دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Kent D. Lee, Steve Hubbard سری: ISBN (شابک) : 9783319130729, 3319130722 ناشر: Springer سال نشر: 2015 تعداد صفحات: 369 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 12 مگابایت
در صورت تبدیل فایل کتاب Data Structures and Algorithms with Python به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب ساختار داده ها و الگوریتم ها با پایتون نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب درسی مفاهیم و تکنیک های مورد نیاز برای نوشتن برنامه هایی را توضیح می دهد که می توانند حجم زیادی از داده ها را به طور موثر مدیریت کنند. این کتاب پروژه محور و تست شده در کلاس درس، تعدادی از الگوریتم های مهم را ارائه می دهد که با مثال هایی پشتیبانی می شوند که به مشکلاتی که برنامه نویسان کامپیوتر با آن مواجه هستند معنا می بخشد. ایده پیچیدگی محاسباتی نیز معرفی شده است و نشان می دهد که چه چیزی را می توان و چه چیزی را نمی توان به طور موثر محاسبه کرد تا برنامه نویس بتواند در مورد الگوریتم هایی که استفاده می کند قضاوت آگاهانه داشته باشد. ویژگی ها: شامل ساختارهای داده مقدماتی و پیشرفته و مباحث الگوریتم، با توالی فصل های پیشنهادی برای دوره های مربوطه ارائه شده در مقدمه. اهداف یادگیری، بررسی سوالات و تمرین های برنامه نویسی را در هر فصل، و همچنین مثال های توضیحی متعددی ارائه می دهد. برنامههای دانلودی و فایلهای تکمیلی را در یک وبسایت مرتبط ارائه میدهد، با مواد آموزشی موجود از نویسنده. یک پرایمر در پایتون برای کسانی که دارای پیشینه زبانی متفاوت هستند ارائه می دهد.
This textbook explains the concepts and techniques required to write programs that can handle large amounts of data efficiently. Project-oriented and classroom-tested, the book presents a number of important algorithms supported by examples that bring meaning to the problems faced by computer programmers. The idea of computational complexity is also introduced, demonstrating what can and cannot be computed efficiently so that the programmer can make informed judgements about the algorithms they use. Features: includes both introductory and advanced data structures and algorithms topics, with suggested chapter sequences for those respective courses provided in the preface; provides learning goals, review questions and programming exercises in each chapter, as well as numerous illustrative examples; offers downloadable programs and supplementary files at an associated website, with instructor materials available from the author; presents a primer on Python for those from a different language background.