Algorithm design & data structureچ
前往频道在 Telegram
این کانال برای تمامی علاقهمندان به کامپیوتر، مخصوصاً حوزه ساختمان دادهها و الگوریتمها، مفید می باشد. آشنایی با ریاضیات مقدماتی، برنامهنویسی مقدماتی و پیشرفته و همچنین شیگرایی میتواند در درک بهتر مفاهیم این درس کمک کند. 👨💻Admin👉 @Se_mohamad
显示更多6 455
订阅者
-424 小时
-137 天
-4930 天
帖子存档
ماکسیمم تعداد مقایسه براي min-heap کردن یک max-heap با n گره برابر است با:
⬅️واریانس(Variance):
واریانس یک مجموعه داده اندازه گیری می کند که نقاط داده چقدر با میانگین تفاوت دارند.
با گرفتن میانگین مجذور اختلاف بین هر نقطه داده و میانگین محاسبه می شود.
از نظر ریاضی، واریانس به صورت (σ²) نمایش داده می شود.
◀️انحراف معیار(Standard Deviation):
انحراف معیار جذر واریانس است.
میانگین انحراف نقاط داده را از میانگین اندازه گیری می کند.
انحراف استاندارد مفید است زیرا معیاری از پراکندگی داده ها را در واحدهای خود داده ارائه می دهد و تفسیر آن را آسان تر می کند.
از نظر ریاضی، انحراف معیار به صورت (σ) نمایش داده می شود.
📣👨💻 @AlgorithmDesign_DataStructuer
def quotient( n , d ):
if n <= d:
return 0
return 1 + quotient(n-d, d)
print(quotient( 10 , 3))def is_balanced(expression):
stack = []
opening_brackets = {'(', '[', '{'}
closing_brackets = {')', ']', '}'}
bracket_pairs = {'(': ')', '[': ']', '{': '}'}
for char in expression:
if char in opening_brackets:
stack.append(char)
elif char in closing_brackets:
if not stack:
return False # Unmatched closing bracket
top = stack.pop()
if bracket_pairs[top] != char:
return False # Mismatched opening and closing brackets
return not stack # Expression is balanced if stack is empty
# Example usage:
expression1 = "((2 + 3) * [4 - 1])" # Balanced expression
expression2 = "{[2 * (3 + 4)] / (5 - 1)}" # Balanced expression
expression3 = "({[2 + 3] * 4}" # Unbalanced expression
print(is_balanced(expression1)) # Output: True
print(is_balanced(expression2)) # Output: True
print(is_balanced(expression3)) # Output: Falseبا احترام و خوشآمدگویی به شما عزیزان 👋🏻😃
از دوستان گرامی که اشتراک Premium در تلگرام دارند، دعوت میشود که از حمایت خود از کانال ما استفاده کنند و با Boost کردن کانال، از امکانات ویژهای که برای شما عزیزان در اختیار کانال قرار میگیرد، بهرهمند شویم. با این اقدام، بهترین تجربه را برای شما فراهم میکنیم و از حضور گرمتان سپاسگزاریم. با تشکر از حمایت و همراهی شما 🙏
https://t.me/boost/AlgorithmDesign_DataStructuer
براي ادغام لیست هاي مرتب شده...وL1,L2,L3 کدام یک از ساختار داده های زیر(علاوه بر لیست های ورودی) بهترین است؟
معرفی کانال های یوتیوب برای یادگیری ریاضی📝
اگر میخواهید در زمینه هوش مصنوعی کار کنید , باید پایه ریاضی خوبی داشته باشید زیرا بیشتر چیز هایی که در هوش وجود دارد همگی از ریاضی سر رشته گرفته اند برای همین باید ریاضی رو به حدی برسانید که بتوانید ریاضی به کار رفته در هوش مصنوعی را درک کنید.
🌐 ProfRobBob
🌐 3Blue1Brown
🌐 Ghrist Mat
🌐 DataHub
📣👨💻 @AlgorithmDesign_DataStructuer
برخی از ویژگی های پیچیدگی زمانی
📣👨💻 @AlgorithmDesign_DataStructuer
import matplotlib.pyplot as plt
plt.plot([1, 2, 3, 4])
plt.ylabel('some numbers')
plt.show()plt.ylabel('some numbers') برای تعیین برچسب محور y و plt.show() برای نمایش نمودار، نمودار نهایی رسم می شود.
📣👨💻 @AlgorithmDesign_DataStructuerدرک بهتری از Link List 😆😃
📣👨💻 @AlgorithmDesign_DataStructuer
اگر A آرایه ای مرتب از اعداد صحیح 1 الی 1024 باشد ، الگوریتم جستجوی دودیی با چند بار تکرار عدد 4 را پیدا میکند؟
📚کتاب "یادگیری عمیق" به زبان فارسی + کار با Pytorch
📣👨💻 @AlgorithmDesign_DataStructuer
import numpy as np
a = np.array([[0.45053314, 0.17296777, 0.34376245, 0.5510652],
[0.54627315, 0.05093587, 0.40067661, 0.55645993],
[0.12697628, 0.82485143, 0.26590556, 0.56917101]])
# Sum of all elements
print(a.sum())
output = 4.8595784
# Find the minimum value
print(a.min())
output = 0.05093587
# Find the maximum value
print(a.max())
output = 0.82485143
# Find the mean value
print(a.mean())
output = 0.40496518رابطه بازگشتی فیبوناچی یک رابطه همگن می باشد که آن را میتوان به صورت معادله درجه دوم نوشت و پس از به دست آوردن ریشه های آن میتوان اعداد فیبوناچی را با رابطه بسیار ساده تر و کم هزینه تر به دست آورد.
📣👨💻 @AlgorithmDesign_DataStructuer
مرتبه زمانی الگوریتم هاي kruskul و prim براي یافتن درخت پوشاي کمینه یک گراف بـا n راس و e یال به ترتیب از چپ به راست کدام است؟
import numpy as np
A = np.array([[1 , 2] , [3 , 4] , [5 , 6]])
B = np.array([[2 , 1] , [0 , 1] , [3 ,2]])
C = A + B
print("sum of arrays A and B is : ", C)مراحل الگوریتم کروسکال (Kruskal's algorithm)
1️⃣یال ها را به ترتیب صعودی وزن در نظر بگیر.
2️⃣کم وزن ترین یال باقیمانده را به درخت T اضافه کن , مگر آنکه این کار باعث اینجاد دور شود.
🚨به مثال بالا توجه کنید.
📣👨💻 @AlgorithmDesign_DataStructuer
def reverse_sum(n , m):
if n <= 1 or m <= 1:
return 1
return n+m*reverse_sum(n-1 , m // 2)
print(reverse_sum(2 ,3))
output 5به دست آوردن تعداد سیکل های ساده در یک گراف مسطح با الگوریتمی با درجه ......... قابل محاسبه است.
import torch
# Scalar
scalar = torch.tensor(7)
print(scalar)
# Vector
vector = torch.tensor([7 , 4])
print(vector)
# Matrix
matrix = torch.tensor([[7, 10], [4, 3] , [5, 1]])
print(matrix)
# Tensor
tensor = torch.tensor([[[1, 2, 3],
[3, 6, 9],
[2, 4, 5]]])
print(tensor)