fbpx

Python 中的演算法問題

從回溯( backtracking )到動態規劃( dynamic programming )如數獨( Sudoku )、背包( Knapsack )問題的基本演算法學起。

動態規劃(dynamic programming)是運籌學的一個分支,是求解決策過程 ( decision process )最優化的數學方法。20世紀50年代初美國數學家 R.E.Bellman 等人在研究多階段決策過程 ( multistep decision process ) 的優化問題時,提出了著名的最優化原理 ( principle of optimality ) ,把多階段過程轉化為一系列單階段問題逐個求解,創立瞭解決這類過程優化問題的新方法——動態規劃。(本段敘述源於 MBAlib )

課程介紹:English 简中

從這 5.5 小時的課程,你會學到

  • 理解回溯
  • 理解動態規劃 ( dynamic programming )
  • 從頭開始解決問題
  • 從頭開始實現前饋神經網路( feedforward neural networks )

要求

課程說明

本課程是關於演算法問題的基本概念,著重於回溯( backtracking )和動態規劃( dynamic programming) 。 就我而言,這些技術在今天是非常重要的,演算法可以在從軟體工程到投資銀行或者研發等許多領域使用(並且有一些應用程式)。

在每一部分,我們將討論所有這些演算法的理論背景,然後我們將一起實現這些問題。

第一章是關於回溯( backtracking )問題: 我們將討論 N-queens 問題或漢米頓迴路( hamiltonian cycles  )與著色( coloring )問題。 在第二章中,我們將討論動態規劃( dynamic programming ),首先是理論,然後具體的例子一個接一個: 斐波納契序列( fibonacci sequence )問題和背包( knapsack )問題。

目標受眾

這門課程主要是為那些不熟悉演算法問題的學生或者想進修者設計

講師簡介

Holczer Balazs  軟體工程師

嗨! 我的名字是 Balazs Holczer。 我來自匈牙利的布達佩斯。 我有物理學家資格。 目前我在一家跨國公司做模擬工程師。 我對演算法和資料結構及其實現一直很感興趣,尤其是在 Java 上。 後來我熟悉了機器學習技術、人工智慧、數值方法和方劑如解微分方程、線性代數、內插(  interpolation )和外插(  extrapolation )。 在軟體工程、研發或投資銀行等領域,這些事情可能被證明是非常、非常重要的。 我特別喜歡定量模型( quantitative models ),比如 Black-Scholes 模型或 Merton 模型。

如果你對這些話題感興趣,可以看看我的網站並加 email 訂閱!

英文字幕:有

  • 想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To

報名參加課程

Sponsored by Udemy

也許你會有興趣

 學習資訊不漏接-歡迎使用 App 訂閱發文通知 

發表迴響

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: