Алгоритми For Dummies

Алгоритми For Dummies Джон Пол Мюлер, Лука Масарон Времетраене: 0:48 мин. YouTube маркетинг For Dummies Уил Ийгъл Времетраене: 1:07 мин. Ръкопис 2244 Гергана Лаптева Времетраене: 1:24 мин. Как да намериш истинската любов Франческа Ходжи Времетраене: 1:02 мин. Лотосовите обувки Джейн Янг Времетраене: 1:21 мин. Органично Джулия Ендерс Времетраене: 1:02 мин. Лятна буря Сандра Браун Времетраене: 1:00 мин. Хенри V Дан Джоунс Времетраене: 1:14 мин. Да се събудиш. Да пораснеш Даян Мушо Хамилтън, Гейбриъл Кайген Уилсън Времетраене: 1:00 мин. Кравата, която дава мляко с какао Петя Александрова Времетраене: 1:04 мин. Еднооки истории Милослава Абаджиева Времетраене: 1:00 мин. Песните на мъртвите Брандън Сандерсън, Питър Орулиън Времетраене: 1:10 мин.

Прави ученето лесно. Опознайте алгоритмите. Няма нужда да сте професори, за да разберете алгоритмите. Това ясно и достъпно ръководство показва как те оказват влияние върху ежедневния ни живот - от виртуалните контакти до общуването на живо. Те също така са изключително важни, когато става въпрос за вземане на решения от всякакъв род. Ако искате да знаете как да използвате процедури за решаване на реални проблеми, Алгоритми For Dummies е вашето практическо въведение в тази интересна и много актуална сфера.

В книгата ще откриете:

• Извършване на обработка на данни
• Разглеждане на дизайн на алгоритъм
• Научаване на историята на алгоритмите
• Бързо представяне на графи
• Управление на големи данни
• Опростяване на сложни алгоритми
• Управление на робот в лабиринт
• Програмиране на собствен алгоритъм

Досега Джон Пол Мюлер е написал 102 книги и повече от 600 статии по теми, вариращи от работата в мрежа до машинното обучение. Лука Масарон е учен, специализирал в организирането и интерпретирането на големи данни и превръщането им в умни данни чрез най-простите и най-ефективни техники за извличане на данни и машинно обучение.

Посетете уеб сайта към книгата, за да изтеглите целия изходен код за примерите.

Алекс-Софт Пъблишинг ЕООД
София, 1528
ул. Поручик Христо Топракчиев 11
cust_serv@alexsoft.net

Въведение

• За книгата
• Глупави предположения
• Икони, използвани в книгата
• Отвъд книгата
• Оттук накъде

Първи стъпки

• Запознанство с алгоритмите
• Описание на алгоритми
• Определяне на употребата на алгоритми
• Намиране на алгоритми навсякъде
• Използване на компютри за решаване на проблеми
• Използване на съвременни централни процесори и графични процесори
• Работа с чипове със специално предназначение
• Използване на мрежи
• Използване на налични данни
• Разграничаване между проблеми и решения
• Правилно и ефективно
• Няма безплатен обяд
• Адаптиране на стратегията към проблема
• Описване на алгоритми на лингва франка
• Справяне със сложни проблеми
• Структуриране на данни за получаване на решение
• Разбиране на компютърната гледна точка
• Подреждането на данни прави разликата
• Разглеждане на структура на алгоритъм
• Започване на решаване на проблема
• Моделиране на реални проблеми
• Намиране на решения и контрапримери
• Стъпвайки на раменете на гиганти
• Разделяне и завладяване
• Избягване на решения по метода на грубата сила
• Започване чрез опростяване
• Научаване, че алчността може да бъде и нещо хубаво
• Прилагане на алчния подход
• Постигане на добро решение
• Изчисляване на разходи и следване на евристичен подход
• Представяне на проблем като пространство
• Тръгване напосоки и изваждане на късмет
• Използване на евристична и разходна функция
• Оценяване на алгоритми
• Симулации с помощта на абстрактни машини
• Става още по-абстрактно
• Работа с функции
• Използване на Python за работа с алгоритми
• Разглеждане на предимствата на Python
• Защо в тази книга се използва Python
• Работа с MATLAB
• Разглеждане на други среди за тестване на алгоритми
• Разглеждане на дистрибуции на Python
• Придобиване на Analytics Anaconda
• Разглеждане на Enthought Canopy Express
• Разглеждане на pythonxy
• Разглеждане на WinPython
• Инсталиране на Python на Linux
• Инсталиране на Python на MacOS
• Инсталиране на Python на Windows
• Изтегляне на набори от данни и примерен код
• Използване на Jupyter Notebook
• Определяне на хранилище за кода
• Понятие за набори от данни, използвани в тази книга
• Въведение в програмирането на алгоритми на Python
• Работа с числови и логически данни
• Присвояване на променливи
• Аритметични действия
• Сравняване на данни чрез Булеви изрази
• Създаване и използване на низове
• Взаимодействие с дати
• Създаване и използване на функции
• Създаване на функции за многократно използване
• Извикване на функции
• Използване на конструкции с условие и цикъл
• Взимане на решения с помощта на конструкция if
• Избиране между няколко възможности с помощта на вложени решения
• Изпълнение на повтарящи се задачи с помощта на цикъл for
• Използване на цикъл while
• Съхраняване на данни чрез използване на множества, списъци и кортежи
• Създаване на множества (sets)
• Създаване на списъци
• Създаване и използване на кортежи
• Задаване на полезни итератори
• Индексиране на данни с помощта на речници
• Извършване на основни манипулации на данни с помощта на Python
• Извършване на изчисления с помощта на вектори и матрици
• Разбиране за скаларни и векторни операции
• Извършване на векторно умножение
• Правилното начало е създаване на матрица
• Умножаване на матрици
• Дефиниране на разширени операции с матрици
• Създаване на комбинации по правилния начин
• Разпознаване на пермутации
• Разбъркване на комбинации
• Запознаване с повторенията
• Получаване на желаните резултати с помощта на рекурсия
• Обяснение на рекурсията
• Премахване на рекурсия на извикване на опашката
• По-бързо изпълнение на задачи
• Разделяй и владей
• Разграничаване на различни възможни решения

Разбиране на нуждата от сортиране и търсене

• Структуриране на данни
• Определяне на нуждата от структура
• Как да направите съдържание по-видимо
• Съпоставяне на данни от различни източници
• Разглеждане на необходимостта от поправяне на данни
• Струпване на данни в подходящ ред
• Подреждане в стекове
• Използване на опашки
• Намиране на данни с помощта на речници
• Работа с дървета
• Основни понятия за дървета
• Изграждане на дърво
• Представяне на взаимовръзки в граф
• Преминаване отвъд дърветата
• Изграждане на графи
• Аранжиране и търсене на данни
• Сортиране на данни с помощта на Mergesort и Quicksort
• Определяне защо сортирането на данни е важно
• Наивно подреждане на данни
• Използване на по-добри техники за сортиране
• Използване на дървета за търсене и купчини
• Разглеждане на необходимостта от ефективно търсене
• Изграждане на бинарно дърво за търсене
• Извършване на специализирани търсения с помощта на бинарен куп
• Прилагане на хеширане
• Слагане на всичко в кофи
• Избягване на сблъсъци
• Създаване на собствена хеш функция

Изследване на света на графите

• Разбиране на основните понятия за графите
• Обясняване на важността на мрежите
• Разглеждане на същността на граф
• Намиране на графи навсякъде
• Показване на социалната страна на графите
• Разбиране на подграфи
• Определяне как се чертае граф
• Различаване на ключови атрибути
• Чертане на граф
• Измерване на функционалността на граф
• Преброяване на ръбове и върхове
• Изчисляване на централност
• Преобразуване на граф в цифров формат
• Добавяне на граф към матрица
• Използване на разредени представяния
• Използване на списък за запазване на граф
• Повторно свързване на точките
• Ефективно обхождане на графа
• Създаване на граф
• Прилагане на обхождане в ширина
• Прилагане на обхождане в дълбочина
• Определяне кое приложение да се използва
• Сортиране на елементите на графа
• Работа с насочени ациклични графи (DAGs)
• Използване на топологично сортиране
• Намаляване до минимално покриващо дърво
• Откриване на правилните алгоритми, които дасе изпозлват
• Запознаване с приоритетните опашки
• Използване на алгоритъма на Прим
• Тестване на алгоритъма на Крускал
• Определяне кой алгоритъм работи най-добре
• Намиране на най-краткия маршрут
• Дефиниране какво означава да се открие най-краткият път
• Обяснение на алгоритъма на Дейкстра
• Разкриване на тайните на графите
• Разглеждане на социалните мрежи като графи
• Събиране на мрежите на групи (клъстеризация)
• Откриване на общности
• Движение по графа
• Изчисляване на степента на разделяне
• Произволно обхождане на граф
• Намиране на точната уеб страница
• Изследване на света чрез система за търсене
• Търсене на данни в Интернет
• Разглеждане как се намират точните данни
• Обясняване на алгоритъма PageRank
• Разбиране на мотивите, стоящи зад алгоритъма PageRank
• Обясняване на основите на PageRank
• Внедряване на PageRank
• Прилагане на скрипта на Python
• Борба с наивното прилагане
• Запознаване с отегчаване (boredom) и телепортиране(teleporting)
• Поглед към живота на една машина за търсене отвътре
• Разглеждане на други приложения на PageRank
• Излизане извън парадигмата на PageRank
• Представяне на семантични заявки
• Използване на изкуствен интелект за класиране на резултати от търсене

Борба с големи данни

• Управление на големи данни
• Преобразуване на мощност в данни
• Разбиране на следствията от закона на Мур
• Намиране на данни навсякъде
• Навлизане на алгоритмите в бизнеса
• Потоци от данни
• Правилната рецепта за анализиране на потоци
• Запазване на правилните данни
• Скициране (sketching) на отговор от потока от данни
• Филтриране на елементи от потока наизуст
• Демонстриране на филтъра на Блум
• Откриване на броя на отделните елементи
• Научаване как да се преброяват обекти в поток
• Успоредно изпълнение на операции
• Управление на огромни количества данни
• Разбиране на успоредната парадигма
• Разпределение на файлове и операции
• Прилагане на решението MapReduce
• Изработване на алгоритми за MapReduce
• Настройване на симулация на MapReduce
• Запитване чрез mapping
• Компресиране на данни
• Смаляване на данни
• Запознаване с кодирането
• Разглеждане на ефектите от компресията
• Избиране на конкретен вид компресия
• Мъдър избор на кодирането
• Кодиране с поммощта на компресията на Хъфман
• Запаметяване на последователности с LZW

Справяне с трудни проблеми

• Работа с алчни алгоритми
• Решаване кога е по-добре да бъдете алчни
• Разбиране защо алчното е добро
• Как да държите алчните алгоритми под контрол
• Разглеждане на NP - завършени проблеми
• Откриване как алчността може да бъде полезна
• Подреждане на кеширани компютърни данни
• Състезаване за ресурси
• Повторно обръщане към кодирането на Хъфман
• Прилагане на динамично програмиране
• Обяснение на динамичното програмиране
• Придобиване на историческа основа
• Превръщане на проблеми в динамични
• Динамично прилагане на рекурсия
• Използване на мемоизация
• Откриване на най-добрите динамични рецепти
• Поглеждане вътре в раницата
• Обиколка между градове
• Приблизително търсене на низове
• Използване на рандомизирани (вероятностни) алоритми
• Определяне на начина на работа на случайния избор
• Разсъждаване защо е необходим случаен избор
• Разбиране как работи вероятността
• Разбиране на разпределенията
• Симулиране на използването на метода Монте Карло
• Включване на случайността в логиката
• Извършване на симулации с помощта на Монте Карло
• По-бързо подреждане с Quicksort
• Извършване на локално търсене
• Разбиране на локалното търсене
• Запознаване с близката околност
• Представяне на трикове при локално търсене
• Обясняване на изкачването на хълмове със задачата за n-те царици
• Откриване на симулирано закаляване
• Избягване на повторения с помощта на търсене табу
• Решаване на изпълнимост на Булеви вериги
• Решаване на 2-SAT с помощта на рандомизация
• Прилагане на кода на Python
• Осъзнаване, че началната точка е важна
• Прилагане на линейно програмиране
• Използване на линейни функции като инструмент
• Бърз поглед към математическите основи, които са ви необходими
• Как да опростявате при планиране
• Работа с геометрия с помощта на симплекс
• Разбиране на ограниченията
• Практическо приложение на линейното програмиране
• Настройване на PuLP вкъщи
• Оптимизиране на производството и приходите
• Разглеждане на евристичен подход
• Разграничаване на евристики
• Разглеждане на целите на евристиката
• Преминаване от генетика към изкуствения интелект
• Създаване на маршрути за роботи с помощта на евристики
• Разузнаване в неизвестни територии
• Използване на мерки за разстояние като евристики
• Обясняване на алгоритмите за намиране на път
• Създаване на лабиринт
• Търсене на бърз маршрут best-first (първи най-добър)
• Прилагане на евристика чрез A*

Частта на десетте

• Десет алгоритъма, които променят света
• Използване на рутинни практики за сортиране
• Намиране на неща с рутинни практики за търсене
• Разбъркване на нещата със случайни числа
• Извършване на компресия на данни
• Запазване на данните в тайна
• Промяна на домейна на данните
• Анализиране на връзки
• Откриване на модели от данни
• Разглеждане на автоматизация и автоматични отговори
• Създаване на уникални идентификатори
• Десет алгоритмични проблема, които все още предстои да бъдат решени
• Работа с текстови търсения
• Диференциране на думи
• Определяне дали едно приложение ще има край
• Създаване и използване на еднопосочни функции
• Умножаване на наистина големи числа
• Разделяне на ресурси по равно
• Намаляване на времето за изчисляване на разстоянието за редактиране
• Бързо решаване на проблеми
• Разиграване на паритетна игра
• Разбиране на пространствените проблеми

За авторите