دوره دستکاری داده ها در RPA دانشی در مورد متغیرها، آرگومان ها و دستکاری داده ها ارائه می دهد. همچنین شما را با متغیرها و آرگومان ها، انواع آنها و کاربرد آنها در پروژه های اتوماسیون آشنا می کند. در قسمت بعدی دوره، با دستکاری داده ها در استودیو آشنا خواهید شد. همچنین با روش ها و عملیات های مختلف انجام شده بر روی انواع داده های مختلف و کاربرد آنها در پروژه های اتوماسیون آشنا خواهید شد. با تکیه بر هر مفهوم، ویدئوهای نمایشی وجود خواهد داشت که این عملیات و روش ها را توضیح می دهد. این دوره دارای چندین تمرین تمرینی است که به تقویت دانش شما و درک ایجاد گردش کار در استودیو کمک می کند.

یک الگوریتم خوب معمولاً با مجموعه‌ای از ساختارهای داده‌ای خوب همراه می‌شود که به الگوریتم اجازه می‌دهد تا داده‌ها را به طور موثر دستکاری کند. در این دوره آنلاین، ساختارهای داده رایجی را که در مسائل مختلف محاسباتی استفاده می‌شوند، در نظر می‌گیریم. شما یاد خواهید گرفت که چگونه این ساختارهای داده در زبان های برنامه نویسی مختلف پیاده سازی می شوند و پیاده سازی آنها را در تکالیف برنامه نویسی ما تمرین خواهید کرد. این به شما کمک می کند تا بفهمید در داخل یک پیاده سازی داخلی خاص از یک ساختار داده چه می گذرد و چه انتظاراتی از آن دارید. شما همچنین موارد استفاده معمولی را برای این ساختارهای داده یاد خواهید گرفت. چند نمونه از سوالاتی که در این کلاس به آنها می پردازیم به شرح زیر است: 1. یک استراتژی خوب برای تغییر اندازه یک آرایه پویا چیست؟ 2. صف های اولویت دار چگونه در سی پلاس پلاس، جاوا و پایتون پیاده سازی می شوند؟ 3. چگونه جدول هش را پیاده سازی کنیم تا زمان اجرای مستهلک شده تمامی عملیات به طور میانگین O(1) باشد؟ 4. استراتژی های خوبی برای متعادل نگه داشتن درخت باینری چیست؟ شما همچنین خواهید آموخت که چگونه سرویس هایی مانند Dropbox موفق به آپلود برخی از فایل های بزرگ فورا و صرفه جویی در فضای ذخیره سازی زیادی می شوند!