آموزش کار با الگوریتم های نمودار در پایتون

Working with Graph Algorithms in Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: این دوره بر چگونگی نشان دادن نمودار با استفاده از سه کلاس متداول الگوریتم های نمودار متمرکز است - مرتب سازی توپولوژیکی برای مرتب سازی رئوس بر اساس روابط تقدم ، الگوریتم کوتاه ترین مسیر و در آخر الگوریتم های درخت پوشا. همه را بزرگ کنید بررسی اجمالی دوره 1m 58s معرفی ساختار داده نمودار 49m 55s درک نوع توپولوژیک 19 متر 7 ثانیه کار با الگوریتم های کوتاه ترین مسیر 37 متر 43s کار با الگوریتم های Spanning Tree 25 متر 35s علائم تجاری و نام تجاری اشخاص ثالث ذکر شده در این دوره متعلق به صاحبان مربوطه می باشند و Pluralsight وابسته یا تأیید شده توسط این احزاب نیست.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

معرفی ساختار داده نمودار Introducing the Graph Data Structure

  • پیش نیازها و بررسی اجمالی دوره Pre-requisites and Course Overview

  • روابط مدل سازی با استفاده از نمودارها Modeling Relationships Using Graphs

  • نمودارهای مستقیم و غیرمستقیم Directed and Undirected Graphs

  • نمودارها ، درختان و جنگل های بدون جهت Undirected Graphs, Trees, and Forests

  • نمودارهای کارگردانی شده و روابط ترجیحی Directed Graphs and Precedence Relationships

  • ماتریس الحاق The Adjacency Matrix

  • نسخه ی نمایشی: نمایش یک نمودار به عنوان یک ماتریس الحاقی Demo: Representing a Graph as an Adjacency Matrix

  • Adjacency List و Adjacency Set The Adjacency List and the Adjacency Set

  • نسخه ی نمایشی: نمایش یک نمودار به عنوان یک مجموعه مجاورتی Demo: Representing a Graph as an Adjacency Set

  • مقایسه ساختار داده های نمودار Comparing Graph Data Structures

  • پیمایش نمودار اول و اول و عمق اول Breadth-first and Depth-first Graph Traversal

  • نسخه ی نمایشی: اجرای پیمایش اول-پهنای باند در پایتون Demo: Implementing Breadth-first Traversal in Python

  • نسخه ی نمایشی: پیاده سازی Depth-first Traversal در پایتون Demo: Implementing Depth-first Traversal in Python

درک نوع توپولوژیک Understanding Topological Sort

  • حفظ روابط اولویت با مرتبه توپولوژیک Maintaining Precedence Relationships with Topological Sort

  • نمایش وابستگی ها با نمودار حلقوی کارگردانی Representing Dependencies with the Directed Acyclic Graph

  • الگوریتم مرتب سازی توپولوژیک The Toplogical Sort Algorithm

  • درک نحوه مرتب سازی توپولوژیکی Understanding the Toplogical Sort Implementation

  • نسخه ی نمایشی: در حال اجرا مرتب سازی توپولوژی در پایتون Demo: Implementing Toplogical Sort in Python

کار با الگوریتم های کوتاه ترین مسیر Working with Shortest Path Algorithms

  • کوتاهترین مسیر بین دو گره چیست؟ What Is the Shortest Path Between Two Nodes?

  • نمودارهای بدون وزنه و وزنه Unweighted and Weighted Graphs

  • بازگشت به عقب با استفاده از جدول فاصله Backtracking Using the Distance Table

  • ساخت جدول فاصله Building the Distance Table

  • نسخه ی نمایشی: اجرای الگوریتم کوتاهترین مسیر بدون وزنه در پایتون Demo: Implementing the Unweighted Shortest Path Algorithm in Python

  • درک الگوریتم Dijkstra Understanding Dijkstra's Algorithm

  • ساخت جدول فاصله در الگوریتم Dijkstra Building the Distance Table in Dijkstra's Algorithm

  • نسخه ی نمایشی: پیاده سازی الگوریتم Dijkstra در پایتون Demo: Implementing Dijkstra's Algorithm in Python

کار با الگوریتم های Spanning Tree Working with Spanning Tree Algorithms

  • معرفی الگوریتم های Spanning Tree Introducing Spanning Tree Algorithms

  • درک حداقل درخت پوشا Understanding the Minimum Spanning Tree

  • درک الگوریتم Prim برای تولید حداقل درخت پوشا Understanding Prim's Algorithm to Generate a Minimum Spanning Tree

  • نسخه ی نمایشی: پیاده سازی الگوریتم Prim در پایتون Demo: Implementing Prim's Algorithm in Python

  • درک الگوریتم Kruskal برای تولید حداقل درخت پوشا Understanding Kruskal's Algorithm to Generate a Minimum Spanning Tree

  • نسخه ی نمایشی: پیاده سازی الگوریتم Kruskal در پایتون Demo: Implementing Kruskal's Algorithm in Python

نمایش نظرات

نظری ارسال نشده است.

آموزش کار با الگوریتم های نمودار در پایتون
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
2h 14m
33
Pluralsight (پلورال سایت) pluralsight-small
28 تیر 1396 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
63
4.8 از 5
دارد
دارد
دارد
Janani Ravi

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

Janani Ravi یک معمار و مهندس داده خبره Google cloud است.

جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.

Pluralsight (پلورال سایت)

Pluralsight یکی از پرطرفدارترین پلتفرم‌های آموزش آنلاین است که به میلیون‌ها کاربر در سراسر جهان کمک می‌کند تا مهارت‌های خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دوره‌های آموزشی در زمینه‌های فناوری اطلاعات، توسعه نرم‌افزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه می‌دهد.

یکی از ویژگی‌های برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعه‌دهندگان و کارشناسان معتبر، دوره‌هایی را ارائه می‌دهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژی‌ها نگه می‌دارد. این امر به کاربران این اطمینان را می‌دهد که دوره‌هایی که در Pluralsight می‌پذیرند، با جدیدترین دانش‌ها و تجارب به روز شده‌اند.