeness and the P vs. NP question. Solvable special cases. Heuristics with provable performance guarantees. Local search. Exponential-time algorithms that beat brute-force search.

حجم فايل: 2.1GB

آیا این نوشته را دوست داشتید؟
Stanford University Algorithms Design and Analysis Part1 and Part2

پیشنهاد فرادرس

محمود در 1394/05/10 ساعت 11:49

سلام
بسیار تشکر می کنم. آیا باقی بخش ها را برای دانلود قرار می دهید؟