الگوریتم‌ها و ساختمان داده‌های پیشرفته ۲۰۲۱
Advanced Algorithms and Data Structures 2021

الگوریتم‌های پیشرفته و ساختمان داده‌ها مجموعه‌ای از الگوریتم‌ها را برای چالش‌های پیچیده برنامه‌نویسی در تحلیل داده، یادگیری ماشین و محاسبات گراف معرفی می‌کند.

خلاصه

به عنوان یک مهندس نرم‌افزار، با چالش‌های برنامه‌نویسی بی‌شماری روبرو خواهید شد که در ابتدا گیج‌کننده، دشوار یا حتی غیرممکن به نظر می‌رسند. ناامید نشوید! بسیاری از این مسائل “جدید” از قبل راه حل‌های تثبیت‌شده‌ای دارند. الگوریتم‌های پیشرفته و ساختمان داده‌ها رویکردهای قدرتمندی را برای طیف گسترده‌ای از چالش‌های کدنویسی دشوار به شما آموزش می‌دهد که می‌توانید آن‌ها را با کاربردهای خود سازگار کرده و به کار ببرید. این راهنمای عملی با ارائه ترکیبی متعادل از الگوریتم‌های کلاسیک، پیشرفته و جدید، جعبه ابزار برنامه‌نویسی شما را با دیدگاه‌های جدید و تکنیک‌های عملی ارتقا می‌دهد.

با خرید نسخه چاپی کتاب، یک نسخه الکترونیکی رایگان در قالب‌های PDF، Kindle و ePub از Manning Publications دریافت خواهید کرد.

درباره فناوری

آیا می‌توانید سرعت و کارایی برنامه‌های خود را بدون سرمایه‌گذاری در سخت‌افزار جدید بهبود بخشید؟ خب، بله، می‌توانید: نوآوری‌ها در الگوریتم‌ها و ساختارهای داده منجر به پیشرفت‌های عظیمی در عملکرد برنامه‌ها شده است. این کتاب را بردارید تا مجموعه‌ای از الگوریتم‌های پیشرفته را کشف کنید که شما را به یک توسعه‌دهنده مؤثرتر تبدیل می‌کند.

درباره کتاب

الگوریتم‌های پیشرفته و ساختمان داده‌ها مجموعه‌ای از الگوریتم‌ها را برای چالش‌های پیچیده برنامه‌نویسی در تحلیل داده، یادگیری ماشین و محاسبات گراف معرفی می‌کند. رویکردهای پیشرفته‌ای را برای انواع سناریوهای دشوار کشف خواهید کرد. حتی یاد خواهید گرفت که ساختارهای داده سفارشی خود را برای پروژه‌هایی که به راه حل سفارشی نیاز دارند، طراحی کنید.

مطالب داخل کتاب

* بر اساس ساختارهای داده اساسی که از قبل می‌دانید، بنا کنید
* الگوریتم‌های خود را برای سرعت بخشیدن به برنامه پروفایل کنید
* رشته‌ها را به طور موثر ذخیره و جستجو کنید
* الگوریتم‌های خوشه‌بندی را با MapReduce توزیع کنید
* مسائل لجستیکی را با استفاده از نمودارها و الگوریتم‌های بهینه‌سازی حل کنید

درباره خواننده

برای برنامه‌نویسان سطح متوسط.

درباره نویسنده

مارسلو لا روکا یک دانشمند محقق و یک مهندس فول استک است. تمرکز او بر الگوریتم‌های بهینه‌سازی، الگوریتم‌های ژنتیک، یادگیری ماشین و محاسبات کوانتومی است.

فهرست مطالب

1 معرفی ساختارهای داده
بخش 1: بهبود ساختارهای داده پایه
2 بهبود صف‌های اولویت‌دار: پشته‌های d-way
3 Treaps: استفاده از تصادفی‌سازی برای متعادل کردن درخت‌های جستجوی باینری
4 فیلترهای بلوم: کاهش حافظه برای ردیابی محتوا
5 مجموعه‌های مجزا: پردازش زمان زیر-خطی
6 Trie، Radix Trie: جستجوی رشته‌ای کارآمد
7 مورد استفاده: حافظه پنهان LRU
بخش 2: پرس و جوهای چند بعدی
8 جستجوی نزدیکترین همسایه
9 درخت‌های K-d: نمایه سازی داده‌های چند بعدی
10 درخت‌های جستجوی شباهت: جستجوی تقریبی نزدیکترین همسایه برای بازیابی تصویر
11 کاربردهای جستجوی نزدیکترین همسایه
12 خوشه‌بندی
13 خوشه‌بندی موازی: MapReduce و خوشه‌بندی Canopy
بخش 3: گراف‌های مسطح و حداقل تعداد تقاطع
14 مقدمه‌ای بر گراف‌ها: یافتن مسیرهایی با حداقل فاصله
15 جایگذاری گراف و مسطح بودن: رسم گراف‌ها با حداقل تقاطع لبه‌ها
16 گرادیان نزولی: مسائل بهینه‌سازی (نه فقط) روی گراف‌ها
17 شبیه‌سازی تبرید: بهینه‌سازی فراتر از حداقل محلی
18 الگوریتم‌های ژنتیک: بهینه‌سازی سریع همگرا با الهام از زیست‌شناسی

Advanced Algorithms and Data Structures introduces a collection of algorithms for complex programming challenges in data analysis, machine learning, and graph computing.

Summary
As a software engineer, you’ll encounter countless programming challenges that initially seem confusing, difficult, or even impossible. Don’t despair! Many of these “new” problems already have well-established solutions. Advanced Algorithms and Data Structures teaches you powerful approaches to a wide range of tricky coding challenges that you can adapt and apply to your own applications. Providing a balanced blend of classic, advanced, and new algorithms, this practical guide upgrades your programming toolbox with new perspectives and hands-on techniques.

Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications.

About the technology
Can you improve the speed and efficiency of your applications without investing in new hardware? Well, yes, you can: Innovations in algorithms and data structures have led to huge advances in application performance. Pick up this book to discover a collection of advanced algorithms that will make you a more effective developer.

About the book
Advanced Algorithms and Data Structures introduces a collection of algorithms for complex programming challenges in data analysis, machine learning, and graph computing. You’ll discover cutting-edge approaches to a variety of tricky scenarios. You’ll even learn to design your own data structures for projects that require a custom solution.

What’s inside
Build on basic data structures you already know
Profile your algorithms to speed up application
Store and query strings efficiently
Distribute clustering algorithms with MapReduce
Solve logistics problems using graphs and optimization algorithms

About the reader
For intermediate programmers.

About the author
Marcello La Rocca is a research scientist and a full-stack engineer. His focus is on optimization algorithms, genetic algorithms, machine learning, and quantum computing.

Table of Contents

1 Introducing data structures
PART 1 IMPROVING OVER BASIC DATA STRUCTURES
2 Improving priority queues: d-way heaps
3 Treaps: Using randomization to balance binary search trees
4 Bloom filters: Reducing the memory for tracking content
5 Disjoint sets: Sub-linear time processing
6 Trie, radix trie: Efficient string search
7 Use case: LRU cache
PART 2 MULTIDEMENSIONAL QUERIES
8 Nearest neighbors search
9 K-d trees: Multidimensional data indexing
10 Similarity Search Trees: Approximate nearest neighbors search for image retrieval
11 Applications of nearest neighbor search
12 Clustering
13 Parallel clustering: MapReduce and canopy clustering
PART 3 PLANAR GRAPHS AND MINIMUM CROSSING NUMBER
14 An introduction to graphs: Finding paths of minimum distance
15 Graph embeddings and planarity: Drawing graphs with minimal edge intersections
16 Gradient descent: Optimization problems (not just) on graphs
17 Simulated annealing: Optimization beyond local minima
18 Genetic algorithms: Biologically inspired, fast-converging optimization