You’ll begin by learning what algorithms and data structures are. You will discover two data structures: linked lists and stacks. You will then learn how to calculate the complexity of an algorithm by using Big O Notation.

Willkommen!

Implementieren einer verknüpften Liste

Einen Knoten am Anfang einer verknüpften Liste einfügen

Den ersten Knoten aus einer verknüpften Liste entfernen

Die Big O Notation verstehen

Optionen

Wahr

Falsch

Big O Notation: richtig oder falsch?

Üben mit der Big O Notation

Arbeiten mit Stapeln

Einen Stapel mit der Push-Methode implementieren

Implementieren der Pop-Methode für einen Stapel

Die LifoQueue von Python verwenden

Work with Linked Lists and Stacks and Understand Big O notation

This second chapter will teach you the basics of queues, hash tables, trees, and graphs data structures. You will also discover what recursion is.

Working with queues

Implementing a queue for printer tasks

Using Python's SimpleQueue

Hash tables

Correcting bugs in a dictionary

Iterating  over a nested dictionary

Trees and graphs

Correcting bugs in a tree implementation

Building a weighted graph

Understanding Recursion

Fibonacci sequence

Towers of Hanoi

Queues, Hash Tables, Trees,  Graphs, and Recursion

This chapter will focus on searching algorithms, like linear search, binary search, depth first search, and breadth first search. You will also study binary search trees and how to search within them.

Linear Search and Binary Search

Implementing binary search

Binary search using recursion

Binary Search Tree (BST)

Inserting a node into a binary search tree

Finding the minimum node of a BST

Depth First Search (DFS)

Printing book titles in alphabetical order

Using pre-order traversal with Polish notation

Implementing DFS for graphs

Breadth First Search (BFS)

Using breadth first search in binary trees

Finding a graph vertex using BFS

Searching algorithms

This chapter will teach you some sorting algorithms, like bubble sort, selection sort, insertion sort, merge sort, and quicksort.

Bubble Sort

Sorting numbers using bubble sort

Correcting a bug in the bubble sort algorithm

Selection Sort and Insertion Sort

Coding selection sort

Sorting cards using insertion sort

Merge sort

Merge sort: true or false?

Correcting a bug in the merge sort algorithm

Quicksort

Sorting numbers using quicksort

Implementing the quicksort algorithm

Congratulations!

Sorting algorithms

Course Glossary

Die meisten Computerprogramme basieren auf einigen wenigen Datenstrukturen und Algorithmen. In diesem vierstündigen Kurs lernst du, was hinter den meisten deiner Computerinteraktionen steckt! Du machst dich mit einigen der gängigsten Datenstrukturen vertraut: verkettete Listen, Stacks, Queues, Graphen und Bäume. Außerdem implementierst du populäre Algorithmen wie Depth First Search, Breadth First Search, Bubble Sort, Merge Sort und Quicksort.

Die Videos enthalten Live-Transkripte, die du unten links im Video über "Show transcript" einblenden kannst.
Das Kursglossar findest du rechts im Bereich Ressourcen.
Um CPE-Credits zu erhalten, musst du den Kurs abschließen und in der qualifizierten Prüfung mindestens 70 % erreichen. Du gelangst zur Prüfung, indem du rechts auf den CPE-Credits-Hinweis klickst.

<h2>Beliebte Datenstrukturen und Algorithmen erkennen</h2>
Die meisten Computerprogramme basieren auf einigen wenigen Datenstrukturen und Algorithmen. In diesem vierstündigen Kurs erfährst du, was sich hinter der Haube der meisten deiner Computerinteraktionen verbirgt! Du wirst dich mit einigen der gängigsten Datenstrukturen vertraut machen: verknüpfte Listen, Stapel, Warteschlangen und Bäume. Du wirst auch beliebte Algorithmen wie Depth First Search, Breadth First Search, Bubble Sort, Merge Sort und Quicksort implementieren.

<h2>Lerne, Datenstrukturen und Algorithmen im täglichen Leben zu erkennen</h2>
Du übst die Anwendung von Datenstrukturen und Algorithmen auf Kartendecks, Musikplaylists, internationale Gerichte und Bücherstapel. Du wirst in der Lage sein, gängige Datenstrukturen und Algorithmen zu erkennen und sie in alltägliche Anwendungen zu implementieren!

<h2>Analysiere die Effizienz von Algorithmen</h2>
Auf dem Weg dorthin hältst du inne, um beliebte Algorithmen auf ihre Effizienz hin zu analysieren. Du lernst die "Big O Notation" kennen, den Industriestandard für die Beschreibung der Komplexität eines Algorithmus.

<h2>Vertiefe deine Python-Programmierkenntnisse</h2>
Wenn du dich mit Datenstrukturen und Algorithmen auskennst, kannst du alltägliche Probleme mit effizientem Code lösen. Du übst das in Python und nimmst diese grundlegenden und übertragbaren Fähigkeiten mit in jede Programmiersprache.


Introduction to Object-Oriented Programming in Python

Erkunde Datenstrukturen wie Listen, Stacks, Queues, Hash-Tabellen, Graphen und Such-/Sortieralgorithmen.

Datenstrukturen und Algorithmen in Python

Hier tauchen wir tief ein in Datenstrukturen: von Listen, Stacks, Queues, Hashtabellen und Graphen bis hin zu Such- und Sortieralgorithmen.

Python-Entwickler

Python for Software Engineering

Python Programming Toolbox

Die Zeit ist bei einem Algorithmus von O(1) konstant.

Die Big O-Notation wird verwendet, um die Sekunden zu messen, die ein Algorithmus für die Bearbeitung benötigt.

Die Big O Notation wird verwendet, um die Best-Case-Komplexität eines Algorithmus zu messen.

Big O Notation: richtig oder falsch?

Interaktive praktische Übung