Алгоритмы и структуры данных

Код специальности / Specialty code: Код специальности / Specialty code: 6-05-0533-07

Специальность / Specialty:

Математика и компьютерные науки. Профилизация: Искусственный интеллект и математическая экономика. / Mathematics and Computer Science. Specialization: Artificial Intelligence and Mathematical Economics

Учебная дисциплина, модуль / Academic discipline, module:

Алгоритмы и структуры данных / Algorithms and Data Structures

Краткое содержание учебной дисциплины, модуля / Brief summary

Курс «Алгоритмы и структуры данных» направлен на формирование знаний и практических навыков по написанию программ на языке Python с использованием основных структур данных и алгоритмических парадигм. Темы включают основы программирования на Python, основные структуры данных (список, стек, очередь, куча, словарь, граф) и алгоритмы их обработки, методы сортировки, алгоритмические парадигмы (рекурсия, динамическое программирование, жадные алгоритмы), алгоритмы на графах. Освоение курса позволит студентам разрабатывать эффективные программы и анализировать сложность алгоритмов.

The course «Algorithms and Data Structures» is aimed at building knowledge and practical skills in writing Python programs using core data structures and algorithmic paradigms. Topics include Python programming fundamentals, core data structures (list, stack, queue, heap, dictionary, graph) and their processing algorithms, sorting methods, algorithmic paradigms (recursion, dynamic programming, greedy algorithms), and graph algorithms. Mastering the course will allow students to develop efficient programs and analyze algorithmic complexity.

Формируемые компетенции / The formed competences

базовые профессиональные компетенции: Применять современные технологии и базовые конструкции языков программирования для реализации алгоритмических прикладных задач и разработки веб-проектов. специализированные компетенции:

Выполнять проектирование, разработку, тестирование, и маркетинг информационных решений в сети Интернет, в том числе с учетом их последующего масштабирования и обработки возникающих больших объемов данных.

Basic professional competencies: Apply modern technologies and basic constructs of programming languages to implement algorithmic applied tasks and develop web projects.

Specialized competencies: Carry out the design, development, testing, and marketing of information solutions on the Internet, including with consideration of their subsequent scaling and processing of resulting large volumes of data.

Результаты обучения (знать, уметь, владеть) / Learning outcomes (know, can, be able)

знать:

– O-асимптотику и классы сложности алгоритмов;

– основные структуры данных (список, стек, очередь, куча, словарь, граф), их реализацию и оценку сложности операций;

– основные алгоритмические парадигмы и методы сортировки;

– основные алгоритмы на графах;

уметь:

– составлять алгоритмы решения практических задач;

– писать программы на языке Python;

– анализировать эффективность алгоритмов;

владеть:

– навыками создания программ с использованием алгоритмов и алгоритмических парадигм;

– умением анализировать и оптимизировать алгоритмы.

know:

– O-asymptotic notation and algorithm complexity classes;

– core data structures (list, stack, queue, heap, dictionary, graph), their implementation and operation complexity;

– main algorithmic paradigms and sorting methods;

– main graph algorithms;

be able to:

– design algorithms for practical problems;

– write programs in Python;

– analyze algorithm efficiency;

possess:

– skills in creating programs using algorithms and algorithmic paradigms;

– ability to analyze and optimize algorithms.

Семестр изучения учебной дисциплины, модуля / Semester of study

2

2

Пререквизиты / Prerequisites

«Математический анализ», «Алгебра», «Компьютерная математика», «Методы программирования».

«Mathematical Analysis», «Algebra», «Computer Mathematics», «Programming Methods».

Трудоемкость в зачетных единицах (кредитах) / Credit units

3

3

Количество аудиторных часов и часов самостоятельной работы / Academic hour of students’ class work, hours of self-directed learning

всего 96 часов, в том числе 48 аудиторных часов, из них: лекции – 18 часов, лабораторные занятия – 26 часов, управляемая самостоятельная работа – 4 часа.

total 90 hours, including 50 classroom hours, including: lectures – 16 hours, laboratory classes – 30 hours, guided independent work – 4 hours.

Требования и формы текущей и промежуточной аттестации / Requirements and forms of current and interim certification

зачет

pass/fail exam