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.

Bubblesort

Getallen sorteren met bubblesort

Een bug in het bubble sort-algoritme oplossen

Selection sort en insertion sort

Selection sort coderen

Insertion sort

Kaarten sorteren met insertion sort

Merge sort

Opties

Waar

Niet waar

Merge sort: waar of niet waar?

Een bug in het merge sort-algoritme corrigeren

Quicksort

Getallen sorteren met quicksort

Het quicksort-algoritme implementeren

Gefeliciteerd!

Sorting algorithms

Course Glossary

De meeste computerprogramma’s zijn gebaseerd op een paar datastructuren en algoritmen. Leer in deze cursus van vier uur wat er onder de motorkap zit van de meeste computerinteracties! Je maakt kennis met veelgebruikte datastructuren: linked lists, stacks, queues, grafen en bomen. Je implementeert ook populaire algoritmen, zoals Depth First Search, Breadth First Search, Bubble sort, Merge sort en Quicksort.

De video’s bevatten live-transcripties die je kunt openen door linksonder in de video’s op "Show transcript" te klikken.
De woordenlijst van de cursus staat rechts in de sectie met bronnen.
Om CPE-credits te behalen, moet je de cursus afronden en minimaal 70% scoren op de gekwalificeerde toets. Je gaat naar de toets via de CPE-creditsvermelding aan de rechterkant.

Introduction to Object-Oriented Programming in Python

Verken datastructuren zoals gelinkte lijsten, stacks, queues, hashtabellen, grafen en zoek-/sorteeralgoritmen.

Datastructuren en algoritmen in Python

Ontdek datastructuren zoals gekoppelde lijsten, stacks, queues, hashtabellen en grafen; en zoek- en sorteeralgoritmen!

Python-ontwikkelaar

Python for Software Engineering

Python-programmeertoolbox

Merge sort gebruikt de divide-and-conquer-strategie.

Het eerste deel van merge sort deelt de data recursief in tweeën en blijft delen totdat elke lijst één element heeft.

Merge sort heeft een complexiteit van O(n^2).

Het tweede deel van merge sort voegt de opgesplitste delen samen in een andere lijst.

Merge sort: waar of niet waar?

Datastructuren en algoritmen in Python

Praktische interactieve oefening