Алгоритмы и структуры данных (syllabus)

Учебная группа, работающая с курсом Алгоритмы и структуры данных данных в в 2022 году

Цель, результаты освоения дисциплины

В результате освоения дисциплины слушатель должен:

Знать

Основные понятия, связанные с миром алгоритмов и структур данных См. Категория:Понятия

Уметь

пользоваться различными пространствами, волшебными словами и командами языка ask# внутри Semantic MediaWiki

уметь использовать различные типы данных внутри Semantic MediaWiki

уметь использовать визуальные блоки Scratch и Snap! на вики-страницах для представления алгоритмов

представлять программы в виде псевдокода и

планировать процесс реализации алгоритма при помощи псевдокода и диаграмм - Категория:Diagrams

см. данные См. Категория:Dataset

использовать язык dgl и mermaid встраивать диаграммы алгоритмов в вики страницы см. Graphviz + Категория:Diagrams - Taxonomic_sandbox

организовать совместную деятельность на основе студий Scratch и галерей Smap!

создавать функции с использованием различных типов данных

использовать рекурсию при создании собственных функций

сравнивать и оценивать эффективность алгоритмов

Как организовать хранилище алгоритмов Как использовать лямбда исчисления и объекты первого класса

Содержание разделов дисциплины:

Сравнение эффективности алгоритмов

• Временная сложность алгоритма

Структуры данных

Получение данных Список случайных чисел из %сколько от %min до %max

Литература

Дополнительная литература

https://snap.berkeley.edu/snap/help/SnapManual.pdf

Образовательный результат	Тема	Задание	Пример
Знает особенности типов и источников данных	Примеры источников данных	Найти, оформить, вырастить данные для дальнейшего анализа	В категории статей о датасетах Category:Dataset
планировать процесс обработки, визуализации, анализа и интерпретации данных при помощи UML	Планирование операций над данными	Создать схему цикла работы с данными	Пример Category:Diagrams Диаграмма_профиля_компетенций Диаграмма формирования компетентного профиля Диаграмма Ганта
Умеет использовать сетевые сервисы для экспресс-анализа и интерпретации данных	Сетевые сервисы визуализации	Использовать экспресс-методы	RowGraph, CODAP - примеры использования
Обработать и очистить данные	Обработка, очистка	Подготовить и видоизменить данные	Примеры видоизменения данных в Snap!, R, Python
Операции статистического анализа	Статистический анализ и интерпретация данных	Операции над собственным датасетом	Готовые датасеты Category:Dataset
Подготовка выполняемой публикации	Экспорт результатов	Операции над собственным датасетом	Выполняемая публикация

---