Ist finanzielle Hilfe verfügbar?

Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie die Einschreibegebühr nicht aufbringen können. Wenn für das von Ihnen gewählte Lernprogramm eine finanzielle Unterstützung oder ein Stipendium verfügbar ist, finden Sie auf der Beschreibungsseite einen Link zur Beantragung.

Dynamische Programmierung, Greedy-Algorithmen

Zum Labor Day gibt es bei Coursera Plus Rabatte von über 70 $. Sparen Sie 3 Monate lang 40 %.

Dynamische Programmierung, Greedy-Algorithmen

Dieser Kurs ist Teil von Spezialisierung „Grundlagen von Datenstrukturen und Algorithmen“

Dozent: Sriram Sankaranarayanan

42.260 bereits angemeldet

Bei Mehr erfahren enthalten

Fragen Sie Coursera

4 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

274 Bewertungen

87 Prozent der Lernenden fanden diesen Kurs gut

Stufe Fortgeschritten

Empfohlene Erfahrung

Flexibler Zeitplan

4 Wochen bei 10 Stunden eine Woche

In Ihrem eigenen Lerntempo lernen

Auf einen Abschluss hinarbeiten

Mehr erfahren

4 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

274 Bewertungen

87 Prozent der Lernenden fanden diesen Kurs gut

Stufe Fortgeschritten

Empfohlene Erfahrung

Flexibler Zeitplan

4 Wochen bei 10 Stunden eine Woche

In Ihrem eigenen Lerntempo lernen

Auf einen Abschluss hinarbeiten

Mehr erfahren

Was Sie lernen werden

Beschreiben Sie grundlegende Techniken für den Entwurf von Algorithmen
Erstellen Sie Divide-and-Conquer-, dynamische Programmier- und Gieralgorithmen
Verstehen Sie unlösbare Probleme, P vs. NP und die Verwendung von Integer-Programmierern, um einige dieser Probleme zu lösen

Kompetenzen, die Sie erwerben

Kategorie: Quantencomputer
Kategorie: Daten-Strukturen
Kategorie: Angewandte Mathematik
Kategorie: Algorithmen
Kategorie: Theoretische Informatik
Kategorie: Analyse
Kategorie: Computational Thinking
Kategorie: Design-Strategien

Werkzeuge, die Sie lernen werden

Kategorie: Python-Programmierung

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

18 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung „Grundlagen von Datenstrukturen und Algorithmen“

Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.

Lernen Sie neue Konzepte von Branchenexperten
Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
Erwerben Sie ein Berufszertifikat zur Vorlage

In diesem Kurs gibt es 4 Module

Dieser Kurs behandelt grundlegende Algorithmusentwurfstechniken wie Divide and Conquer, dynamische Programmierung und gierige Algorithmen. Er schließt mit einer kurzen Einführung in die Intractability (NP-Vollständigkeit) und die Verwendung von Solvern der linearen/ganzzahligen Programmierung zur Lösung von Optimierungsproblemen ab. Wir werden auch einige fortgeschrittene Themen im Bereich der Datenstrukturen behandeln. Dieser Kurs kann im Rahmen der von der CU Boulder auf der Coursera-Plattform angebotenen Studiengänge MS in Data Science oder MS in Computer Science angerechnet werden. Diese vollständig akkreditierten Studiengänge bieten gezielte Kurse, kurze 8-wöchige Sitzungen und kostenpflichtige Studiengebühren. Die Zulassung basiert auf den Leistungen in drei Vorkursen, nicht auf dem akademischen Werdegang. Die CU-Abschlüsse auf Coursera sind ideal für Hochschulabsolventen und Berufstätige. Erfahren Sie mehr:

Wir werden uns formal mit Divide-and-Conquer-Algorithmen als Entwurfsschema befassen und uns einige Divide-and-Conquer-Algorithmen ansehen, denen wir in der Vergangenheit begegnet sind. Wir werden einige Divide-and-Conquer-Algorithmen für die Integer-Multiplikation (Karatsuba-Algorithmus), die Matrix-Multiplikation (Strassen-Algorithmus), schnelle Fourier-Transformationen (FFTs) und die Suche nach dem nächstgelegenen Punktpaar kennenlernen.

Das ist alles enthalten

9 Videos16 Lektüren6 Aufgaben1 Programmieraufgabe1 Diskussionsthema

9 VideosInsgesamt 231 Minuten

Was sind Divide-and-Conquer-Algorithmen?8 Minuten
Max Subarray Problem mit Divide and Conquer24 Minuten
Karatsubas Multiplikationsalgorithmus40 Minuten
Master Method Revisited28 Minuten
FFT Teil 1: Einführung und Komplexe Zahlen48 Minuten
FFT Teil 2: Definition und Interpretation von diskreten Fourier-Transformationen35 Minuten
FFT Teil 3: Teilen und Erobern Algorithmus für FFT22 Minuten
Anwendung Nr. 1: Schnelle Polynom-Multiplikation mit FFT9 Minuten
Anwendung Nr. 2: Datenanalyse mit FFT18 Minuten

16 LektürenInsgesamt 146 Minuten

Kursaktualisierungen und Unterstützung bei der Barrierefreiheit1 Minute
Verdienen Sie akademische Anerkennung für Ihre Arbeit!10 Minuten
Kurs-Unterstützung10 Minuten
Erwartungen an die Bewertung5 Minuten
AI-Zitat und Danksagung10 Minuten
Lesen: Wichtige Voraussetzungen10 Minuten
Logistik: Lehrbuch und Lektüre10 Minuten
Wichtige Informationen zur Specialization10 Minuten
Überblick über Modul 110 Minuten
CLRS Kapitel 410 Minuten
CLRS Kapitel 4.110 Minuten
Jupyter Notebook zu Karatsubas Algorithmus10 Minuten
CLRS-Kapitel 4.3 - 4.510 Minuten
Grundlagen der Komplexen Zahlen10 Minuten
Fourier-Transformationen10 Minuten
Schnelle Fourier-Transformation10 Minuten

6 AufgabenInsgesamt 155 Minuten

KI-Politik-Quiz5 Minuten
Max Subarray Problem30 Minuten
Karatsubas Multiplikationsalgorithmus30 Minuten
Meister-Methode30 Minuten
Komplexe Zahlen und Einheitswurzeln30 Minuten
FFT-Algorithmus und Anwendungen30 Minuten

1 ProgrammieraufgabeInsgesamt 180 Minuten

Aufgabenstellung 1180 Minuten

1 DiskussionsthemaInsgesamt 10 Minuten

Stellen Sie sich vor!10 Minuten

In diesem Modul lernen Sie die dynamische Programmierung als Entwurfsprinzip für Algorithmen kennen. Wir werden Ihnen Schritt für Schritt zeigen, wie Sie ein Problem als dynamisches Programm formulieren und diese Probleme mit Hilfe der Memoisierung lösen können. Wir behandeln die dynamische Programmierung zum Finden der längsten gemeinsamen Teilsequenzen, das Knapsack-Problem und einige interessante Anwendungen der dynamischen Programmierung.

Das ist alles enthalten

6 Videos6 Lektüren5 Aufgaben1 Programmieraufgabe

6 VideosInsgesamt 132 Minuten

Einführung in die Dynamische Programmierung + Rod Cutting Problem31 Minuten
Rod Cutting Problem: Memoisierung24 Minuten
Problem mit dem Münzwechsel12 Minuten
Knapsack-Problem29 Minuten
Wenn der optimale Unterbau scheitert10 Minuten
Dynamische Programmierung: Längste gemeinsame Folge (Longest Common Subsequence)25 Minuten

6 LektürenInsgesamt 60 Minuten

Überblick über Modul 210 Minuten
Problem beim Schneiden von Stäben10 Minuten
Memoisierung10 Minuten
Problem mit dem Münzwechsel10 Minuten
Jupyter Notebook10 Minuten
CLRS Kapitel 15.410 Minuten

5 AufgabenInsgesamt 150 Minuten

Memoisierung30 Minuten
Problem mit dem Münzwechsel30 Minuten
Knapsack-Problem30 Minuten
Längste gemeinsame Folge30 Minuten
Problem des Stabschneidens und Wiederholung30 Minuten

1 ProgrammieraufgabeInsgesamt 180 Minuten

Aufgabenstellung 2180 Minuten

In diesem Modul werden wir etwas über gierige Algorithmen lernen. Wir werden die grundlegenden Designprinzipien für gierige Algorithmen verstehen und einige Algorithmen für gieriges Scheduling und Huffman-Codes kennenlernen. Wir werden auch einige interessante Fälle kennenlernen, in denen die Gier eine garantierte Annäherung an die tatsächliche Lösung darstellt.

Das ist alles enthalten

5 Videos4 Lektüren3 Aufgaben1 Programmieraufgabe

5 VideosInsgesamt 103 Minuten

Einführung in Greedy-Algorithmen20 Minuten
Gierige Intervallplanung23 Minuten
Präfix-Codes30 Minuten
Huffman-Codes11 Minuten
Huffman-Codes: Beweis der Optimalität17 Minuten

4 LektürenInsgesamt 40 Minuten

Überblick über Modul 310 Minuten
CLRS Kapitel 1610 Minuten
CLRS-Kapitel 16.1 und 16.210 Minuten
CLRS Kapitel 16.310 Minuten

3 AufgabenInsgesamt 90 Minuten

Huffman-Codes30 Minuten
Gierige Algorithmen30 Minuten
Gierige Intervallplanung30 Minuten

1 ProgrammieraufgabeInsgesamt 180 Minuten

Aufgabenstellung 3180 Minuten

P vs NP, Beispiele wie das Travelling Salesperson Problem, Vertex Cover, 3-Coloring und andere; Ganzzahlige lineare Programmierung und Übersetzen von Problemen in ganzzahlige Programmierung.

Das ist alles enthalten

9 Videos5 Lektüren4 Aufgaben1 Programmieraufgabe

9 VideosInsgesamt 289 Minuten

Entscheidungsprobleme und Sprachen37 Minuten
Polynomielle Zeitprobleme29 Minuten
NP Definition29 Minuten
NP-Vollständigkeit und Reduktionen37 Minuten
NP Vollständige Probleme: Beispiele25 Minuten
Berechnung und Physik30 Minuten
Qubits und Operationen37 Minuten
Bellsche Ungleichheit22 Minuten
Grover's Suchalgorithmus43 Minuten

5 LektürenInsgesamt 50 Minuten

Überblick über Modul 410 Minuten
CLRS Kapitel 3410 Minuten
CLRS Kapitel 34.110 Minuten
CLRS Kapitel 34.2 und 34.310 Minuten
CLRS Kapitel 34.510 Minuten

4 AufgabenInsgesamt 120 Minuten

Entscheidungsprobleme und Sprachen30 Minuten
Polynomielle Zeit und Zertifikate30 Minuten
NP-Vollständigkeitsprobleme30 Minuten
NP Vollständigkeitsreduzierungen30 Minuten

1 ProgrammieraufgabeInsgesamt 180 Minuten

Aufgabenstellung 4180 Minuten

Erwerben Sie ein Karrierezertifikat.

Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.

Auf einen Abschluss hinarbeiten

Dieses Kurs ist Teil des/der folgenden Studiengangs/Studiengänge, die von University of Colorado Boulderangeboten werden. Wenn Sie zugelassen werden und sich immatrikulieren, können Ihre abgeschlossenen Kurse auf Ihren Studienabschluss angerechnet werden und Ihre Fortschritte können mit Ihnen übertragen werden.¹

Dozent

Lehrkraftbewertungen

(67 Bewertungen)

Sriram Sankaranarayanan

University of Colorado Boulder

5 Kurse105.343 Lernende

von

University of Colorado Boulder

Mehr von Algorithmen entdecken

Status: Kostenloser Testzeitraum
University of Colorado Boulder
Approximation Algorithms and Linear Programming
Kurs
Status: Kostenloser Testzeitraum
Packt
Advanced Algorithms and Problem-Solving Techniques
Kurs
Status: Kostenloser Testzeitraum
University of Colorado Boulder
Foundations of Data Structures and Algorithms
Spezialisierung
Status: Kostenloser Testzeitraum
Stanford Online
Greedy Algorithms, Minimum Spanning Trees, and Dynamic Programming
Kurs

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Lernender seit 2018

„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“

Jennifer J.

Lernender seit 2020

„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“

Larry W.

Lernender seit 2021

„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“

Chaitanya A.

„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden

5 stars
78,10 %
4 stars
15,69 %
3 stars
2,18 %
2 stars
1,45 %
1 star
2,55 %

Zeigt 3 von 274 an

Geprüft am 5. Apr. 2024

Amazing opportunity to learn! A Stanford graduate as a professor, OMG! Super bright!

Geprüft am 6. Dez. 2022

This course save me time on learning the dynamic programming. I really love the 4-steps to construct the dynamic programming. It gives me the guideline when designing DP solution.

Geprüft am 9. Juli 2023

Clear and helpful instructions but the last assignment is so hard.

Weitere Bewertungen anzeigen

Nutzen Sie mit unserem Labor-Day-Angebot mehr als 10.000 Programme
Get Coursera Plus
Beginnen Sie mit einfachen Einsparungsmöglichkeiten für hart arbeitende Teams
Save 30% today

Häufig gestellte Fragen

Ein Cross-Listed-Kurs wird unter zwei oder mehr CU Boulder-Studiengängen auf Coursera angeboten. Zum Beispiel wird Dynamic Programming, Greedy Algorithms sowohl als CSCA 5414 für den MS-CS als auch als DTSA 5503 für den MS-DS angeboten.

- Sie können nicht für mehr als eine Version eines überkreuzten Kurses Punkte sammeln.

- Sie können im Studentenhandbuch Ihres Studiengangs nachsehen, ob es sich um einen Cross-Listed-Kurs handelt.

- Ihr Zeugnis wird davon betroffen sein. Überschneidende Kurse werden bei der Bewertung der Abschlussanforderungen als gleichwertig betrachtet. Wir empfehlen Ihnen jedoch, die von Ihrem Studiengang angebotenen Kurse zu belegen (sofern verfügbar), um sicherzustellen, dass Ihr CU-Zeugnis den erheblichen Umfang der Kursarbeit widerspiegelt, die Sie direkt in Ihrem Heimatfachbereich absolvieren. Alle Kurse, die Sie in einem anderen Studiengang absolvieren, werden auf Ihrem CU-Zeugnis mit dem Kurspräfix des betreffenden Studiengangs aufgeführt (z.B. DTSA vs. CSCA).

- Die Programme können unterschiedliche Mindestanforderungen für die Zulassung und den Abschluss haben. Der MS-DS erfordert zum Beispiel ein C oder besser in allen Kursen für den Abschluss (und ein 3,0 Pathway GPA für die Zulassung), während der MS-CS ein B oder besser in allen Breitenkursen und ein C oder besser in allen Wahlkursen für den Abschluss erfordert (und ein B oder besser in jedem Pathway-Kurs für die Zulassung). Alle Programme verlangen, dass die Studenten für die Zulassung und den Abschluss einen kumulativen GPA von 3,0 erreichen.

Ja. Überkreuzte Kurse werden bei der Bewertung der Abschlussanforderungen als gleichwertig betrachtet. Sie können im Studentenhandbuch Ihres Studiengangs nachsehen, welche Kurse auf der Liste stehen.

Sie können während jeder offenen Einschreibungsperiode ein Upgrade durchführen und die Studiengebühren bezahlen, um eine Anrechnung für << diesen Kurs / diese Kurse in dieser Specialization>> auf Graduate-Ebene der CU Boulder zu erhalten. Da << dieser Kurs / diese Kurse >> sowohl im MS in Computer Science als auch im MS in Data Science Programm aufgelistet sind, müssen Sie vor dem Upgrade festlegen, für welches Programm Sie die Credits erwerben möchten.

MS in Data Science (MS-DS) Credit: Um ein Upgrade auf die anrechenbare Data Science (DTSA)-Version von << diesem Kurs / diesen Kursen >> durchzuführen, verwenden Sie das MS-DS-Anmeldeformular. Siehe Wie es funktioniert.

MS in Computer Science (MS-CS) Credit : Um auf die anrechenbare Computer Science (CSCA) Version von << diesem Kurs / diesen Kursen >> umzusteigen, verwenden Sie das MS-CS Anmeldeformular. Siehe Wie es funktioniert.

Wenn Sie sich nicht sicher sind, welches Programm für Sie am besten geeignet ist, sehen Sie sich die Websites der MS-CS und MS-DS Programme an und kontaktieren Sie datascience@colorado.edu oder mscscoursera-info@colorado.edu, wenn Sie noch Fragen haben.

Um auf Kursmaterialien und Aufgaben zugreifen zu können und ein Zertifikat zu erwerben, müssen Sie bei der Anmeldung zu einem Kurs die Option „Zertifikat“ erwerben. Berechtigte Lernende haben möglicherweise auch die Möglichkeit, mit einer kostenlosen Testphase zu beginnen. Bei einigen Kursen wird möglicherweise auch die Option „Vollständiger Kurs, kein Zertifikat“ angeboten. Damit haben Sie Zugriff auf die Kursmaterialien, können die erforderlichen Prüfungen einreichen und erhalten eine Abschlussnote, können jedoch kein Zertifikat erwerben oder erhalten.

Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Spezialisierung, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Seite "Leistungen" hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder Ihrem LinkedIn-Profil hinzufügen.