nr |
temat wykładu |
literatura |
slajdy |
sta tys tyki |
1 | Wstęp: algorytmy, poprawność i efektywność
obliczeń, rząd wzrostu funkcji, notacja asymptotyczna |
CLRS:roz.1,2,3 |
 |
 |
2 | Algorytmy sortowania: mergesort, heapsort, quicksort |
CLRS:roz.2.3,6,7 |
 |
 |
3 | Sortowanie w czasie liniowym. Podstawowe struktury danych: stosy, kolejki, listy, i drzewa binarne |
CLRS:roz.8,10 |
 |
 |
4 | Tablice z haszowaniem |
CLRS:roz.11 |
 |
 |
5 | Binarne drzewa przeszukiwań BST. Drzewa zrównoważone AVL. |
CLRS:roz.12,??? |
 |
 |
6 | Grafy: reprezentacje, przeszukiwanie grafów. Drzewa rozpinające. | CLRS:roz.20,21 | | |
7 | Znajdowanie najkrótszych ścieżek w grafach. | CLRS:roz.22 | | |
8 | Algorytmy tekstowe: dopasowanie napisów. | CLRS:roz.32 | | |
9 | Wprowadzenie do sztucznej inteligencji: reprezentacja wiedzy, wnioskowanie, uczenie. | | | |
10 | Przeszukiwanie ślepe, heurystyki, metody zachłanne, symulowane wyżarzanie. | | | |
11 | Heurystyczne przeszukiwanie grafów, algorytm A*, tworzenie heurystyk. | | | |
12 | Przeszukiwanie dla gier, algorytm minimaks, warianty. | | | |
13 | Wprowadzenie do sieci neuronowych, sieci jednokierunkowe, uczenie sieci, propagacja wsteczna błędów. | | | |
14 | Budowa sieci jednokierunkowych, dobór parametrów. Modele głębokie, sieci konwolucyjne. | | | |
15 | Wprowadzenie do algorytmów ewolucyjnych. | | | |
Częściowe wyniki sumaryczne |
 |