ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Learning Algorithms: A Programmer's Guide to Writing Better Code

دانلود کتاب الگوریتم های یادگیری: راهنمای برنامه نویس برای نوشتن کد بهتر

Learning Algorithms: A Programmer's Guide to Writing Better Code

مشخصات کتاب

Learning Algorithms: A Programmer's Guide to Writing Better Code

ویرایش: [1 ed.] 
نویسندگان:   
سری:  
ISBN (شابک) : 1492091065, 9781492091066 
ناشر: O'Reilly Media 
سال نشر: 2021 
تعداد صفحات: 280
[281] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 11 Mb 

قیمت کتاب (تومان) : 41,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 1


در صورت تبدیل فایل کتاب Learning Algorithms: A Programmer's Guide to Writing Better Code 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 الگوریتم های یادگیری: راهنمای برنامه نویس برای نوشتن کد بهتر 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.


توضیحاتی در مورد کتاب الگوریتم های یادگیری: راهنمای برنامه نویس برای نوشتن کد بهتر

وقتی نوبت به نوشتن کد کارآمد می رسد، هر حرفه ای نرم افزار باید دانش کارآمدی از الگوریتم ها داشته باشد. در این کتاب عملی، نویسنده جورج هاینمن (الگوریتم ها به طور خلاصه) توضیحات مختصر و آموزنده ای از الگوریتم های کلیدی ارائه می دهد که کدنویسی را در چندین زبان بهبود می بخشد. توسعه‌دهندگان نرم‌افزار، آزمایش‌کنندگان و نگهدارنده‌ها کشف خواهند کرد که چگونه الگوریتم‌ها مسائل محاسباتی را خلاقانه حل می‌کنند. هر فصل بر اساس فصول قبلی از طریق تصاویری چشم نواز و ارائه یکپارچه مفاهیم اساسی، از جمله تجزیه و تحلیل الگوریتم برای طبقه بندی عملکرد هر الگوریتم ارائه شده در کتاب است. در پایان هر فصل، می‌توانید آنچه را که آموخته‌اید در یک مسئله چالشی جدید به کار ببرید - شبیه‌سازی تجربه‌ای که ممکن است در مصاحبه کد فنی پیدا کنید. با این کتاب، شما: • الگوریتم های اساسی در علوم کامپیوتر و مهندسی نرم افزار را بررسی کنید • راهبردهای متداول را برای حل کارآمد مسائل بیاموزید - مانند تفرقه بینداز و غلبه کن، برنامه نویسی پویا، و رویکردهای حریصانه • کد را برای ارزیابی پیچیدگی زمانی با استفاده از نماد O بزرگ تجزیه و تحلیل کنید • از کتابخانه های پایتون و ساختارهای داده موجود برای حل مسائل با استفاده از الگوریتم ها استفاده کنید • مراحل اصلی الگوریتم های مهم را درک کنید


توضیحاتی درمورد کتاب به خارجی

When it comes to writing efficient code, every software professional needs to have an effective working knowledge of algorithms. In this practical book, author George Heineman (Algorithms in a Nutshell) provides concise and informative descriptions of key algorithms that improve coding in multiple languages. Software developers, testers, and maintainers will discover how algorithms solve computational problems creatively. Each chapter builds on earlier chapters through eye-catching visuals and a steady rollout of essential concepts, including an algorithm analysis to classify the performance of every algorithm presented in the book. At the end of each chapter, you’ll get to apply what you’ve learned to a novel challenge problem—simulating the experience you might find in a technical code interview. With this book, you will: • Examine fundamental algorithms central to computer science and software engineering • Learn common strategies for efficient problem solving—such as divide and conquer, dynamic programming, and greedy approaches • Analyze code to evaluate time complexity using big O notation • Use existing Python libraries and data structures to solve problems using algorithms • Understand the main steps of important algorithms



فهرست مطالب

Cover
Copyright
Table of Contents
Foreword
Preface
	Who This Book Is For
	About the Code
	Conventions Used in This Book
	O’Reilly Online Learning
	How to Contact Us
	Acknowledgments
Chapter 1. Problem Solving
	What Is an Algorithm?
	Finding the Largest Value in an Arbitrary List
	Counting Key Operations
	Models Can Predict Algorithm Performance
	Find Two Largest Values in an Arbitrary List
	Tournament Algorithm
	Time Complexity and Space Complexity
	Summary
	Challenge Exercises
Chapter 2. Analyzing Algorithms
	Using Empirical Models to Predict Performance
	Multiplication Can Be Faster
	Performance Classes
	Asymptotic Analysis
	Counting All Operations
	Counting All Bytes
	When One Door Closes, Another One Opens
	Binary Array Search
	Almost as Easy as π
	Two Birds with One Stone
	Pulling It All Together
	Curve Fitting Versus Lower and Upper Bounds
	Summary
	Challenge Exercises
Chapter 3. Better Living Through Better Hashing
	Associating Values with Keys
	Hash Functions and Hash Codes
	A Hashtable Structure for (Key, Value) Pairs
	Detecting and Resolving Collisions with Linear Probing
	Separate Chaining with Linked Lists
	Removing an Entry from a Linked List
	Evaluation
	Growing Hashtables
	Analyzing the Performance of Dynamic Hashtables
	Perfect Hashing
	Iterate Over (key, value) Pairs
	Summary
	Challenge Exercises
Chapter 4. Heaping It On
	Max Binary Heaps
	Inserting a (value, priority)
	Removing the Value with Highest Priority
	Representing a Binary Heap in an Array
	Implementation of Swim and Sink
	Summary
	Challenge Exercises
Chapter 5. Sorting Without a Hat
	Sorting by Swapping
	Selection Sort
	Anatomy of a Quadratic Sorting Algorithm
	Analyze Performance of Insertion Sort and Selection Sort
	Recursion and Divide and Conquer
	Merge Sort
	Quicksort
	Heap Sort
	Performance Comparison of O(N log N) Algorithms
	Tim Sort
	Summary
	Challenge Exercises
Chapter 6. Binary Trees: Infinity in the Palm of Your Hand
	Getting Started
	Binary Search Trees
	Searching for Values in a Binary Search Tree
	Removing Values from a Binary Search Tree
	Traversing a Binary Tree
	Analyzing Performance of Binary Search Trees
	Self-Balancing Binary Trees
	Analyzing Performance of Self-Balancing Trees
	Using Binary Tree as (key, value) Symbol Table
	Using the Binary Tree as a Priority Queue
	Summary
	Challenge Exercises
Chapter 7. Graphs: Only Connect!
	Graphs Efficiently Store Useful Information
	Using Depth First Search to Solve a Maze
	Breadth First Search Offers Different Searching Strategy
	Directed Graphs
	Graphs with Edge Weights
	Dijkstra’s Algorithm
	All-Pairs Shortest Path
	Floyd–Warshall Algorithm
	Summary
	Challenge Exercises
Chapter 8. Wrapping It Up
	Python Built-in Data Types
	Implementing Stack in Python
	Implementing Queues in Python
	Heap and Priority Queue Implementations
	Future Exploration
Index
About the Author
Colophon




نظرات کاربران