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.

Welcome!

Implementing a linked list

Inserting a node at the beginning of a linked list

Removing the first node from a linked list

Understanding Big O Notation

Big O Notation: true or false?

Practicing with Big O Notation

Working with stacks

Implementing a Stack with the push method

Implementing the pop method for a stack

Using Python's LifoQueue

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.

Tri à bulles

Trier des nombres avec le tri à bulles

Correction d'un bogue dans l'algorithme de tri à bulles

Tri par sélection et tri par insertion

Tri de la sélection de la codification

Tri par insertion

Tri des cartes par insertion

Fusionner les tris

Options

Vrai

Faux

Tri par fusion : vrai ou faux ?

Correction d'un bogue dans l'algorithme de tri par fusion

Tri sélectif

Trier des nombres à l'aide du tri sélectif

Implémentation de l'algorithme de tri sélectif

Félicitations !

Sorting algorithms

Course Glossary

La plupart des programmes reposent sur quelques structures de données et algorithmes. Découvrez ce qui se cache sous le capot de la plupart de vos interactions avec l’ordinateur dans ce cours de quatre heures ! Vous vous familiariserez avec certaines des structures de données les plus courantes : listes chaînées, piles, files, graphes et arbres. Vous implémenterez aussi des algorithmes populaires, comme Depth First Search, Breadth First Search, Bubble sort, Merge sort et Quicksort.

Les vidéos contiennent des transcriptions que vous pouvez afficher en cliquant sur "Show transcript" en bas à gauche des vidéos.
Le glossaire du cours se trouve à droite, dans la section des ressources.
Pour obtenir des crédits CPE, vous devez terminer le cours et atteindre un score de 70 % à l’évaluation qualifiante. Vous pouvez accéder à l’évaluation en cliquant sur l’encart des crédits CPE à droite.

<h2>Reconnaître les structures de données et les algorithmes les plus courants</h2>
La plupart des programmes informatiques sont basés sur quelques structures de données et algorithmes. Apprenez ce qui se cache derrière le capot de la plupart de vos interactions informatiques dans ce cours de quatre heures ! Vous vous familiariserez avec certaines des structures de données les plus courantes : listes chaînées, piles, files d'attente et arbres. Vous mettrez également en œuvre des algorithmes populaires, tels que la recherche en profondeur d'abord, la recherche en largeur d'abord, le tri à bulles, le tri par fusion et le tri sélectif.

<h2>Apprenez à repérer les structures de données et les algorithmes dans la vie de tous les jours</h2>
Vous vous exercerez à appliquer des structures de données et des algorithmes à des jeux de cartes, des listes de lecture, des plats internationaux et des piles de livres. Vous serez en mesure de reconnaître les structures de données et les algorithmes courants et de les mettre en œuvre dans des applications quotidiennes !

<h2>Analyser l'efficacité des algorithmes</h2>
En cours de route, vous vous arrêterez pour analyser des algorithmes populaires en termes d'efficacité. Vous vous familiariserez avec la "notation Big O", la norme industrielle pour décrire la complexité d'un algorithme.

<h2>Affinez vos connaissances en programmation Python</h2>
Une bonne connaissance des structures de données et des algorithmes permet de résoudre des problèmes quotidiens à l'aide d'un code efficace. Vous le pratiquerez en Python, vous emporterez ces compétences fondamentales et transférables dans n'importe quel langage de programmation.


Introduction to Object-Oriented Programming in Python

Explorez les structures de données : listes chaînées, piles, files, tables de hachage, graphes.

Structures de données et algorithmes en Python

Explorez les structures de données (listes chaînées, piles, files, tables de hachage, graphes) et maîtrisez les algorithmes de recherche et tri.

Développeur Python

Python for Software Engineering

Boîte à outils de programmation Python

Le tri par fusion utilise la stratégie "diviser pour mieux régner".

La première partie du tri par fusion divise les données de manière récursive en deux parties et continue à les diviser jusqu'à ce que chaque liste ne contienne qu'un seul élément.

Le tri par fusion a une complexité de O(n^2).

La deuxième partie du tri par fusion réunit les parties divisées dans une autre liste.

Tri par fusion : vrai ou faux ?

Exercice interactif pratique