Sortowanie
Źródło opisu
Książki
(21)
ebookpoint BIBLIO
(11)
IBUK Libra
(2)
Forma i typ
Książki
(19)
E-booki
(13)
Publikacje fachowe
(7)
Publikacje dydaktyczne
(4)
Czasopisma
(2)
Publikacje naukowe
(1)
Dostępność
dostępne
(17)
tylko na miejscu
(10)
Placówka
Wypożyczalnia
(17)
Czytelnia
(10)
Autor
Bąbol Krzysztof
(3)
Borski Maciej (1975- )
(2)
Dörre-Kolasa Dominika
(2)
Grażyński Andrzej
(2)
Gutowski Maksymilian
(2)
Rutkowski Leszek
(2)
Walczak Tomasz
(2)
Adamus Rafał
(1)
Ahmad Imran (1977- )
(1)
Anggoro Wisnu
(1)
Antonów Kamil
(1)
Bakalarz Tomasz
(1)
Banachowski Lech
(1)
Baran Krzysztof Wojciech
(1)
Baran-Wesołowska Beata
(1)
Barut Arkadiusz (1974- )
(1)
Bertaccini Massimo
(1)
Bhargava Aditya Y
(1)
Bogusławska Katarzyna
(1)
Bomba Katarzyna
(1)
Borowska Anna
(1)
Bosak-Sojka Maria
(1)
Bąba Michał
(1)
Ciosk Kinga
(1)
Cormen Thomas H
(1)
Cutajar James
(1)
Czechowski Marcin
(1)
Czerniak-Swędzioł Justyna
(1)
Czerwińska-Koral Katarzyna
(1)
Dańko Wiktor
(1)
Diks Krzysztof
(1)
Diks Krzysztof (1956- )
(1)
Downey Allen B
(1)
Duraj Tomasz
(1)
Fleszer Dorota (1971- )
(1)
Freeman Eric
(1)
Gaczkowski Piotr
(1)
Gibiec Emilia
(1)
Gibiec-Śledzińska Małgorzata
(1)
Giedrowicz-Niewińska Aneta
(1)
Gołyszyn Dariusz
(1)
Grześków Małgorzata
(1)
Gurdek Magdalena (1977- )
(1)
Górczyński Robert
(1)
Heineman George T
(1)
Hurbans Rishal
(1)
Jaronicki Adam
(1)
Jęcek Zuzanna
(1)
Kalinowska Alina
(1)
Kamiński Filip
(1)
Kierzkowski Zbigniew
(1)
Klus-Stańska Dorota
(1)
Konieczny Marcin
(1)
Kopczyński Tomasz
(1)
Krasuń Aneta
(1)
Kuba Magdalena
(1)
Kucharski Adam
(1)
Kucharski Olgierd
(1)
Kumor-Jezierska Ewelina
(1)
Kurp Feliks
(1)
Lach Daniel Eryk
(1)
Latos-Miłkowska Monika
(1)
Leiserson Charles E
(1)
Lekston Mariusz (1975- )
(1)
Lis Artur
(1)
Maggi-Germain Nicole
(1)
Majchrowska Elżbieta
(1)
Majewska Patrycja
(1)
Majewski Kamil
(1)
Malinowski Adam
(1)
Maroń Anna
(1)
Martin Robert C
(1)
Matuszak Michał
(1)
Matyjas-Łysakowska Paulina
(1)
Małecka Elżbieta (1965- )
(1)
Małysa Krzysztof
(1)
Mitas Andrzej W
(1)
Moras-Olaś Kinga
(1)
Myl Małgorzata
(1)
Mędrala Małgorzata
(1)
Natingga Dávid
(1)
Norvig Peter
(1)
Ostrowski Adrian
(1)
Paśnik Jerzy
(1)
Pirjanowicz Wincenty
(1)
Piwko Łukasz
(1)
Pochopień-Belka Sabina
(1)
Pollice Gary
(1)
Pudło-Jaremek Anna
(1)
Płoski Zdzisław
(1)
Radecka Ewa
(1)
Ray Archana Tikayat
(1)
Rivest Ronald L
(1)
Roszkowska Daria
(1)
Russell Stuart
(1)
Rytter Wojciech
(1)
Rytter Wojciech (1948- )
(1)
Sakowska-Baryła Marlena
(1)
Sanetra Walerian (1943- )
(1)
Sedgewick Robert (1946- )
(1)
Rok wydania
2020 - 2024
(14)
2010 - 2019
(13)
2000 - 2009
(7)
Okres powstania dzieła
2001-
(9)
Kraj wydania
Polska
(34)
Język
polski
(34)
Temat
Algorytmy
(19)
Programowanie (informatyka)
(6)
Sieci neuronowe
(4)
Inteligencja sztuczna
(3)
Struktury danych
(3)
COVID-19
(2)
Informacja dla zarządzania
(2)
Informatyka
(2)
Java (język programowania)
(2)
Matematyka
(2)
Modele matematyczne
(2)
Nauczyciele akademiccy
(2)
Ochrona danych osobowych
(2)
Praca zdalna
(2)
Prawo o szkolnictwie wyższym
(2)
Prawo pracy
(2)
Przetwarzanie danych
(2)
Python (język programowania)
(2)
Rekrutacja pracowników
(2)
Sztuczna inteligencja
(2)
Sąd Najwyższy (Polska)
(2)
Uczenie się maszyn
(2)
Zakładowa organizacja związkowa
(2)
Administracja samorządowa
(1)
Aksjologia prawa
(1)
Algorytmy genetyczne
(1)
Algorytmy sortowania
(1)
Algorytmy2
(1)
BHP
(1)
Baza danych
(1)
Bezpieczeństwo
(1)
Corte costituzionale della Repubblica Italiana
(1)
Czas pracy
(1)
Data science
(1)
Dialog społeczny
(1)
Dobra osobiste
(1)
Dyskryminacja
(1)
Dyskryminacja pośrednia
(1)
Dyskryminacja w zatrudnieniu
(1)
Działalność gospodarcza
(1)
Dzierżawa
(1)
Edukacja informatyczna (przedmiot szkolny)
(1)
Epidemie
(1)
Etyka zawodowa
(1)
Europejski Trybunał Praw Człowieka
(1)
Filtracja cyfrowa
(1)
Fresk
(1)
Geometria
(1)
Godność ludzka
(1)
Habilitacja
(1)
Handel elektroniczny
(1)
Handel międzynarodowy
(1)
Honor
(1)
Inflacja
(1)
Jeńcy wojenni
(1)
Kara umowna
(1)
Kariera
(1)
Kobieta
(1)
Konstytucyjność prawa
(1)
Kryzys migracyjny na granicy Białorusi z Unią Europejską (2021- )
(1)
Liczby
(1)
Logistyka
(1)
Lorenzetti, Ambrogio (1290-1348)
(1)
Macierzyństwo zastępcze
(1)
Matematyka dyskretna
(1)
Mediacja (prawo)
(1)
Mercosur
(1)
Metody badawcze
(1)
Myślenie komputacyjne
(1)
Nauczanie
(1)
Negocjacje zbiorowe
(1)
Nielegalni imigranci
(1)
Nieruchomości rolne Skarbu Państwa
(1)
Ocena pracowników
(1)
Ochrona konkurencji
(1)
Ochrona praw konsumenta
(1)
Ochrona przyrody
(1)
Odpowiedzialność dyscyplinarna
(1)
Oszczędzanie na emeryturę
(1)
PASCAL
(1)
Parki narodowe
(1)
Państwo prawne
(1)
Pedagogika
(1)
Platforma internetowa
(1)
Podatek dochodowy od osób fizycznych
(1)
Posiadanie
(1)
Postępowanie administracyjne
(1)
Postępowanie cywilne
(1)
Postępowanie dyscyplinarne
(1)
Postępowanie odwoławcze
(1)
Pozwolenia administracyjne
(1)
Pracownicy samorządowi
(1)
Pracownicze plany kapitałowe (PPK)
(1)
Prakseologia
(1)
Prawa dziecka
(1)
Prawo antymonopolowe
(1)
Prawo cywilne
(1)
Prawo do prywatności
(1)
Prawo do płacy godziwej
(1)
Prawo humanitarne międzynarodowe
(1)
Temat: dzieło
Allegoria ed effetti del Buono e del Cattivo Governo
(1)
Temat: czas
1901-2000
(2)
2001-
(2)
1301-1400
(1)
1945-1989
(1)
1989-2000
(1)
Temat: miejsce
Polska
(2)
Francja
(1)
Włochy
(1)
Gatunek
Podręcznik
(7)
Praca zbiorowa
(3)
Czasopismo naukowe
(2)
Czasopismo prawnicze
(2)
Opracowanie
(1)
Podręczniki
(1)
Poradnik
(1)
Dziedzina i ujęcie
Informatyka i technologie informacyjne
(10)
Matematyka
(2)
Polityka, politologia, administracja publiczna
(2)
Prawo i wymiar sprawiedliwości
(2)
Edukacja i pedagogika
(1)
Inżynieria i technika
(1)
34 wyniki Filtruj
Książka
W koszyku
O autorze; O recenzencie; Przedmowa; WSTĘP I PODSTAWOWE ALGORYTMY Rozdział 1. Wprowadzenie do algorytmów; Co to jest algorytm?; Fazy algorytmu; Określenie logiki algorytmu; Zrozumienie pseudokodu; Korzystanie z fragmentów kodu (snippetów); Stworzenie planu wykonania; Wprowadzenie do pakietów w Pythonie; Pakiety w Pythonie; Programowanie w Pythonie z Jupyter; Notebook; Techniki projektowania algorytmów; Wymiar danych; Wymiar obliczeniowy; Analiza efektywności; Analiza pamięciowej złożoności obliczeniowej; Czasowa złożoność obliczeniowa; Szacowanie efektywności; Wybór algorytmu; Notacja dużego O; Walidacja algorytmu; Algorytmy dokładne, aproksymacyjne i randomizowane; Możliwość wyjaśnienia Podsumowanie; Rozdział 2. Struktury danych w algorytmach; Struktury danych w Pythonie; Lista; Krotka; Słownik; Zbiór; Ramka danych; Macierz; Abstrakcyjne typy danych; Wektor; Stos; Kolejka; Kiedy używać stosów i kolejek?; Drzewo; Podsumowanie; Rozdział 3. Algorytmy sortowania wyszukiwania; Wprowadzenie do algorytmów sortowania; Zamiana wartości zmiennych w Pythonie; Sortowanie bąbelkowe; Sortowanie przez wstawianie; Sortowanie przez scalanie; Sortowanie; Shella; Sortowanie przez wymianę; Wprowadzenie do algorytmów wyszukiwania; Wyszukiwanie liniowe; Wyszukiwanie binarne; Wyszukiwanie interpolacyjne; Praktyczne przykłady; Podsumowanie; Rozdział 4. Projektowanie algorytmów; Wprowadzenie do projektowania algorytmów; Kwestia 1: Czy algorytm zwraca rezultat, jakiego oczekujemy?; Kwestia 2: Czy robi to w optymalny sposób?; Kwestia 3: Jak efektywny będzie ten algorytm zastosowany do większych zbiorów danych?; Strategie algorytmiczne; Strategia "dziel i rządź"; Strategia programowania dynamicznego; Strategia algorytmu zachłannego; Praktyczny przykład - rozwiązanie problemu komiwojażera; Metoda siłowa; Zastosowanie algorytmu zachłannego; Algorytm PageRank; Definicja problemu; Implementacja algorytmu PageRank; Programowanie liniowe; Definicja problemu w programowaniu liniowym; Praktyczny przykład - planowanie przepustowości za pomocą programowania liniowego; Podsumowanie; Rozdział 5. Algorytmy grafowe; Reprezentacja grafów; Rodzaje grafów; Specjalne rodzaje krawędzi; Sieci egocentryczne; Analiza sieciowa; Wprowadzenie do teorii analizy sieciowej; Najkrótsza ścieżka; Określanie sąsiedztwa; Wskaźnik centralności; Obliczanie wskaźników centralności w Pythonie; Trawersowanie grafu; Wyszukiwanie wszerz; Wyszukiwanie w głąb; Studium przypadku - analiza oszustw; Prosta analiza pod kątem oszustwa; Podejście strażnicy; Podsumowanie; ALGORYTMY UCZENIA MASZYNOWEGO; Rozdział 6. Algorytmy nienadzorowanego uczenia maszynowego; Wprowadzenie do nienadzorowanego uczenia maszynowego; Uczenie nienadzorowane w cyklu życia eksploracji danych; Trendy badawcze w zakresie uczenia nienadzorowanego; Praktyczne przykłady; Algorytmy klasteryzacji; Wyliczanie podobieństw; Grupowanie hierarchiczne; Ocena klastrów; Zastosowania klasteryzacji; Redukcja wymiarów; Analiza głównych składowych; Ograniczenia analizy głównych składowych; Reguły asocjacyjne; Przykłady użycia; Analiza koszykowa; Reguły asocjacyjne; Wskaźniki reguł; Algorytmy analizy asocjacyjnej; Praktyczny przykład - grupowanie podobnych tweetów; Modelowanie tematów; Klasteryzacja; Algorytmy wykrywania odchyleń; Wykorzystanie klastrów; Wykorzystanie wykrywania odchyleń opartego na gęstości; Wykorzystanie maszyny wektorów nośnych; Podsumowanie; Rozdział 7. Tradycyjne algorytmy uczenia nadzorowanego; Nadzorowane uczenie maszynowe; Żargon nadzorowanego uczenia maszynowego; Warunki konieczne; Rozróżnienie między klasyfikatorami a regresorami; Algorytmy klasyfikujące; Wyzwanie dla klasyfikatorów; Inżynieria cech w przetwarzaniu potokowym; Ocena klasyfikatorów; Określenie faz klasyfikacji; Algorytm drzewa decyzyjnego; Metody zespolone; Regresja logistyczna; Maszyna wektorów nośnych; Naiwny klasyfikator bayesowski; Zwycięzcą wśród algorytmów klasyfikacji jest...; Algorytmy regresji; Wyzwanie dla regresji; Regresja liniowa; Algorytm drzewa regresji; Regresyjny algorytm wzmocnienia gradientowego; Zwycięzcą wśród algorytmów regresji jest...; Praktyczny przykład, jak przewidywać pogodę; Podsumowanie; Rozdział 8. Algorytmy sieci neuronowych; Wprowadzenie do sieci neuronowych; Ewolucja sieci neuronowych; Trenowanie sieci neuronowej; Anatomia sieci neuronowej; Definicja gradientu prostego; Funkcje aktywacji; Narzędzia i modele Keras TensorFlow; Rodzaje sieci neuronowych; Uczenie transferowe; Studium przypadku - użycie uczenia głębokiego do wykrywania oszustw; Metodologia; Podsumowanie; Rozdział 9. Algorytmy przetwarzania języka naturalnego; Wprowadzenie do przetwarzania języka naturalnego; Terminologia przetwarzania języka naturalnego NLTK; Model bag-of-words; Wektorowe przedstawienie słów; Otoczenie słowa; Właściwości wektorowego przedstawienia słów; Użycie rekurencyjnych sieci neuronowych do przetwarzania języka naturalnego; Wykorzystanie przetwarzania języka naturalnego do analizy sentymentu; Studium przypadku - analiza sentymentu w recenzjach filmowych; Podsumowanie; Rozdział 10. Silniki poleceń; Wprowadzenie do silników poleceń; Rodzaje silników poleceń; Silniki poleceń oparte na treści; Silniki poleceń oparte na filtrowaniu kooperacyjnym Hybrydowe silniki poleceń; Ograniczenia systemów poleceń; Zimny start; Wymagania dotyczące metadanych; Problem rzadkości danych; Tendencyjność ze względu na wpływ społeczny; Ograniczone dane; Obszary praktycznych zastosowań; Przykład praktyczny - stworzenie silnika poleceń; Podsumowanie; ZAGADNIENIA ZAAWANSOWANE; Rozdział 11. Algorytmy danych; Wprowadzenie do algorytmów danych; Klasyfikacja danych; Algorytmy przechowywania danych; Strategie przechowywania danych; Algorytmy strumieniowania danych; Zastosowania strumieniowania; Algorytmy kompresji danych; Algorytmy kompresji bezstratnej; Przykład praktyczny - analiza sentymentu na Twitterze; Podsumowanie; Rozdział 12. Kryptografia; Wprowadzenie do kryptografii; Waga najsłabszego ogniwa; Terminologia; Wymagania bezpieczeństwa; Podstawy projektowania szyfrów; Rodzaje technik kryptograficznych; Kryptograficzna funkcja skrótu; Szyfrowanie symetryczne; Szyfrowanie asymetryczne; Przykład - kwestie bezpieczeństwa we wdrażaniu modelu uczenia maszynowego; Atak man-in-the-middle; Obrona przed techniką masquerading; Szyfrowanie danych i modelu; Podsumowanie; Rozdział 13. Algorytmy przetwarzania danych w dużej skali; Wprowadzenie do algorytmów przetwarzania danych w dużej skali; Definicja dobrze zaprojektowanego algorytmu przetwarzania danych w dużej skali; Terminologia; Projektowanie algorytmów równoległych; Prawo Amdahla; Szczegółowość podprocesów Równoważenie obciążenia; Przetwarzanie lokalne; Procesy współbieżne w Pythonie; Tworzenie strategii przetwarzania na puli zasobów; Architektura CUDA; Obliczenia w klastrze; Strategia hybrydowa; Podsumowanie; Rozdział 14. Uwagi praktyczne; Wprowadzenie do uwag praktycznych; Smutna historia bota sztucznej inteligencji na Twitterze; Transparentność algorytmu; Algorytmy uczenia maszynowego i transparentność; Etyka i algorytmy; Problemy z algorytmami uczącymi się; Znaczenie kwestii etycznych; Ograniczanie stronniczości modeli; Problemy NP-trudne; Uproszczenie problemu; Dopasowanie dobrze znanego rozwiązania podobnego problemu; Metoda probabilistyczna; Kiedy używać algorytmów; Praktyczny przykład - teoria czarnego łabędzia; Podsumowanie.
1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.
Wypożyczalnia
Są egzemplarze dostępne do wypożyczenia: sygn. 004 (2 egz.)
Brak okładki
Książka
W koszyku
1. Wprowadzenie do problematyki algorytmicznego modelowania zjawisk losowych, 2. Skończenie stanowe łańcuchy Markowa, 3. Iteracyjne algorytmy probabilistyczne skończone interpretacje, 4. Przykłady, 5. Uwagi końcowe, 6. Zadania
Ta pozycja znajduje się w zbiorach 2 placówek. Rozwiń listę, by zobaczyć szczegóły.
Wypożyczalnia
Są egzemplarze dostępne do wypożyczenia: sygn. 004 (1 egz.)
Czytelnia
Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 004 (1 egz.)
Książka
W koszyku
Algorytmy / Robert Sedgewick, Kevin Wayne ; [tłumaczenie Tomasz Walczak]. - Wyd. 4. - Gliwice : Helion , cop. 2017. - 952 s. : il. ; 25 cm.
1. Podstawy. 1.1. Podstawowy model programowania. 1.2. Abstrakcja danych. 1.3. Wielozbiory, kolejki i stosy. 1.4. Analiza algorytmów. 1.5. Studium przypadku – problem Union-Find. 2. Sortowanie. 2.1. Podstawowe metody sortowania. 2.2. Sortowanie przez scalanie. 2.3. Sortowanie szybkie. 2.4. Kolejki priorytetowe. 2.5. Zastosowania. 3. Wyszukiwanie. 3.1. Tablice symboli. 3.2. Drzewa wyszukiwań binarnych. 3.3. Zbalansowane drzewa wyszukiwań. 3.4. Tablice z haszowaniem. 3.5. Zastosowania. 4. Grafy. 4.1. Grafy nieskierowane. 4.2. Grafy skierowane. 4.3. Minimalne drzewa rozpinające. 4.4. Najkrótsze ścieżki. 5. Łańcuchy znaków. 5.1. Sortowanie łańcuchów znaków. 5.2. Drzewa trie. 5.3.Wyszukiwanie podłańcuchów. 5.4. Wyrażenia regularne. 5.5. Kompresja danych. 6. Kontekst. Algorytmy. Klienty.
Ta pozycja znajduje się w zbiorach 2 placówek. Rozwiń listę, by zobaczyć szczegóły.
Wypożyczalnia
Są egzemplarze dostępne do wypożyczenia: sygn. 004 (2 egz.)
Czytelnia
Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 004 (1 egz.)
Brak okładki
Książka
W koszyku
Część I. 1. Algorytmy są ważne. Postaraj się zrozumieć problem. Jeśli to konieczne, eksperymentuj. Kwestia uboczna. Nauka płynąca z opowiedzianej historii. Literatura. 2. Algorytmy w ujęciu matematycznym. Rozmiar konkretnego problemu. Tempo rośnięcia funkcji. Analiza przypadku najlepszego, średniego i najgorszego. Rodziny efektywności. Mieszanka działań. Operacje do pomiarów wzorcowych. Uwaga końcowa. Literatura. 3. Wzorce i dziedziny. Wzorce - język komunikacji. Forma wzorca pseudokodu. Forma projektowa. Forma oceny doświadczalnej. Dziedziny a algorytmy. Obliczenia zmiennopozycyjne. Ręczne przydzielanie pamięci. Wybór języka programowania. Część II. 4. Algorytmy sortowania. Przegląd. Sortowanie przez wstawianie. Sortowanie medianowe. Sortowanie szybkie. Sortowanie przez wybieranie. Sortowanie przez kopcowanie. Sortowanie przez zliczanie. Sortowanie kubełkowe. Kryteria wyboru algorytmu sortowania. Literatura. 5. Wyszukiwanie. Przegląd. Wyszukiwanie sekwencyjne. Wyszukiwanie z haszowaniem. Przeszukiwanie drzewa binarnego. Literatura. 6. Algorytmy grafowe. Przegląd. Przeszukiwania w głąb. Przeszukiwanie wszerz. Najkrótsza ścieżka z jednym źródłem. Najkrótsza ścieżka między wszystkimi parami. Algorytmy minimalnego drzewa rozpinającego. Literatura. 7. Znajdowanie dróg w AI. Przegląd. Przeszukiwania wszerz. A*SEARCH. Porównanie. Algorytm minimaks. Algorytm AlfaBeta. 8. Algorytmy przepływu w sieciach. Przegląd. Przepływ maksymalny. Dopasowanie obustronne. Uwagi na temat ścieżek powiększających. Przepływ o minimalnym koszcie. Przeładunek. Przydział zadań. Programowanie liniowe. Literatura. 9. Geometria obliczeniowa. Przegląd. Skanowanie otoczki wypukłej. Zamiatanie prostą. Pytanie o najbliższych sąsiadów. Zapytania przedziałowe. Literatura. Część III. 10. Gdy wszystko inne zawodzi. Wariacje na temat. Algorytmy aproksymacyjne. Algorytmy offline. Algorytmy równoległe. Algorytmy losowe. Algorytmy, które mogą być złe, lecz z malejącym prawdopodobieństwem. Literatura. 11. Epilog. Przegląd. Zasada: znaj swoje dane. Zasada: podziel problem na mniejsze problemy. Zasada: wybierz właściwą strukturę. Zasada: dodaj pamięci, aby zwiększyć efektywność. Zasada: jeśli nie widać rozwiązania, skonstruuj przeszukanie. Zasada: jeśli nie widać rozwiązania, zredukuj problem do takiego, który ma rozwiązanie. Zasada: pisanie algorytmów jest trudne, testowanie – trudniejsze. Część IV. Dodatek. Testy wzorcowe. Podstawy statystyczne. Sprzęt. Przykład. Raportowanie. Dokładność.
1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.
Wypożyczalnia
Są egzemplarze dostępne do wypożyczenia: sygn. 004 (2 egz.)
Książka
W koszyku
1. Wprowadzenie do algorytmów. Wprowadzenie. Czego nauczysz się o wydajności. Czego nauczysz się o rozwiązywaniu problemów. Wyszukiwanie binarne. Lepszy sposób wyszukiwania. Czas wykonywania. Notacja dużego O. Czas wykonywania algorytmów rośnie w różnym tempie. Wizualizacja różnych czasów wykonywania. Notacja dużego O określa czas działania w najgorszym przypadku. Kilka typowych czasów wykonywania. Problem komiwojażera. Powtórzenie. 2. Sortowanie przez wybieranie. Jak działa pamięć. Tablice i listy powiązane. Listy powiązane. Tablice. Terminologia. Wstawianie elementów w środku listy. Usuwanie elementów. Sortowanie przez wybieranie. Powtórzenie. 3. Rekurencja. Rekurencja. Przypadki podstawowy i rekurencyjny. Stos. Stos wywołań. Stos wywołań z rekurencją. Powtórzenie. 4. Szybkie sortowanie. "Dziel i rządź". Sortowanie szybkie. Jeszcze raz o notacji dużego O. Sortowanie przez scalanie a sortowanie szybkie. Przypadki średni i najgorszy. Powtórzenie. 5. Tablice skrótów. Funkcje obliczania skrótów. Zastosowania tablic skrótów. Przeszukiwanie tablic skrótów. Zapobieganie powstawaniu duplikatów elementów. Tablice skrótów jako pamięć podręczna. Powtórzenie wiadomości. Kolizje. Wydajność. Współczynnik zapełnienia. Dobra funkcja obliczania skrótów, Powtórzenie. 6. Przeszukiwanie wszerz. Wprowadzenie do grafów. Czym jest graf. Wyszukiwanie wszerz. Szukanie najkrótszej drogi. Kolejki. Implementacja grafu. Implementacja algorytmu. Czas wykonywania. Powtórzenie. 7. Algorytm Dijkstry. Posługiwanie się algorytmem Dijkstry. Terminologia. Szukanie funduszy na fortepian. Krawędzie o wadze ujemnej. Implementacja. Powtórzenie. 8. Algorytmy zachłanne. Plan zajęć w sali lekcyjnej. Problem plecaka. Problem pokrycia zbioru. Algorytmy aproksymacyjne. Problemy NP-zupełne. Problem komiwojażera krok po kroku. Trzy miasta. Cztery miasta. Jak rozpoznać, czy problem jest NP-zupełny. Powtórzenie wiadomości. 9. Programowanie dynamiczne. Problem plecaka. Proste rozwiązanie. Programowanie dynamiczne. Pytania dotyczące problemu plecaka. Co się dzieje, gdy zostanie dodany element. Jaki będzie skutek zmiany kolejności wierszy. Czy siatkę można wypełniać wg kolumn zamiast wierszy. Co się stanie, gdy doda się mniejszy element. Czy można ukraść ułamek przedmiotu. Optymalizacja planu podróży. Postępowanie z wzajemnie zależnymi przedmiotami. Czy możliwe jest, aby rozwiązanie wymagało więcej niż dwóch podplecaków. Czy najlepsze rozwiązanie zawsze oznacza całkowite zapełnienie plecaka? Najdłuższa wspólna część łańcucha. Przygotowanie siatki. Wypełnianie siatki. Najdłuższa wspólna podsekwencja. Najdłuższa wspólna podsekwencja – rozwiązanie. Powtórzenie. 10. K najbliższych sąsiadów. Klasyfikacja pomarańczy i grejpfrutów. Budowa systemu rekomendacji. Wybór cech. Regresja. Wybieranie odpowiednich cech. Wprowadzenie do uczenia maszynowego. Optyczne rozpoznawanie znaków. Budowa filtra spamu. Przewidywanie cen akcji. Powtórzenie. 11. Co dalej. Drzewa. Odwrócone indeksy. Transformata Fouriera. Algorytmy równoległe. MapReduce. Do czego nadają się algorytmy rozproszone. Funkcja map. Funkcja reduce. Filtry Blooma i HyperLogLog. Filtry Blooma. HyperLogLog. Algorytmy SHA. Porównywanie plików. Sprawdzanie haseł. Locality-sensitive hashing. Wymiana kluczy Diffiego-Hellmana. Programowanie liniowe. Epilog. Rozwiązania ćwiczeń.
1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.
Wypożyczalnia
Są egzemplarze dostępne do wypożyczenia: sygn. 004 (2 egz.)
Brak okładki
Książka
W koszyku
Algorytmy Data Science : siedmiodniowy przewodnik / Dávid Natingga ; tłum. Andrzej Grażyński. - Wyd. 2. - Gliwice : Helion , cop. 2019. - 206, [2] s. : rys., tab., wykresy, wzory ; 24 cm.
Rozdział 1. Klasyfikacja na podstawie najbliższego sąsiedztwa. Subiektywne odczuwanie temperatury. Implementacja algorytmu k najbliższych sąsiadów. Dane wejściowe. Wynik klasyfikacji. Wizualizacja. Mapa Włoch przykład doboru wartości k. Analiza. Skalowanie danych prognozowanie statusu własności. Analiza. Nieeuklidesowe metryki odległości punktów klasyfikowanie tekstów. Analiza. Klasyfikowania tekstów ciąg dalszy wielowymiarowy algorytm k-NN. Analiza. Podsumowanie. Problemy. Subiektywne odczuwanie temperatury. Mapa Włoch przykład doboru wartości k. Status własności. Analiza. Rozdział 2. Naiwny klasyfikator bayesowski. Testy medyczne podstawowe zastosowanie twierdzenia Bayesa. Analiza. Podstawowe twierdzenie Bayesa i jego rozszerzenie. Twierdzenie Bayesa. Dowód. Rozszerzone twierdzenie Bayesa. Dowód. Zagramy w szachy? niezależne zdarzenia warunkujące. Analiza. Implementacja naiwnego klasyfikatora bayesowskiego. Dane wejściowe. Wynik. Zagramy w szachy? częściowo zależne zdarzenia warunkujące. Analiza. Dane wejściowe. Wynik. Chłopak czy dziewczyna? twierdzenie Bayesa dla ciągłych zmiennych losowych. Analiza. Podsumowanie. Problemy. Analiza. Rozdział 3. Drzewa decyzyjne. Pływamy? reprezentowanie danych w postaci drzewa decyzyjnego. Elementy teorii informacji. Entropia informacyjna. Przykład losowe rzucanie monetą. Definicja. Zysk informacyjny. Pływamy? obliczanie zysku informacyjnego. Algorytm ID3 konstruowanie drzewa decyzyjnego. Pływamy? budowanie drzewa decyzyjnego. Implementacja w języku Python. Dane wejściowe. Wynik. Klasyfikowanie danych za pomocą drzew decyzyjnych. Przykład pływamy czy nie? Przykład gra w szachy pod chmurką. Analiza. Dane wejściowe. Wynikowe drzewo decyzyjne. Klasyfikacja. Na zakupy przykład niespójnych danych. Analiza. Podsumowanie. Problemy. Analiza. Rozdział 4. Lasy losowe. Ogólne zasady konstruowania lasów losowych. Pływamy? klasyfikacja za pomocą lasu losowego. Analiza. Konstruowanie lasu losowego. Losowe drzewo decyzyjne nr 0. Losowe drzewo decyzyjne nr 1. Wynikowy las losowy. Klasyfikowanie cechy na podstawie lasu losowego. Implementacja algorytmu konstruowania lasu losowego. Dane wejściowe. Wynik. Przykład zagramy w szachy? Analiza. Konstruowanie lasu losowego. Losowe drzewo decyzyjne nr 0. Losowe drzewa decyzyjne nr 1, 2 i 3. Wynikowy las losowy. Klasyfikacja w drodze głosowania. Dane wejściowe. Wynik. Idziemy na zakupy? wnioskowanie z niespójnych danych i miara wiarygodności wyniku. Analiza. Dane wejściowe. Wynik. Podsumowanie. Problemy. Analiza. Dane wejściowe. Wynik. Rozdział 5. Klasteryzacja. Dochód gospodarstwa domowego niski czy wysoki? Algorytm k-średnich. Początkowy zbiór centroidów. Wyznaczanie centroidu klastera. Przykład wykorzystanie algorytmu k-średnich do klasyfikacji dochodów. Klasyfikowanie przez klasteryzację prognozowanie płci nieznanej osoby. Analiza. Implementacja algorytmu k-średnich. Dane wejściowe. Wynik grupowania. Status własności dobór optymalnej liczby klasterów. Analiza. Dane wejściowe. Wynik podział między dwa klastery. Wynik podział między trzy klastery. Wynik podział między cztery klastery. Wynik podział między pięć klasterów. Klasyfikowanie dokumentów semantyczne znaczenie klasteryzacji. Analiza. Dane wejściowe. Wynik podział między dwa klastery. Wynik podział między trzy klastery. Wynik podział między pięć klasterów. Podsumowanie. Problemy. Analiza. Dane wejściowe. Dwa klastery. Trzy klastery. Cztery klastery. Pięć klasterów. Wybór optymalnej liczby klasterów przy użyciu walidacji krzyżowej. Rozdział 6. Analiza regresji. Konwersja temperatur regresja liniowa dla danych doskonałych. Rozwiązanie analityczne. Metoda najmniejszych kwadratów w regresji liniowej. Implementacja analizy regresji liniowej w Pythonie. Kod programu. Wynik. Wizualizacja. Regresja dla danych pomiarowych prognozowanie wagi na podstawie wzrostu. Analiza. Kod programu. Wynik. Metoda spadku gradientowego i jej implementacja. Szczegóły algorytmu. Implementacja w Pythonie. Dane wejściowe. Wynik. Wizualizacja porównanie z metodą analityczną. Przewidywanie czasu przelotu na podstawie odległości. Analiza. Kod programu. Wynik. Obliczenia balistyczne model nieliniowy. Analiza. Kod programu. Wynik. Podsumowanie. Problemy. Analiza. Kod programu. Wynik. Wizualizacja. Rozdział 7. Analiza szeregów czasowych. Zysk w biznesie analiza trendu. Analiza. Kod programu. Wynik. Wizualizacja. Konkluzja. Sprzedaż w sklepie internetowym analiza sezonowości. Analiza. Analiza trendu. Kod programu. Wynik. Wizualizacja. Analiza sezonowości. Wizualizacja. Podsumowanie. Problemy. Analiza. Kod programu. Wynik. Wizualizacja. Dodatek A Podstawy języka Python. Przykład. Komentarze. Typy danych. Int. Przykład example02_int.py. Wynik. Float. Przykład example03_float.py. Wynik. Napis. Przykład example04_string.py. Wynik. Krotka. Przykład example05_tuple.py. Wynik. Lista. Przykład example06_list.py. Wynik. Zbiór. Przykład example07_set.py. Wynik. Słownik. Przykład example08_dictionary.py. Wynik. Przepływ sterowania. Instrukcje warunkowe. Przykład example09_if_else_elif.py. Wynik. Pętla for. Przykład example10_for_loop_range.py. Wynik. Przykład example11_for_loop_list.py. Wynik. Przykład example12_for_loop_set.py. Wynik. Pętla while. Przykład example13_while_loop.py. Wynik. Instrukcje break i continue. Przykład example14_break_continue.py. Wynik. Funkcje. Przykład example15_function.py. Wynik. Wejście-wyjście programu. Argumenty wywołania programu. Przykład example16_arguments.py. Wynik. Operacje na plikach. Dodatek B. Statystyka. Podstawowe koncepcje. Notacja. Podstawowe pojęcia. Wnioskowanie bayesowskie. Rozkład normalny Gaussa. Walidacja krzyżowa. Testowanie A/B. Dodatek C. Słownik pojęć, algorytmów i metod Data Science.
1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.
Wypożyczalnia
Są egzemplarze dostępne do wypożyczenia: sygn. 004 (2 egz.)
E-book
W koszyku
Forma i typ

Niniejszy skrypt jest przeznaczony dla Czytelników zainteresowanych projektowaniem efektywnych algorytmów, w tym przede wszystkim dla studentów studiów informatycznych. Może także posłużyć jako podręcznik do samodzielnej nauki dla uczniów szkół średnich pasjonujących się programowaniem lub jako wskazówka przy pisaniu konspektu do przedmiotu algorytmy i struktury danych. Część I skryptu prezentuje podstawy współczesnych metod projektowania i analizy algorytmów. Planowana część II – Struktury danych – będzie zawierała algorytmy wykorzystujące podstawowe struktury danych, takie jak listy, grafy i drzewa.

Ta pozycja jest dostępna przez Internet. Rozwiń informację, by zobaczyć szczegóły.
Dostęp do treści elektronicznej wymaga posiadania kodu dostępu, który można odebrać w bibliotece.
Brak okładki
Książka
W koszyku
1. Podstawowe zasady analizy algorytmów. 1.1. Złożoność obliczeniowa. 1.2. Równania rekurencyjne. 1.3. Funkcje tworzące. 1.4. Poprawność semantyczna. 1.5. Podstawowe struktury danych. 1.5.1. Lista. 1.5.2. Zbiór. 1.5.3. Graf. 1.5.4. Notacja funkcyjna dla atrybutów obiektów. 1.5.5. Drzewo. 1.6. Eliminacja rekursji. 1.7. Koszt zamortyzowany operacji w strukturze danych. 1.8. Metody układania algorytmów. 1.8.1. Metoda „dziel i zwyciężaj”. 1.8.2. Programowanie dynamiczne. 1.8.3. Metoda zachłanna. 1.8.4. Inne metody. Zadania. 2. Sortowanie. 2.1. Selectionsort – sortowanie przez selekcję. 2.2. Insertionsort – sortowanie przez wstawianie. 2.3. Quicksort – sortowanie szybkie. 2.4. Dolne ograniczenie na złożoność problemu sortowania. 2.5. Sortowanie pozycyjne. 2.6. Kolejki priorytetowe i algorytm heapsort. 2.7.. Drzewa turniejowe i zadania selekcji. 2.8. Szybkie algorytmy wyznaczania k-tego największego elementu w ciągu. 2.9. Scalanie ciągów uporządkowanych. 2.10. Sortowanie zewnętrzne. 2.10.1. Scalanie wielofazowe z 4 plikami. 2.10.2. Scalanie wielofazowe z 3 plikami. Zadania. 3. Słowniki. 3.1. Implementacja listowa nieuporządkowana. 3.2. Implementacja listowa uporządkowana. 3.3. Drzewa poszukiwań binarnych. 3.3.1. Drzewa AVL. 3.3.2. Samoorganizujące się drzewa BST. 3.4. Mieszanie. 3.4.1. Wybór funkcji mieszającej. 3.4.2. Struktury danych stosowane do rozwiązywania problemu kolizji. 3.5. Wyszukiwanie pozycyjne. 3.5.1. Drzewa RST. 3.5.2. Drzewa TRIE. 3.5.3. Drzewa PATRICIA. 3.6. Wyszukiwanie zewnętrzne. 3.6.1. Pliki nieuporządkowane. 3.6.2. Pliki z funkcją mieszającą. 3.6.3. Sekwencyjne pliki indeksowane. 3.6.4. B-drzewo jako wielopoziomowy indeks rzadki. 3.6.5. B-drzewo jako wielopoziomowy indeks gęsty. Zadania. 4. Złożone struktury danych dla zbiorów elementów. 4.1. Problem sumowania zbiorów rozłącznych. 4.1.1. Implementacja listowa. 4.1.2. Implementacja drzewowa. 4.2. Złączalne kolejki priorytetowe. Zadania. 5. Algorytmy tekstowe. 5.1. Problem wyszukiwania wzorca. 5.1.1. Algorytm N („naiwny”). 5.1.2. Algorytm KMP (Knutha-Morrisa-Pratta). 5.1.3. Algorytm liniowy dla problemu wyszukiwania wzorca dwuwymiarowego, czyli algorytm Bakera. 5.1.4. Algorytm GS′ (wersja algorytmu Galila-Seiferasa dla pewnej klasy wzorców). 5.1.5. Algorytm KMR (Karpa-Millera-Rosenberga). 5.1.6. Algorytm KR (Karpa-Rabina). 5.1.7. Algorytm BM (Boyera-Moore‘a). 5.1.8. Algorytm FP (Fishera-Patersona). 5.2. Drzewa sufiksowe i grafy podsłów. 5.2.1. Niezwarta reprezentacja drzewa sufiksowego. 5.2.2. Tworzenie drzewa sufiksowego. 5.2.3. Tworzenie grafu podsłów. 5.3. Inne algorytmy tekstowe. 5.3.1. Obliczanie najdłuższego wspólnego podsłowa. 5.3.2. Obliczanie najdłuższego wspólnego podciągu. 5.3.3. Wyszukiwanie słów podwójnych. 5.3.4. Wyszukiwanie słów symetrycznych. 5.3.5. Równoważność cykliczna. 5.3.6. Algorytm Huffmana. 5.3.7. Obliczanie leksykograficznie maksymalnego sufiksu. 5.3.8. Jednoznaczne kodowanie. 5.3.9. Liczenie liczby podsłów. Zadania. 6. Algorytmy równoległe. 6.1. Równoległe obliczanie wyrażeń i prostych programów sekwencyjnych. 6.2. Sortowanie równoległe. Zadania. 7. Algorytmy grafowe. 7.1. Spójne składowe. 7.2. Dwuspójne składowe. 7.3. Silnie spójne składowe i silna orientacja. 7.4. Cykle Eulera. 7.5. 5-kolorowanie grafów planarnych. 7.6. Najkrótsze ścieżki i minimalne drzewo rozpinające. Zadania. 8. Algorytmy geometryczne. 8.1. Elementarne algorytmy geometryczne. 8.2. Problem przynależności. 8.3. Wypukła otoczka. 8.4. Metoda zamiatania. 8.4.1. Najmniej odległa para punktów. 8.4.2. Pary przecinających się odcinków. Zadania.
Ta pozycja znajduje się w zbiorach 2 placówek. Rozwiń listę, by zobaczyć szczegóły.
Wypożyczalnia
Są egzemplarze dostępne do wypożyczenia: sygn. 004 (2 egz.)
Czytelnia
Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 004 (1 egz.)
E-book
W koszyku

Naruszenie bezpieczeństwa systemu lub poufności danych to nie tylko kwestia utraty ważnych informacji, strat finansowych czy wizerunkowych. W skrajnych wypadkach może to być sprawa zdrowia i życia wielu ludzi. W świecie, w którym rozmaici przestępcy doskonalą swój arsenał, kryptografia i cyberbezpieczeństwo nabierają nowego znaczenia, a umiejętność efektywnej implementacji algorytmów kryptograficznych kolejnych generacji staje się cennym atutem.

Ta książka ułatwi studentom i inżynierom zrozumienie zasad działania algorytmów kryptograficznych następnej generacji. Przedstawiono w niej koncepcje algorytmów symetrycznych i asymetrycznych, jak również omówiono wszystkie nowoczesne techniki uwierzytelniania, przekazywania danych i wyszukiwania danych szyfrowanych. Wyjaśniono także techniki ochrony przed szpiegowaniem i hakerami. Zaprezentowano informacje o algorytmach Evolute o wiedzy zerowej, konsensusie w technologii blockchain, krzywych eliptycznych, kryptografii kwantowej i wyszukiwaniu homomorficznym. Nie zabrakło wyczerpującej prezentacji technik ataków i kryptoanalizy ważniejszych algorytmów stosowanych w informatyce.

W książce między innymi:

  • kluczowe koncepcje kryptografii, algorytmy, protokoły i standardy
  • efektywna implementacja algorytmów kryptograficznych
  • nowe schematy i protokoły dla technologii blockchain i kryptowalut
  • pionierskie algorytmy kryptografii kwantowej
  • przeprowadzanie ataków na zaszyfrowane dane

Algorytmy: poznaj serce kryptografii nowej generacji!

Ta pozycja jest dostępna przez Internet. Rozwiń informację, by zobaczyć szczegóły.
Dostęp do treści elektronicznej wymaga posiadania kodu dostępu, który można odebrać w bibliotece.
Książka
W koszyku
1. Intuicyjne omówienie sztucznej inteligencji Czym jest sztuczna inteligencja? Krótka historia sztucznej inteligencji. Rodzaje problemów i modele ich rozwiązywania. Intuicyjne omówienie zagadnień z obszaru sztucznej inteligencji. Zastosowania algorytmów sztucznej inteligencji. 2. Podstawy przeszukiwania. Czym jest planowanie i przeszukiwanie? Koszt obliczeń - powód stosowania inteligentnych algorytmów. Jakie problemy można rozwiązywać za pomocą algorytmów przeszukiwania? Reprezentowanie stanu - tworzenie platformy do reprezentowania przestrzeni problemowej i rozwiązań. Przeszukiwanie siłowe - szukanie rozwiązań po omacku. Przeszukiwanie wszerz - najpierw wszerz, potem w głąb. Przeszukiwanie w głąb - najpierw w głąb, potem wszerz. Zastosowania siłowych algorytmów przeszukiwania. Opcjonalne informacje - rodzaje grafów. Opcjonalne informacje - inne sposoby reprezentowania grafów. 3. Inteligentne przeszukiwanie. Definiowanie heurystyk - projektowanie hipotez opartych na wiedzy. Przeszukiwanie sterowane - szukanie rozwiązań z wykorzystaniem wskazówek. Przeszukiwanie antagonistyczne - szukanie rozwiązań w zmiennym środowisku. 4. Algorytmy ewolucyjne. Czym jest ewolucja? Problemy, jakie można rozwiązywać za pomocą algorytmów ewolucyjnych. Algorytm genetyczny - cykl życia. Kodowanie przestrzeni rozwiązań. Tworzenie populacji rozwiązań. Pomiar przystosowania osobników w populacji. Wybór rodziców na podstawie przystosowania. Generowanie osobników na podstawie rodziców. Tworzenie populacji następnego pokolenia. Konfigurowanie parametrów algorytmu genetycznego. Zastosowania algorytmów ewolucyjnych. 5. Zaawansowane techniki ewolucyjne. Cykl życia algorytmu ewolucyjnego. Różne strategie selekcji. Kodowanie z użyciem liczb rzeczywistych. Kodowanie porządkowe - korzystanie z sekwencji. Kodowanie za pomocą drzewa - praca z hierarchiami. Często spotykane rodzaje algorytmów ewolucyjnych. Słowniczek pojęć związanych z algorytmami ewolucyjnymi. Inne zastosowania algorytmów ewolucyjnych. 6. Inteligencja rozproszona: mrówki. Czym jest inteligencja rozproszona? Problemy dostosowane do algorytmu mrówkowego. Reprezentowanie stanu - jak zapisać ścieżki i mrówki? Cykl życia algorytmu mrówkowego. Zastosowania algorytmu mrówkowego. 7. Inteligencja rozproszona: cząstki. Na czym polega optymalizacja rojem cząstek? Problemy optymalizacyjne - bardziej techniczne spojrzenie. Problemy, jakie można rozwiązać za pomocą optymalizacji rojem cząstek. Reprezentowanie problemu - jak wyglądają cząstki? Przebieg działania algorytmu optymalizacji rojem cząstek. Zastosowania algorytmów optymalizacji rojem cząstek. 8. Uczenie maszynowe. Czym jest uczenie maszynowe? Problemy, jakie można rozwiązywać za pomocą uczenia maszynowego. Przebieg uczenia maszynowego. Klasyfikowanie z użyciem drzew decyzyjnych. Inne popularne algorytmy uczenia maszynowego. Zastosowania algorytmów uczenia maszynowego. 9. Sztuczne sieci neuronowe. Czym są sztuczne sieci neuronowe? Perceptron: reprezentacja neuronu. Definiowanie sieci ANN. Propagacja w przód - używanie wyuczonej sieci ANN. Propagacja wsteczna - uczenie sieci ANN. Możliwe funkcje aktywacji. Projektowanie sztucznych sieci neuronowych. Typy i zastosowania sieci ANN. 10. Uczenie przez wzmacnianie z użyciem algorytmu Q-learning. Czym jest uczenie przez wzmacnianie? Problemy rozwiązywane za pomocą uczenia przez wzmacnianie. Przebieg uczenia przez wzmacnianie. Deep learning w uczeniu przez wzmacnianie. Zastosowania uczenia przez wzmacnianie.
1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.
Wypożyczalnia
Są egzemplarze dostępne do wypożyczenia: sygn. 004 (1 egz.)
E-book
W koszyku

C++ należy do najpopularniejszych i najbardziej cenionych za uniwersalność języków oprogramowania - umożliwia projektowanie rozbudowanych, a zarazem intuicyjnych w obsłudze aplikacji wysokiego poziomu. Pozwala tworzyć wydajną i czytelną architekturę oprogramowania również w wypadku znacznie zaawansowanych systemów i programów.

Dzięki tej książce poznasz narzędzia i rozwiązania, które ułatwiają projektowanie w języku C++ nawet najbardziej skomplikowanych aplikacji. Autorzy przybliżają samo pojęcie architektury oprogramowania i na praktycznych przykładach wyjaśniają, na czym polega jej tworzenie. Pokazują również aktualne trendy projektowe i uczą, jak za pomocą C++ krok po kroku, element po elemencie budować aplikacje i systemy na dowolnym poziomie zaawansowania. W trakcie lektury dowiesz się, jakie warunki powinna spełniać efektywna architektura oprogramowania i jak sprawić, by gwarantowała wysoki poziom bezpieczeństwa, skalowalności i wydajności. Liczne przykłady, zrozumiałe objaśnienia i przyjazny język pozwalają na efektywne i szybkie przyswajanie wiedzy dotyczącej tworzenia rozproszonych, skomplikowanych aplikacji w C++.

W książce:

  • projektowanie aplikacji bazujących na wydajnej, nowoczesnej i czytelnej architekturze oprogramowania
  • używanie najważniejszych zasad i wzorców projektowych umożliwiających tworzenie efektywnego kodu za pomocą języka C++
  • analizowanie różnych koncepcji architektury oprogramowania i stosowanie tych, które w największym stopniu odpowiadają danemu projektowi
  • efektywne wykorzystywanie mechanizmów i rozwiązań dostępnych w najnowszej odsłonie języka C++
Ta pozycja jest dostępna przez Internet. Rozwiń informację, by zobaczyć szczegóły.
Dostęp do treści elektronicznej wymaga posiadania kodu dostępu, który można odebrać w bibliotece.
E-book
W koszyku

C++ to dojrzały język programowania o wielu różnych zastosowaniach. Inżynier oprogramowania, który chce w pełni skorzystać z jego zalet, powinien płynnie posługiwać się dostępnymi w tym języku strukturami danych i algorytmami. W ten sposób łatwiej można rozwiązywać konkretne problemy. Zastosowanie odpowiedniej struktury danych oraz algorytmu jest również ważne z punktu widzenia wydajności działania kodu, co bezpośrednio przekłada się na szybkość pracy aplikacji. Bez dogłębnego zrozumienia tych zagadnień bardzo trudno nauczyć się biegle programować w C++.

Dzięki tej książce dowiesz się, na czym polega implementacja klasycznych struktur danych i algorytmów w C++. Znajdziesz tu również przystępne wprowadzenie do podstawowych konstrukcji językowych oraz do korzystania z zintegrowanego środowiska programistycznego (IDE). Ponadto dowiesz się, w jaki sposób przechowywać dane za pomocą list wiązanych, tablic, stosów i kolejek, a także jak zaimplementować algorytmy sortowania, takie jak sortowanie szybkie i sortowanie przez kopcowanie, oraz algorytmy wyszukiwania, takie jak wyszukiwanie liniowe czy binarne. Kolejnym ważnym zagadnieniem ujętym w książce jest wysoka wydajność algorytmów operujących na ciągach znakowych i strukturach mieszających, jak również analiza algorytmów siłowych, zachłannych i wielu innych.

Najciekawsze zagadnienia ujęte w książce:

  • podstawy C++, w tym kontrola przepływu kodu i abstrakcyjne typy danych
  • listy, listy wiązane, stosy i kolejki
  • algorytmy sortowania, w tym bąbelkowe, przez selekcję, wstawianie, scalanie
  • tworzenie hierarchicznej struktury drzewa
  • praktyczne aspekty implementacji algorytmów

C++. O jakości kodu decyduje algorytm i odpowiednia struktura danych!

Ta pozycja jest dostępna przez Internet. Rozwiń informację, by zobaczyć szczegóły.
Dostęp do treści elektronicznej wymaga posiadania kodu dostępu, który można odebrać w bibliotece.
Brak okładki
Książka
W koszyku
1. Sygnały i ich parametry; 2. Podstawy matematyczne analizy sygnałów deterministycznych; 3. Szereg Fouriera; 4. Całkowe przekształcenie Fouriera; 5. Układy analogowe; 6. Analogowe filtry Butterwortha i Czebyszewa; 7. Dyskretyzacja sygnałów analogowych; 8. Analiza częstotliwościowa sygnałów dyskretnych;9. Algorytmy wyznaczania dyskretnej transformacji Fouriera;10. Układy dyskretne; 11. Projektowanie rekursywnych filtrów cyfrowych; 12. Projektowanie nierekursywnych filtrów cyfrowych; 13. Algorytmy filtracji cyfrowej; 14. Filtry adaptacyjne; 15. Liniowa estymacja rekursywna; 16. Zaawansowane metody analizy częstotliwościowej sygnałów; 17. Metody czasowo-częstotliwościowej analizy sygnałów; 18. Zespoły filtrów; 19. Projekt LPC-10: podstawy kompresji i rozpoznawania sygnału mowy; 20. Projekt LPC-10: kompresja sygnału mowy – metody zaawansowane; 21. Projekt MPEG AUDIO: psychoakustyczna kompresja dźwięku; 22. Projekt OBRAZ: podstawy analizy i przetwarzania sygnałów dwuwymiarowych; 23. Projekt MODEM ADSL: szybki dostęp do Internetu po linii telefonicznej; 24. Projekt FAZA: estymacja chwilowego przesunięcia fazowego; 25. EPILOG: implementacja algorytmów DSP na procesorach sygnałowych.
1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.
Wypożyczalnia
Są egzemplarze dostępne do wypożyczenia: sygn. 62 (2 egz.)
Brak okładki
Książka
W koszyku
1. Wirtualna organizacja działań w rozwoju technologii społeczeństwa informacyjnego, 2.Wybrnae problemy wyzwań, szans i ograniczeń, 3. Podstawy informacyjne i obliczeniowe inteligentnych metod komputerowych, 4. Środowisko informacyjne organizacji wirtualnej, 5. Centra danych i zarządzanie informacją, 6. Wybrane badania przedmiotowe i rozwiązania eksperymentalne
1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.
Czytelnia
Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 004 (1 egz.)
Książka
W koszyku
(Przedsiębiorczość / Fundacja Edukacyjna Przedsiębiorczości ; przewodniczący komitetu red. Jerzy Dietl)
Wprowadzenie do teorii zagadnień sztucznej inteli- gencji; Systemy ekspertowe; Zbiory rozmyte; sztuczne sieci neuronowe, Sieci Kohonena; Algorytmy ewolucyjne; Teoria chaosu, Systemy hybrydowe.
Ta pozycja znajduje się w zbiorach 2 placówek. Rozwiń listę, by zobaczyć szczegóły.
Wypożyczalnia
Są egzemplarze dostępne do wypożyczenia: sygn. 004 (1 egz.)
Czytelnia
Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 004 (1 egz.)
E-book
W koszyku
Forma i typ
Gatunek
Umiejętność szybkiego zlokalizowania potencjalnie istotnych osób w organizacji stale nabiera znaczenia. Brokerzy, określani w analizie sieciowej mianem kluczowych graczy, bez wątpienia stanowią osoby, na których stratę żadne przedsiębiorstwo nie chce i w warunkach nieustająco rosnącej konkurencji nie może sobie pozwolić. W organizacjach liczących nierzadko setki, tysiące, a nawet dziesiątki tysięcy pracowników znalezienie osób pełniących funkcję pośredników tradycyjnymi metodami należy do niemałych wyzwań. W niniejszym artykule zaprezentowano jedno z podejść pozwalających skrócić czas i ograniczyć prawdopodobieństwo wytypowania niewłaściwych osób. Celem artykułu jest analiza problemu identyfikacji potencjalnych brokerów przy wykorzystaniu wizualizacyjnych algorytmów opartych na grafach, a szczególnie zaprezentowanie zmodyfikowanej wersji znanego algorytmu Fruchtermana–Reingolda, który zakłada uwypuklenie położenia potencjalnych brokerów w sieci nieformalnej.
Ta pozycja jest dostępna przez Internet. Rozwiń informację, by zobaczyć szczegóły.
Dostęp do treści elektronicznej wymaga posiadania kodu PIN. Po odbiór kodu PIN zapraszamy do biblioteki.
Książka
W koszyku
Zawiera: O autorach; O recenzencie; Wprowadzenie: Dla kogo jest ta książka?; O czym jest ta książka?; Co zrobić, aby jak najlepiej wykorzystać tę książkę; Kody źródłowe; Konwencje typograficzne przyjęte w tej książce; I. Podstawowe pojęcia z obszaru matematyki dyskretnej: 1. Podstawowe pojęcia, notacja, teoria mnogości, relacje i funkcje: Czym jest matematyka dyskretna?; Podstawowa teoria mnogości; Funkcje i relacje; Podsumowanie; 2. Logika formalna i dowody matematyczne: Logika formalna i dowodzenie za pomocą tablic prawdy; Dowody wprost; Dowody nie wprost; Dowodzenie przez indukcję matematyczną; Podsumowanie; 3. Obliczenia w systemach o podstawie n: Zrozumieć liczby o podstawie n; Konwersje między różnymi podstawami; Liczby binarne i ich zastosowania; Liczby szesnastkowe i ich zastosowanie; Podsumowanie; 4. Kombinatoryka z użyciem SciPy: Podstawy zliczania; Permutacje i kombinacje obiektów; Alokacja pamięci; Skuteczność algorytmów siłowych; Podsumowanie; 5. Elementy prawdopodobieństwa dyskretnego: Definicja doświadczenie losowe; Definicje zdarzenia elementarne, zdarzenia losowe, przestrzenie prób; Przykład rzut monetą; Przykład rzut wieloma monetami; Definicja miara probabilistyczna; Twierdzenie podstawowe własności prawdopodobieństwa; Przykład sport; Twierdzenie monotoniczność; Twierdzenie zasada włączeń i wyłączeń; Definicja rozkład jednostajny; Twierdzenie obliczanie prawdopodobieństwa; Przykład rzut wieloma monetami; Definicja zdarzenia niezależne; Przykład rzucanie wieloma monetami; Prawdopodobieństwo warunkowe i twierdzenie Bayesa; Bayesowski filtr antyspamowy; Zmienne losowe, średnie i wariancja; Google PageRank (część I); Podsumowanie; II. Zastosowania matematyki dyskretnej w analizie danych i informatyce: 6. Algorytmy algebry liniowej: Zrozumieć układy równań liniowych; Macierze i macierzowe reprezentacje układów równań liniowych; Rozwiązywanie małych układów równań liniowych za pomocą metody eliminacji Gaussa; Rozwiązywanie dużych układów równań liniowych za pomocą NumPy; Podsumowanie; 7. Złożoność algorytmów: Złożoność obliczeniowa algorytmów; Notacja dużego O; Złożoność algorytmów zawierających podstawowe instrukcje sterujące; Złożoność popularnych algorytmów wyszukiwania; Popularne klasy złożoności obliczeniowej; Podsumowanie; Bibliografia; 8. Przechowywanie i wyodrębnianie cech z grafów, drzew i sieci: Zrozumieć grafy, drzewa i sieci; Zastosowania grafów, drzew i sieci; Przechowywanie grafów i sieci; Wyodrębnianie cech z grafów; Podsumowanie; 9. Przeszukiwanie struktur danych i znajdowanie najkrótszych ścieżek: Przeszukiwanie struktur grafowych i drzew; Algorytm przeszukiwania w głąb (DFS); Implementacja algorytmu przeszukiwania w głąb w Pythonie; Problem najkrótszej ścieżki i jego warianty; Znajdowanie najkrótszych ścieżek metodą siłową; Algorytm Dijkstry znajdowania najkrótszych ścieżek; Implementacja algorytmu Dijkstry w Pythonie; Podsumowanie; III. Praktyczne zastosowania matematyki dyskretnej: 10. Analiza regresji za pomocą NumPy i scikit-learn: Zbiór danych; Linie najlepszego dopasowania i metoda najmniejszych kwadratów; Linia najlepszego dopasowania; Dopasowywanie prostej metodą najmniejszych kwadratów w NumPy; Dopasowywanie krzywych metodą najmniejszych kwadratów z użyciem NumPy i SciPy; Dopasowanie płaszczyzn metodą najmniejszych kwadratów z użyciem NumPy i SciPy; Podsumowanie; 11. Wyszukiwanie w sieci za pomocą algorytmu PageRank: Rozwój wyszukiwarek na przestrzeni lat; Google PageRank (część II); Implementacja algorytmu PageRank w Pythonie; Zastosowanie algorytmu na danych rzeczywistych; Podsumowanie; 12. Analiza głównych składowych za pomocą scikit-learn: Wartości i wektory własne, bazy ortogonalne; Redukcja wymiarowości za pomocą analizy głównych składowych; Implementacja metody PCA z scikit-learn; Zastosowanie metody PCA na rzeczywistych danych; Podsumowanie.
1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.
Wypożyczalnia
Są egzemplarze dostępne do wypożyczenia: sygn. 51 (2 egz.)
Książka
W koszyku
Metody i techniki sztucznej inteligencji / Leszek Rutkowski. - Wyd. 2 zm. - Warszawa : PWN Wydaw. Nauk., 2009. - 451 s. : rys., tab., wykr. ; 24 cm.
1. Wstęp, 2. Wybrane zagadnienia sztucznej inteligencji, 3. Metody reprezentacji wiedzy z wykorzystaniem zbiorów przybliżonych, 4. Metody reprezentacji wiedzy z wykorzystaniem zbiorów rozmytych typu 1, 5. Metody reprezentacji wiedzy z wykorzystaniem zbiorów rozmytych typu 2, 6. Sieci neuronowe i algorytmy ich ucznia, 7. Algorytmy ewolucyjne, 8. Metody grupowania danych, 9. Systemu neuronowo-rozmyte typu Mamdaniego, logicznego i Tagaki-Sugeno, 10. Elastyczne systemy neuronowo-rozmyte
1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.
Czytelnia
Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 004 (1 egz.)
Książka
W koszyku
1. Wstęp, 2. Wybrane zagadnienia sztucznej inteligencji, 3. Metody reprezentacji wiedzy z wykorzystaniem zbiorów przybliżonych, 4. Metody reprezentacji wiedzy z wykorzystaniem zbiorów rozmytych typu 1, 5. Metody reprezentacji wiedzy z wykorzystaniem zbiorów rozmytych typu 2, 6. Sieci neuronowe i algorytmy ich ucznia, 7. Algorytmy ewolucyjne, 8. Metody grupowania danych, 9.Systemu neuronowo-rozmyte typu Mamdaniego, logicznego i Tagaki-Sugeno, 10. Elastyczne systemy neuronowo-rozmyte
1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.
Wypożyczalnia
Są egzemplarze dostępne do wypożyczenia: sygn. 004 (3 egz.)
E-book
W koszyku

Przewodnik po kodowaniu i myśleniu komputacyjnym

Programista to bardzo szczególny typ specjalisty. Jeśli uważasz, że myśli w inny sposób niż tak zwani normalni ludzie, to masz rację. Dobra wiadomość jest taka, że i Ty możesz się nauczyć myślenia komputacyjnego - umiejętności, która się przydaje niezależnie od charakteru rozwiązywanego problemu, środowiska czy języka programowania. Tylko w ten sposób można od początku nauki programowania pisać przejrzysty, uporządkowany, znakomity kod, zgodny z najlepszymi praktykami wypracowanymi przez mistrzów. Innymi słowy: pracować jak profesjonalny programista.

Ta książka jest niezwykłym podręcznikiem programowania. Być może wygląda nieco dziwacznie, ale prędko się przekonasz, że to podręcznik jest wyjątkowo skuteczny: w końcu jego formuła została opracowana na podstawie najlepszych osiągnięć neurologii i kognitywistyki. W ten sposób Twój mózg się zaangażuje i błyskawicznie przyswoi sobie zasady programowania w Pythonie. Autor wykorzystał oczywistą prawdę, że najszybciej uczymy się wtedy, gdy uwzględnimy specyfikę działania własnego mózgu! Najpierw więc się zainteresujesz, potem zaangażujesz, wreszcie przygotujesz sobie warsztat pracy, czyli zainstalujesz Pythona. Później zaczniesz ćwiczyć myślenie komputacyjne i oczywiście napiszesz swój pierwszy program. A dalej będzie coraz ciekawiej...

W tej książce między innymi:

  • Istotne koncepcje programistyczne
  • Zasady programowania w Pythonie
  • Funkcje i rekurencja
  • Programowanie obiektowe
  • Tworzenie API dla aplikacji internetowych
  • Widgety i zdarzenia

Neurony płoną. Emocje szaleją. Tak napiszesz kod godny mistrza!

Ta pozycja jest dostępna przez Internet. Rozwiń informację, by zobaczyć szczegóły.
Dostęp do treści elektronicznej wymaga posiadania kodu dostępu, który można odebrać w bibliotece.
Pozycja została dodana do koszyka. Jeśli nie wiesz, do czego służy koszyk, kliknij tutaj, aby poznać szczegóły.
Nie pokazuj tego więcej