Coursera – I/O-efficient algorithms 2025-1

در تاریخ: 1403/10/17 0:46:40

توضیحات

I/O-efficient algorithms، دوره آموزش الگوریتم های کارآمد ورودی/خروجی توسط آکادمی Coursera منتشر شده است. الگوریتم‌های کارآمد ورودی/خروجی، که به‌عنوان الگوریتم‌های حافظه خارجی یا الگوریتم‌های حافظه پنهان نیز شناخته می‌شوند، دسته‌ای از الگوریتم‌ها هستند که برای پردازش کارآمد داده‌هایی طراحی شده‌اند که خیلی بزرگ هستند و نمی‌توانند به طور کامل در حافظه اصلی (RAM) رایانه جای بگیرند. این الگوریتم‌ها به‌ویژه هنگام برخورد با مجموعه داده‌های عظیم، مانند مواردی که در پردازش داده‌های بزرگ مقیاس، مدیریت پایگاه داده و سیستم‌های فایل یافت می‌شوند، مفید هستند. زمانی که آیتم داده در سلسله مراتب حافظه بالاتر قرار گیرد، عملیات روی داده گران تر می شود. عملیات روی داده‌ها در ثبات‌های CPU تقریباً یک میلیون بار سریع‌تر از عملیات روی یک آیتم داده است که در حافظه خارجی قرار دارد و ابتدا باید واکشی شود. این واکشی داده ها را عملیات ورودی/خروجی نیز می نامند و باید در طول طراحی الگوریتم مورد توجه قرار گیرند. هدف از این دوره آشنایی با مفاهیم و تکنیک های الگوریتمی مهم مورد نیاز برای مقابله موثر با چنین مسائلی است. ما با یک سلسله مراتب حافظه ساده کار خواهیم کرد، اما مفاهیم به طور طبیعی به مدل های واقعی تر گسترش می یابد. مطالب این دوره بر اساس یادداشت های دوره است که در زیر برگه منابع یافت می شود. ما همه چیز را از یادداشت های دوره پوشش نمی دهیم. یادداشت های دوره هم برای دانش آموزانی که سخنرانی ها را به طور کامل درک نمی کنند و هم برای دانش آموزانی که مایلند عمیق تر در موضوعات غوطه ور شوند وجود دارد.

آنچه خواهید آموخت

طراحی الگوریتم های حافظه پنهان و فراموشی حافظه پنهان
سیاست های جایگزینی
مرتب سازی کارآمد I/O
ساختارهای داده کارآمد ورودی/خروجی

مشخصات دوره I/O-efficient algorithms

ناشر : Coursera
مدرس : Mark de Berg
زبان: انگلیسی
سطح آموزش: تمام سطوح
تعداد دروس: 6
مدت زمان آموزش: 3 هفته با احتساب 3 ساعت کار در هفته

سر فصل های دوره I/O-efficient algorithms

I_O-efficient algorithms

پیش نیاز های دوره

in order to successfully take this course, you should already have a basic knowledge of algorithms and mathematics. Here’s a short list of what you are supposed to know: – O-notation, Ω-notation, Θ-notation; how to analyze algorithms – Basic calculus: manipulating summations, solving recurrences, working with logarithms, etc. – Basic probability theory: events, probability distributions, random variables, expected values etc. – Basic data structures: linked lists, stacks, queues, heaps – (Balanced) binary search trees – Basic sorting algorithms, for example MergeSort, InsertionSort, QuickSort – Graph terminology, representations of graphs (adjacency lists and adjacency matrix), basic graph algorithms (BFS, DFS, topological sort, shortest paths)