در دوره‌های قبلی تخصص آنلاین ما، الگوریتم‌های اولیه را آموخته‌اید، و اکنون آماده هستید تا به حوزه مسائل پیچیده‌تر و الگوریتم‌های حل آنها قدم بگذارید. الگوریتم‌های پیشرفته بر اساس الگوریتم‌های پایه ساخته می‌شوند و از ایده‌های جدید استفاده می‌کنند. ما با جریان‌های شبکه‌ای شروع می‌کنیم که در کاربردهای معمولی‌تر مانند تطابق بهینه، یافتن مسیرهای غیرمتناسب و برنامه‌ریزی پرواز و همچنین موارد شگفت‌انگیزتر مانند تقسیم‌بندی تصویر در بینایی رایانه استفاده می‌شوند. سپس به برنامه‌ریزی خطی با کاربردهایی در بهینه‌سازی تخصیص بودجه، بهینه‌سازی پورتفولیو، یافتن ارزان‌ترین رژیم غذایی که همه نیازها را برآورده می‌کند و بسیاری موارد دیگر ادامه می‌دهیم. در ادامه، مشکلات ذاتاً سختی را که هیچ راه‌حل خوب دقیقی برای آنها شناخته شده نیست (و احتمالاً یافت نمی‌شوند) و چگونگی حل آنها در عمل مورد بحث قرار می‌دهیم. ما با مقدمه ای نرم از الگوریتم های جریانی که به شدت در پردازش داده های بزرگ استفاده می شوند، پایان می دهیم. چنین الگوریتم‌هایی معمولاً به گونه‌ای طراحی می‌شوند که بتوانند مجموعه‌های داده عظیمی را بدون اینکه حتی قادر به ذخیره یک مجموعه داده باشند، پردازش کنند.

دانشمندان کامپیوتر با تجربه، مسائل محاسباتی را در سطحی از انتزاع که فراتر از هر زبان برنامه نویسی خاصی است، تحلیل و حل می کنند. این کلاس دو قسمتی برای آموزش مفاهیم ریاضی و فرآیند "تفکر الگوریتمی" به دانش آموزان طراحی شده است و به آنها امکان می دهد راه حل های ساده تر و کارآمدتری برای مسائل محاسباتی بسازند. در قسمت دوم این دوره به بررسی تکنیک های الگوریتمی پیشرفته مانند برنامه نویسی پویا و تفرقه بینداز می پردازیم. به عنوان بخش مرکزی دوره، دانش‌آموزان چندین الگوریتم را در پایتون پیاده‌سازی می‌کنند که این تکنیک‌ها را در خود جای داده و سپس از این الگوریتم‌ها برای تجزیه و تحلیل دو مجموعه داده بزرگ در دنیای واقعی استفاده می‌کنند. تمرکز اصلی این کارها درک تعامل بین الگوریتم ها و ساختار مجموعه داده هایی است که توسط این الگوریتم ها تجزیه و تحلیل می شوند. هنگامی که دانش‌آموزان این کلاس را کامل کردند، مهارت‌های ریاضی و برنامه‌نویسی برای تجزیه و تحلیل، طراحی و برنامه‌ریزی راه‌حل‌های طیف وسیعی از مسائل محاسباتی را خواهند داشت. در حالی که این کلاس از پایتون به عنوان وسیله انتخابی خود برای تمرین تفکر الگوریتمی استفاده می کند، مفاهیمی که در این کلاس خواهید آموخت فراتر از هر زبان برنامه نویسی خاصی است.

این دوره آنلاین تکنیک‌ها و ایده‌های الگوریتمی پایه را برای مشکلات محاسباتی که اغلب در کاربردهای عملی ایجاد می‌شوند را پوشش می‌دهد: مرتب‌سازی و جستجو، تقسیم و غلبه، الگوریتم‌های حریصانه، برنامه‌نویسی پویا. ما تئوری های زیادی را یاد خواهیم گرفت: چگونه داده ها را مرتب کنیم و چگونه به جستجو کمک می کند. چگونه یک مسئله بزرگ را به قطعات تقسیم کنیم و آنها را به صورت بازگشتی حل کنیم. وقتی منطقی است که حریصانه پیش برویم. نحوه استفاده از برنامه نویسی پویا در مطالعات ژنومی حل مسائل محاسباتی، طراحی الگوریتم‌های جدید و پیاده‌سازی راه‌حل‌ها را به‌طور کارآمد تمرین خواهید کرد (به طوری که در کمتر از یک ثانیه اجرا شوند).

داشتن تصویر واضح تر از برنامه نویسی پویا (DP) می تواند کدنویسی شما را به سطح بالاتری برساند. این تکنیکی است که حل ماهرانه مسائل دشوار را ممکن می کند، به همین دلیل است که در مصاحبه ها مطرح می شود و در برنامه هایی مانند یادگیری ماشین استفاده می شود. در این دوره آموزشی، در مورد کاربردهای DP، چگونگی تعیین اینکه چه زمانی یک تاکتیک مناسب است، چگونه الگوریتم های کارآمد و به راحتی قابل درک را تولید می کند، و نحوه استفاده از آن در برنامه های کاربردی دنیای واقعی را بیاموزید. رویکردهای مختلف برای محاسبه دنباله فیبوناچی را با هم مقایسه کنید و یاد بگیرید که چگونه مسئله را به عنوان یک گراف غیر چرخه ای جهت دار تجسم کنید. تغییرات مختلف DP را که احتمالاً با انجام یک سری چالش‌های پیچیده‌تر روبه‌رو می‌شوید، کاوش کنید. به علاوه، یک برنامه تغییر اندازه تصویر آگاه از محتوا با این مفاهیم جدید در هسته خود بسازید.