Struktury danych z przymrużeniem oka. Zabawna przygoda z przykładami pachnącymi kawą - Odbiór w księgarni 0 zł | 10,99 zł wysyłka lub BEZPŁATNIE przy Nowy Dwór Mazowiecki

O strukturach danych można myśleć jako o konstruktach do organizowania i zapisywania danych. Zrozumienie, czym są, jak je tworzyć i do czego się przydają, jest jednym z fundamentów programowania. Bez tego nie można pisać efektywnego i skalowalnego kodu. Jednak dla wielu osób opanowanie struktur danych stanowi poważne wyzwanie. Dzięki tej książce ta trudna sztuka musi Ci się udać! Znajdziesz tu gruntowne, a przy tym zabawne wprowadzenie do tworzenia i używania struktur danych. Naukę oprzesz na przejrzystych schematach i dowcipnych porównaniach, aby już wkrótce móc tworzyć wydajniejszy i elastyczny kod. Nieistotne, jakim językiem programowania się posługujesz - podczas lektury zaimplementujesz za pomocą pseudokodu kilkanaście głównych struktur danych, w tym stosy, filtry Blooma, drzewa czwórkowe i grafy. Fantazyjne przykłady ułatwią Ci intuicyjne posługiwanie się tymi strukturami danych. Dowiesz się, jak indeksować przedmioty kolekcjonerskie, optymalizować wyszukiwanie za pomocą latającej wiewiórki, a nawet jak znaleźć najbliższy kubek kawy! Z tą książką nauczysz się: znajdować równowagę między szybkością, elastycznością i zużyciem pamięci projektować struktury danych, które dynamicznie rosną lub maleją łączyć proste struktury danych, by przeprowadzać zaawansowane operacje znajdować i uzyskiwać dane w tabelach z haszowaniem przyspieszać wyszukiwanie za pomocą binarnych drzew poszukiwań poprawiać wydajność poszukiwań przy użyciu B-drzew Nalej sobie kawy i wyjdź poza standardowe podejścia! Spis treści: O autorze Podziękowania Wstęp Dla kogo jest ta książka? Bez konkretnego języka programowania Analogie i parzenie kawy Jak korzystać z tej książki? 1. Informacje w pamięci Zmienne Złożone struktury danych Tablice Sortowanie przez wstawianie Łańcuchy znaków Dlaczego to takie ważne? 2. Wyszukiwanie binarne Problem Przeszukiwanie liniowe Algorytm wyszukiwania binarnego Nieobecne wartości Implementacja wyszukiwania binarnego Przystosowanie wyszukiwania binarnego Czas wykonywania się algorytmu Dlaczego to takie ważne? 3. Dynamiczne struktury danych Ograniczenia tablic Wskaźniki i referencje Listy Działania na listach Wstawianie do listy Usuwanie z listy Listy dwukierunkowe Tablice i listy Dlaczego to takie ważne? 4. Stosy i kolejki Stosy Stosy jako tablice Stosy jako listy Kolejki Kolejki jako tablice Kolejki jako listy Znaczenie kolejności Przeszukiwanie w głąb Przeszukiwanie wszerz Dlaczego to takie ważne? 5. Binarne drzewa poszukiwań Budowa binarnego drzewa poszukiwań Wyszukiwanie w binarnych drzewach poszukiwań Wyszukiwania iteracyjne i rekurencyjne Wyszukiwanie w drzewach a wyszukiwanie w posortowanych tablicach Wprowadzanie zmian w binarnych drzewach poszukiwań Dodawanie węzłów Usuwanie węzłów Zagrożenia związane z niewyważonymi drzewami Rozbudowana struktura binarnego drzewa poszukiwań Dlaczego to takie ważne? 6. Drzewa trie oraz przystosowywanie struktury danych Binarne drzewa poszukiwań z łańcuchami znaków Łańcuchy znaków w drzewach Koszt porównywania łańcuchów znaków Drzewa trie Wyszukiwanie w drzewach trie Dodawanie i usuwanie węzłów Dlaczego to takie ważne? 7. Kolejki priorytetowe i kopce Kolejki priorytetowe Kopce typu max Dodawanie elementów do kopca Usuwanie z kopca elementów o najwyższym priorytecie Zapisywanie dodatkowych informacji Aktualizowanie priorytetów Kopce typu min Sortowanie przez kopcowanie Dlaczego to takie ważne? 8. Siatki Wprowadzenie do wyszukiwania najbliższego sąsiada Wyszukiwanie najbliższego sąsiada za pomocą przeszukiwania liniowego Wyszukiwanie danych przestrzennych Siatki Struktura siatki Budowanie siatek i wstawianie punktów Usuwanie punktów Przeszukiwanie siatek Odrzucanie pojemników Przeszukiwanie liniowe pojemników Wyszukiwanie zwiększające zasięg Uproszczone wyszukiwanie zwiększające zasięg Istota rozmiaru siatki Więcej niż dwa wymiary Poza danymi przestrzennymi Dlaczego to takie ważne? 9. Drzewa przestrzenne Drzewa czwórkowe Budowa jednolitych drzew czwórkowych Dodawanie punktów Usuwanie punktów Przeszukiwanie jednolitych drzew czwórkowych Kod wyszukiwania najbliższego sąsiada Drzewa kd Struktura drzewa kd Węższe ograniczenia przestrzenne Tworzenie drzew kd Działania na drzewach kd Dlaczego to takie ważne? 10. Tablice z haszowaniem Przechowywanie i wyszukiwanie z użyciem kluczy Tablice haszujące Kolizje Metoda łańcuchowa Próbkowanie liniowe Funkcje skrótu Obsługa kluczy nieliczbowych Przykładowy przypadek użycia Dlaczego to takie ważne? 11. Pamięć podręczna Wprowadzenie do pamięci podręcznej Eksmisja LRU a pamięć podręczna Tworzenie pamięci podręcznej typu LRU Aktualizowanie znacznika ostatniego użycia Inne strategie eksmitowania Dlaczego to takie ważne? 12. B-drzewa Struktura B-drzewa Przeszukiwanie B-drzew Dodawanie kluczy Algorytm wstawiający Przykłady dodawania kluczy Usuwanie klucza Naprawa niedostatecznie wypełnionych węzłów Szukanie klucza o najmniejszej wartości Algorytm usuwania Przykłady usuwania kluczy Dlaczego to takie ważne? 13. Filtry Blooma Wprowadzenie do filtrów Blooma Tablice haszujące ze wskaźnikami Filtr Blooma Kod dla filtru Blooma Dobieranie parametrów filtru Blooma Filtry Blooma a tabele z haszowaniem Dlaczego to takie ważne? 14. Listy z przeskokami Deterministyczne a losowe struktury danych Wprowadzenie do listy z przeskokami Przeszukiwanie list z przeskokami Dodawanie węzłów Usuwanie węzłów Czas działania Dlaczego to takie ważne? 15. Grafy Wprowadzenie do grafów Reprezentacja grafów Przeszukiwanie grafów Szukanie najkrótszej ścieżki za pomocą algorytmu Dijkstry Szukanie minimalnych drzew rozpinających za pomocą algorytmu Prima Sortowanie topologiczne za pomocą algorytmu Kahna Dlaczego to takie ważne? Zakończenie Jaki wpływ ma struktura danych? Czy potrzebujemy dynamicznych struktur danych? Jaki jest koszt amortyzacji? Jak możemy przystosować strukturę danych do określonego problemu? Jaki jest związek między pamięcią a czasem działania? Jak możemy ulepszyć naszą strukturę danych? Jak losowość wpływa na spodziewane działanie? Dlaczego to takie ważne? O autorze: Dr Jeremy Kubica specjalizuje się w rozwijaniu sztucznej inteligencji i uczenia maszynowego. Na Carnegie Mellon University tworzył algorytmy wykrywające zabójcze asteroidy (niewykluczone, że w przyszłości zajmie się badaniami nad powstrzymywaniem asteroid). Jest autorem wielu książek wprowadzających do informatyki, między innymi Komputerowego detektywa (Helion, 2022).