Algorithmen kapieren - Visuell lernen und verstehen mit Illustrationen, Alltagsbeispielen und Python-Code

von: Aditya Y Bhargava

mitp Verlags GmbH & Co. KG, 2018

ISBN: 9783958458147

Sprache: Deutsch

272 Seiten, Download: 44458 KB

Format: PDF, auch als Online-Lesen

geeignet für:

eBook anfordern

▸

Mehr zum Inhalt

Algorithmen kapieren - Visuell lernen und verstehen mit Illustrationen, Alltagsbeispielen und Python-Code

Kapitelübersicht
Kurzinformation
Inhaltsverzeichnis
Leseprobe
Blick ins Buch
Fragen zu eBooks?

	Cover	1
	Titel	4
	Impressum	5
	Inhaltsverzeichnis	6
	Vorwort	12
	Einleitung	14
	Überblick	15
	Verwendung dieses Buchs	16
	Wer sollte dieses Buch lesen?	16
	Konventionen und Downloads	17
	Über den Autor	17
	Danksagungen	18
	Kapitel 1: Einführung in Algorithmen	20
	1.1 Einführung	20
	1.1.1 Performance	21
	1.1.2 Problemlösungen	21
	1.2 Binäre Suche	22
	1.2.1 Eine bessere Suchmethode	24
	Übungen	28
	1.2.2 Laufzeit	29
	1.3 Landau-Notation	30
	1.3.1 Die Laufzeiten von Algorithmen nehmen unterschiedlich schnell zu	30
	1.3.2 Visualisierung verschiedener Laufzeiten	33
	1.3.3 Die Landau-Notation beschreibt die Laufzeit im Worst Case	34
	1.3.4 Typische Laufzeiten gebräuchlicher Algorithmen	35
	Übungen	36
	1.3.5 Das Problem des Handlungsreisenden	37
	1.4 Zusammenfassung	39
	Kapitel 2: Selectionsort	40
	2.1 Die Funktionsweise des Arbeitsspeichers	41
	2.2 Arrays und verkettete Listen	43
	2.2.1 Verkettete Listen	44
	2.2.2 Arrays	45
	2.2.3 Terminologie	46
	Übung	47
	2.2.4 Einfügen in der Mitte einer Liste	48
	2.2.5 Löschen	49
	Übungen	50
	2.3 Selectionsort	52
	Beispielcode	56
	2.4 Zusammenfassung	57
	Kapitel 3: Rekursion	58
	3.1 Rekursion	59
	3.2 Basisfall und Rekursionsfall	62
	3.3 Der Stack	63
	3.3.1 Der Aufruf-Stack	64
	Übung	67
	3.3.2 Der Aufruf-Stack mit Rekursion	67
	Übung	71
	3.4 Zusammenfassung	71
	Kapitel 4: Quicksort	72
	4.1 Teile und herrsche	73
	Übungen	80
	4.2 Quicksort	81
	4.3 Landau-Notation im Detail	86
	4.3.1 Mergesort und Quicksort im Vergleich	87
	4.3.2 Average Case und Worst Case im Vergleich	89
	Übungen	93
	4.4 Zusammenfassung	93
	Kapitel 5: Hashtabellen	94
	5.1 Hashfunktionen	97
	Übungen	100
	5.2 Anwendungsfälle	101
	5.2.1 Hashtabellen zum Nachschlagen verwenden	101
	5.2.2 Doppelte Einträge verhindern	103
	5.2.3 Hashtabellen als Cache verwenden	105
	5.2.4 Zusammenfassung	108
	5.2.5 Kollisionen	108
	5.3 Performance	111
	5.3.1 Der Auslastungsfaktor	113
	5.3.2 Eine gute Hashfunktion	115
	Übungen	115
	5.4 Zusammenfassung	116
	Kapitel 6: Breitensuche	118
	6.1 Einführung in Graphen	119
	6.2 Was ist ein Graph?	121
	6.3 Breitensuche	122
	6.3.1 Den kürzesten Pfad finden	125
	6.3.2 Warteschlangen	127
	Übungen	128
	6.4 Implementierung des Graphen	128
	6.5 Implementierung des Algorithmus	131
	6.5.1 Laufzeit	136
	Übung	136
	6.6 Zusammenfassung	139
	Kapitel 7: Der Dijkstra-Algorithmus	140
	7.1 Anwendung des Dijkstra-Algorithmus	141
	7.2 Terminologie	146
	7.3 Eintauschen gegen ein Klavier	148
	7.4 Negativ gewichtete Kanten	155
	7.5 Implementierung	158
	Übung	168
	7.6 Zusammenfassung	169
	Kapitel 8: Greedy-Algorithmen	170
	8.1 Das Stundenplanproblem	170
	8.2 Das Rucksackproblem	173
	Übungen	175
	8.3 Das Mengenüberdeckungsproblem	175
	8.3.1 Approximationsalgorithmen	176
	Übungen	182
	8.4 NP-vollständige Probleme	182
	8.5 Das Problem des Handlungsreisenden – Schritt für Schritt	184
	8.5.1 Wie lassen sich NP-vollständige Probleme erkennen?	188
	Übungen	190
	8.6 Zusammenfassung	190
	Kapitel 9: Dynamische Programmierung	192
	9.1 Das Rucksackproblem	192
	9.1.1 Die einfache Lösung	193
	9.1.2 Dynamische Programmierung	194
	9.2 Häufig gestellte Fragen zum Rucksackproblem	202
	9.2.1 Was geschieht beim Hinzufügen eines Gegenstands?	202
	Übung	205
	9.2.2 Was geschieht, wenn die Reihenfolge der Zeilen geändert wird?	205
	9.2.3 Kann man das Gitter auch spaltenweise (statt zeilenweise) befüllen?	206
	9.2.4 Was geschieht, wenn man ein leichteres Objekt hinzufügt?	206
	9.2.5 Kann man Teile eines Gegenstands stehlen?	207
	9.2.6 Optimierung des Reiseplans	207
	9.2.7 Handhabung voneinander abhängiger Objekte	209
	9.2.8 Ist es möglich, dass die Lösung mehr als zwei Teil-Rucksäcke erfordert?	210
	9.2.9 Ist es möglich, dass die beste Lösung den Rucksack nicht vollständig füllt?	210
	Übung	210
	9.3 Der längste gemeinsame Teilstring	211
	9.3.1 Erstellen des Gitters	212
	9.3.2 Befüllen des Gitters	213
	9.3.3 Die Lösung	214
	9.3.4 Die längste gemeinsame Teilfolge	215
	9.3.5 Die längste gemeinsame Teilfolge – Lösung	217
	Übung	218
	9.4 Zusammenfassung	218
	Kapitel 10: k-nächste Nachbarn	220
	10.1 Klassifikation von Orangen und Grapefruits	220
	10.2 Entwicklung eines Empfehlungssystems	222
	10.2.1 Merkmalsextraktion	224
	Übungen	228
	10.2.2 Regression	228
	10.2.3 Auswahl geeigneter Merkmale	231
	Übung	231
	10.3 Einführung in Machine Learning	232
	10.3.1 OCR	232
	10.3.2 Entwicklung eines Spamfilters	233
	10.3.3 Vorhersage der Entwicklung des Aktienmarkts	234
	10.4 Zusammenfassung	234
	Kapitel 11: Die nächsten Schritte	236
	11.1 Bäume	236
	11.2 Invertierte Indizes	239
	11.3 Die Fourier-Transformation	240
	11.4 Nebenläufige Algorithmen	241
	11.5 MapReduce	242
	11.5.1 Warum sind verteilte Algorithmen nützlich?	242
	11.5.2 Die map-Funktion	243
	11.5.3 Die reduce-Funktion	243
	11.6 Bloom-Filter und HyperLogLog	244
	11.6.1 Bloom-Filter	246
	11.6.2 HyperLogLog	246
	11.7 Die SHA-Algorithmen	247
	11.7.1 Dateien vergleichen	247
	11.7.2 Passwörter überprüfen	248
	11.8 Locality-Sensitive Hashing	249
	11.9 Diffie-Hellman-Schlüsselaustausch	250
	11.10 Lineare Programmierung	251
	11.11 Epilog	252
	Anhang: Lösungen zu den Übungen	254
	Kapitel 1	254
	Kapitel 2	255
	Kapitel 3	258
	Kapitel 4	259
	Kapitel 5	260
	Kapitel 6	261
	Kapitel 7	263
	Kapitel 8	264
	Kapitel 9	265
	Kapitel 10	266
	Stichwortverzeichnis	268

Algorithmen kapieren - Visuell lernen und verstehen mit Illustrationen, Alltagsbeispielen und Python-Code

von: Aditya Y Bhargava

Algorithmen kapieren - Visuell lernen und verstehen mit Illustrationen, Alltagsbeispielen und Python-Code

Kategorien

eBooks

Audiobooks