Du wirst zunächst lernen, was Algorithmen und Datenstrukturen sind. Du wirst zwei Datenstrukturen entdecken: verknüpfte Listen und Stapel. Anschließend lernst du, wie du die Komplexität eines Algorithmus mit der Big O Notation berechnen kannst.

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

Mit verknüpften Listen und Stapeln arbeiten und die Big-O-Notation verstehen

In diesem zweiten Kapitel lernst du die Grundlagen von Warteschlangen, Hash-Tabellen, Bäumen und Graphen als Datenstrukturen kennen. Du wirst auch erfahren, was Rekursion ist.

Mit Warteschlangen arbeiten

Eine Warteschlange für Druckeraufgaben einrichten

Die SimpleQueue von Python verwenden

Hash-Tabellen

Korrektur von Fehlern in einem Wörterbuch

Iteration über ein verschachteltes Wörterbuch

Bäume und Graphen

Fehler in einer Baumimplementierung beheben

Einen gewichteten Graphen erstellen

Rekursion verstehen

Fibonacci-Folge

Die Türme von Hanoi

Warteschlangen, Hash-Tabellen, Bäume, Graphen und Rekursion

In diesem Kapitel geht es um Suchalgorithmen wie die lineare Suche, die binäre Suche, die Suche in die Tiefe und die Suche in die Breite. Du wirst auch lernen, wie man in binären Suchbäumen sucht.

Lineare Suche und binäre Suche

Binäre Suche implementieren

Binäre Suche mit Rekursion

Binärer Suchbaum (BST)

Einen Knoten in einen binären Suchbaum einfügen

Die Suche nach dem kleinsten Knoten einer BST

Suche in der Tiefe (DFS)

Buchtitel in alphabetischer Reihenfolge drucken

Pre-Order Traversal mit polnischer Notation verwenden

Implementierung von DFS für Graphen

Erste Suche in der Breite (BFS)

Breadth First Search in binären Bäumen verwenden

Einen Graphenvertex finden mit BFS

Algorithmen für die Suche

In diesem Kapitel lernst du einige Sortieralgorithmen kennen, wie Bubble Sort, Selection Sort, Insertion Sort, Merge Sort und Quicksort.

Blase sortieren

Zahlen sortieren mit Bubble Sort

Behebung eines Fehlers im Bubble-Sort-Algorithmus

Auswahlsortierung und Einfügesortierung

Codierungsauswahl sortieren

Sortieren von Karten mit Einlegesortierung

Sortieren zusammenführen

Sortieren zusammenführen: wahr oder falsch?

Behebung eines Fehlers im Merge-Sortieralgorithmus

Quicksort

Zahlen sortieren mit Quicksort

Implementierung des Quicksort-Algorithmus

Glückwunsch!

Sortieralgorithmen

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, Graphen und Bäume. Du wirst auch beliebte Algorithmen wie Depth First Search, Breadth First Search, Bubble Sort, Merge Sort und Quicksort implementieren.

<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

Erforsche Datenstrukturen wie verknüpfte Listen, Stapel, Warteschlangen, Hash-Tabellen und Graphen sowie Such- und Sortieralgorithmen!

Python-Entwickler

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?

Datenstrukturen und Algorithmen in Python

Interaktive Übung