Este curso forma parte de Programa especializado: Data Science Foundations: Data Structures and Algorithms

4.4
estrellas
48 calificaciones

Sriram Sankaranarayanan

7771 ya inscrito

Ofrecido Por

Parte del título de grado Master of Science in Data Science
Más información

Programa especializado: Data Science Foundations: Data Structures and AlgorithmsUniversidad de Colorado en Boulder

Acerca de este Curso

31.303 vistas recientes

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.

Fechas límite flexibles

Restablece las fechas límite en función de tus horarios.

Certificado para compartir

Obtén un certificado al finalizar

100 % en línea

Comienza de inmediato y aprende a tu propio ritmo.

Curso 3 de 3 en

Programa especializado: Data Science Foundations: Data Structures and Algorithms

Nivel avanzado

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

Aprox. 37 horas para completar

Inglés (English)

Qué aprenderás

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 obtendrás

Analysis of Algorithms
Algorithm Design
Python Programming
Data Structure Design
Intractability

Fechas límite flexibles

Restablece las fechas límite en función de tus horarios.

Certificado para compartir

Obtén un certificado al finalizar

100 % en línea

Comienza de inmediato y aprende a tu propio ritmo.

Curso 3 de 3 en

Programa especializado: Data Science Foundations: Data Structures and Algorithms

Nivel avanzado

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

Aprox. 37 horas para completar

Inglés (English)

Instructor

Calificación del instructor

4,57/5 (20 calificaciones)

Sriram Sankaranarayanan

Professor

Department of Computer Science

27.289 alumnos

3 cursos

Ofrecido por

Universidad de Colorado en Boulder

Comienza a trabajar para obtener tu maestría

Este curso es parte de Master of Science in Data Science completamente en línea de Universidad de Colorado en Boulder. Si te aceptan en el programa completo, tus cursos cuentan para tu título de grado.

Más información

Programa - Qué aprenderás en este curso

Semana1

Semana 1

11 horas para completar

Divide and Conquer Algorithms

11 horas para completar

9 videos (Total 231 minutos), 11 lecturas, 6 cuestionarios

9 videos

What Are Divide and Conquer Algorithms?7mMax Subarray Problem Using Divide and Conquer23mKaratsuba’s Multiplication Algorithm39m Master Method Revisited28mFFT Part 1: Introduction and Complex Numbers48mFFT Part 2: Definition and Interpretation of Discrete Fourier Transforms34mFFT Part 3: Divide and Conquer Algorithm for FFT22mApplication # 1 : Fast Polynomial Multiplication using FFT 8mApplication # 2: Data Analysis using FFT17m

11 lecturas

Welcome and Where to Find Help 10mReading: Important Prerequisites10mLogistics: Textbook and Readings10mOverview of Module 110mCLRS Chapter 410mCLRS Chapter 4.110mJupyter Notebook on Karatsuba's Algorithm10mCLRS Chapters 4.3 - 4.510mBasics of Complex Numbers10mFourier Transforms10mFast Fourier Transform10m

5 ejercicios de práctica

Max Subarray Problem30mKaratsuba's Multiplication Algorithm30mMaster Method30mComplex Numbers and Roots of Unity30mFFT Algorithm and Applications30m

Semana2

Semana 2

9 horas para completar

Dynamic Programming Algorithms

9 horas para completar

6 videos (Total 131 minutos), 6 lecturas, 6 cuestionarios

6 videos

Introduction to Dynamic Programming + Rod Cutting Problem30mRod Cutting Problem: Memoization23mCoin Changing Problem12mKnapsack Problem29mWhen Optimal Substructure Fails10mDynamic Programming: Longest Common Subsequence25m

6 lecturas

Overview of Module 210mRod Cutting Problem10mMemoization 10mCoin Changing Problem10mJupyter Notebook10mCLRS Chapter 15.410m

5 ejercicios de práctica

Rod Cutting Problem and Recurrence30mMemoization 30mCoinchanging Problem30mKnapsack Problem30mLongest Common Subsequence30m

Semana3

Semana 3

7 horas para completar

Greedy Algorithms

7 horas para completar

5 videos (Total 102 minutos), 4 lecturas, 4 cuestionarios

Semana4

Semana 4

11 horas para completar

Intractability and Supplement on Quantum Computing

11 horas para completar

9 videos (Total 288 minutos), 5 lecturas, 5 cuestionarios

9 videos

Decision Problems and Languages36mPolynomial Time Problems28mNP Definition29mNP Completeness and Reductions37mNP Complete Problems: Examples24mComputation and Physics30mQubits and Operations37mBell's Inequality21mGrover's Search Algorithm42m

5 lecturas

Overview of Module 410mCLRS Chapter 34 10mCLRS chapter 34.110mCLRS Chapter 34.2 and 34.310mCLRS Chapter 34.510m

4 ejercicios de práctica

Decision Problems and Languages30mPolynomial Time and Certificates30mNP Completeness Reductions30mNP Completeness Problems30m

Reseñas

4.4

14 reseña

5 stars
71,42 %
4 stars
16,32 %
3 stars
2,04 %
2 stars
2,04 %
1 star
8,16 %

Principales reseñas sobre DYNAMIC PROGRAMMING, GREEDY ALGORITHMS

por DM20 de sep. de 2021

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

por CS6 de dic. 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.

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 AM18 de sep. 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).

Ver todas las reseñas

Acerca de Programa especializado: 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

Preguntas Frecuentes

¿Cuándo podré acceder a las lecciones y tareas?
El acceso a las clases y las asignaciones depende del tipo de inscripción que tengas. Si tomas un curso en modo de oyente, verás la mayoría de los materiales del curso en forma gratuita. Para acceder a asignaciones calificadas y obtener un certificado, deberás comprar la experiencia de Certificado, ya sea durante o después de participar como oyente. Si no ves la opción de oyente:
es posible que el curso no ofrezca la opción de participar como oyente. En cambio, puedes intentar con una Prueba gratis o postularte para recibir ayuda económica.
Es posible que el curso ofrezca la opción 'Curso completo, sin certificado'. Esta opción te permite ver todos los materiales del curso, enviar las evaluaciones requeridas y obtener una calificación final. También significa que no podrás comprar una experiencia de Certificado.
¿Qué recibiré si me suscribo a este Programa especializado?
Cuando te inscribes en un curso, obtienes acceso a todos los cursos que forman parte del Programa especializado y te darán un Certificado cuando completes el trabajo. Se añadirá tu Certificado electrónico a la página Logros. Desde allí, puedes imprimir tu Certificado o añadirlo a tu perfil de LinkedIn. Si solo quieres leer y visualizar el contenido del curso, puedes auditar el curso sin costo.
¿Hay ayuda económica disponible?
Sí. En ciertos programas de aprendizaje, puedes postularte para recibir ayuda económica o una beca en caso de no poder costear los gastos de la tarifa de inscripción. Si hay ayuda económica o becas disponibles para tu selección de programa de aprendizaje, verás un enlace para postularte en la página de descripción.

¿Tienes más preguntas? Visita el Centro de Ayuda al Estudiante.

Dynamic Programming, Greedy Algorithms

Acerca de este Curso

Qué aprenderás

Habilidades que obtendrás