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: Undergraduate Topics in Computer Science ISBN (شابک) : 3319130714, 9783319130712 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: 13 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 های 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، مرور سوالات و تمرین های برنامه نویسی را در هر فصل و همچنین مثال های گویا متعددی ارائه می دهد. برنامه های قابل دانلود و فایل های تکمیلی را در یک وب سایت مرتبط با مطالب آموزشی موجود از نویسنده ارائه می دهد. 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.
Front Matter....Pages i-xv
Python Programming 101....Pages 1-40
Computational Complexity....Pages 41-65
Recursion....Pages 67-90
Sequences....Pages 91-138
Sets and Maps....Pages 139-161
Trees....Pages 163-183
Graphs....Pages 185-204
Membership Structures....Pages 205-214
Heaps....Pages 215-236
Balanced Binary Search Trees....Pages 237-260
B-Trees....Pages 261-280
Heuristic Search....Pages 281-297
Appendix A: Integer Operators....Pages 299-299
Appendix B: Float Operators....Pages 301-301
Appendix C: String Operators and Methods....Pages 303-306
Appendix D: List Operators and Methods....Pages 307-308
Appendix E: Dictionary Operators and Methods....Pages 309-310
Appendix F: Turtle Methods....Pages 311-321
Appendix G: TurtleScreen Methods....Pages 323-330
Appendix H: Complete Programs....Pages 331-357
Back Matter....Pages 359-363