课程描述
时空复杂度分析（big-O notation）是Udemy Academy出版的大O符号算法时空复杂度分析与估计培训课程。算法时间和空间复杂度分析是计算机科学和编程领域最有价值和最赚钱的技能之一，受到了众多工程师和程序员的关注。本课程中介绍的主题分为两个方面：理论和实践。在算法分析领域的所有主题的理论部分，例如符号，输入案例，摊销复杂性分析，各种信息结构的复杂性分析，分析实现算法所需的资源量以及..了解它们和了解它们的概况。
在课程中，讲师将向您介绍外部资源，并在需要时向您推荐书籍和其他可用的教学工具。练习和测试是本培训课程中最重要的部分之一，可以对您的学习过程产生重大影响。
本课程介绍的主题：
- 算法复杂度分析的基本概念
- 熟悉 Big O、big omega 和 big theta 的符号
- 介绍接收数据时的不同场景以及优、中、差场景的类型
- 复杂性等级
- 复杂度类及其不同类型，如 P 和 NP
- 算法时空复杂度分析的不同方法
- 比较算法性能的不同方法
- 摊销复杂性分析
- 搜索算法复杂度分析
- 排序算法复杂度分析
- 递归函数复杂度分析
- 数据结构的主要运算符和运算符的复杂度分析
- 初学者的常见问题和误区
- 熟悉求职面试中的常见问题和问题
您将在时间和空间复杂性分析（大 O 符号）中学到什么
- 不同算法的时空复杂度分析
- 不同算法的比较
- 数据搜索和排序算法分析
- 比较和检查算法的不同方法
- 熟悉数据结构的复杂性和主要运算符
课程规格
出版商：Udemy 讲师：Inside Code 语言：英语水平：初级课程数量：57 课时：7 小时 35 分钟
课程主题
时间和空间复杂度分析（大 O 符号）先决条件
基本的编程知识
图片
时空复杂度分析（big-O notation）介绍视频
媒体错误：格式不受支持或来源未找到
安装指南
在 Extract 之后，用您最喜欢的播放器观看。
英文字幕
画质：720p
声明：本站所有文章，如无特殊说明或标注，均为本站发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
