Ce cours fait partie de la Spécialisation Data Science Foundations: Data Structures and Algorithms

4.5
étoiles
46 évaluations

Sriram Sankaranarayanan

7 206 déjà inscrits

Offert par

Vous souhaitez obtenir des crédits pour un diplôme ? Découvrez comment

Vous pouvez obtenir des crédits de Université du Colorado à Boulder, qui comptent pour le diplôme Master of Science in Data Science

Spécialisation Data Science Foundations: Data Structures and AlgorithmsUniversité du Colorado à Boulder

À propos de ce cours

25 880 consultations récentes

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.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 3 sur 3 dans le

Spécialisation Data Science Foundations: Data Structures and Algorithms

Niveau avancé

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

Approx. 38 heures pour terminer

Anglais

Ce que vous allez apprendre

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

Compétences que vous acquerrez

Analysis of Algorithms
Algorithm Design
Python Programming
Data Structure Design
Intractability

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 3 sur 3 dans le

Spécialisation Data Science Foundations: Data Structures and Algorithms

Niveau avancé

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

Approx. 38 heures pour terminer

Anglais

Enseignant

Évaluation de l'enseignant

4,76/5 (18 évaluations)

Sriram Sankaranarayanan

Professor

Department of Computer Science

25 271 étudiants

3 cours

Offert par

Université du Colorado à Boulder

Commencez à travailler pour votre diplôme

Ce cours fait partie d’un programme diplômant en ligne proposé par Université du Colorado à Boulder. Lorsque vous vous inscrivez à un cours non diplômant pour obtenir des crédits par l’intermédiaire de l’université et que vous terminez ce cours en ligne, il compte comme des heures de crédit en vue d’un diplôme à CU-Boulder. Il vous suffit de candidater par le biais de l’université.

Master of Science in Data Science

Université du Colorado à Boulder

S’inscrire pour obtenir des crédits

Programme de cours : ce que vous apprendrez dans ce cours

Semaine

Semaine 1

11 heures pour terminer

Divide and Conquer Algorithms

11 heures pour terminer

9 vidéos (Total 231 min), 11 lectures, 6 quiz

9 vidéos

What Are Divide and Conquer Algorithms?7 min

Max Subarray Problem Using Divide and Conquer23 min

Karatsuba’s Multiplication Algorithm39 min

Master Method Revisited28 min

FFT Part 1: Introduction and Complex Numbers48 min

FFT Part 2: Definition and Interpretation of Discrete Fourier Transforms34 min

FFT Part 3: Divide and Conquer Algorithm for FFT22 min

Application # 1 : Fast Polynomial Multiplication using FFT 8 min

Application # 2: Data Analysis using FFT17 min

11 lectures

Welcome and Where to Find Help10 min

Reading: Important Prerequisites10 min

Logistics: Textbook and Readings10 min

Overview of Module 110 min

CLRS Chapter 410 min

CLRS Chapter 4.110 min

Jupyter Notebook on Karatsuba's Algorithm10 min

CLRS Chapters 4.3 - 4.510 min

Basics of Complex Numbers10 min

Fourier Transforms10 min

Fast Fourier Transform10 min

5 exercices pour s'entraîner

Max Subarray Problem30 min

Karatsuba's Multiplication Algorithm30 min

Master Method30 min

Complex Numbers and Roots of Unity30 min

FFT Algorithm and Applications30 min

Semaine

Semaine 2

9 heures pour terminer

Dynamic Programming Algorithms

9 heures pour terminer

6 vidéos (Total 131 min), 6 lectures, 6 quiz

6 vidéos

Introduction to Dynamic Programming + Rod Cutting Problem30 min

Rod Cutting Problem: Memoization23 min

Coin Changing Problem12 min

Knapsack Problem29 min

When Optimal Substructure Fails10 min

Dynamic Programming: Longest Common Subsequence25 min

6 lectures

Overview of Module 210 min

Rod Cutting Problem10 min

Memoization 10 min

Coin Changing Problem10 min

Jupyter Notebook10 min

CLRS Chapter 15.410 min

5 exercices pour s'entraîner

Rod Cutting Problem and Recurrence30 min

Memoization 30 min

Coinchanging Problem30 min

Knapsack Problem30 min

Longest Common Subsequence30 min

Semaine

Semaine 3

7 heures pour terminer

Greedy Algorithms

7 heures pour terminer

5 vidéos (Total 102 min), 4 lectures, 4 quiz

Semaine

Semaine 4

11 heures pour terminer

Intractability and Supplement on Quantum Computing

11 heures pour terminer

9 vidéos (Total 288 min), 5 lectures, 5 quiz

9 vidéos

Decision Problems and Languages36 min

Polynomial Time Problems28 min

NP Definition29 min

NP Completeness and Reductions37 min

NP Complete Problems: Examples24 min

Computation and Physics30 min

Qubits and Operations37 min

Bell's Inequality21 min

Grover's Search Algorithm42 min

5 lectures

Overview of Module 410 min

CLRS Chapter 34 10 min

CLRS chapter 34.110 min

CLRS Chapter 34.2 and 34.310 min

CLRS Chapter 34.510 min

4 exercices pour s'entraîner

Decision Problems and Languages30 min

Polynomial Time and Certificates30 min

NP Completeness Reductions30 min

NP Completeness Problems30 min

Avis

4.5

13 avis

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

Meilleurs avis pour DYNAMIC PROGRAMMING, GREEDY ALGORITHMS

par CS6 déc. 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.

par DM20 sept. 2021

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

par YS22 juil. 2022

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

par AM18 sept. 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).

Voir tous les avis

À propos du Spécialisation 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

Foire Aux Questions

Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Une aide financière est-elle possible ?
Oui. Dans certains programmes d’apprentissage, vous pouvez demander une aide financière ou une bourse d’études si vous ne pouvez pas payer les frais d’inscription. Si une aide financière ou une bourse d’études est disponible pour le programme d’apprentissage choisi, vous trouverez un lien pour faire une demande sur la page de description.

D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.

Dynamic Programming, Greedy Algorithms

À propos de ce cours

Ce que vous allez apprendre

Compétences que vous acquerrez