Kursus Struktur Data dan Algoritma Python

Pelajaran 1 • Fungsi dan Ruang Lingkup

Mendefinisikan fungsi yang dapat digunakan kembali dengan parameter, nilai kembali, dan aturan ruang lingkup. Mempersiapkan peserta didik untuk merangkum logika DSA dalam unit yang bersih dan dapat diuji.

Pelajaran 2 • Alur Kontrol dan Iterasi

Mengajarkan percabangan if/elif/else, loop for dan while, serta pernyataan kontrol loop. Memungkinkan peserta didik mengekspresikan logika algoritmik dalam Python.

Pelajaran 3 • Penanganan Kesalahan dan Debugging

Memperkenalkan eksepsi, blok try/except, dan alat debugging. Membekali peserta didik untuk menulis kode yang kokoh dan mendiagnosis kegagalan dalam program yang kompleks.

Pelajaran 4 • Tipe Data Inti dan Variabel

Mencakup integer, float, string, boolean, dan type casting. Menyediakan primitif data yang digunakan dalam setiap implementasi algoritma ke depannya.

Pelajaran 1 • Iterator, Generator, dan Evaluasi Malas

Menjelaskan protokol iterator, fungsi generator, dan yield. Memungkinkan traversal yang efisien memori pada kumpulan data besar dalam masalah DSA.

Pelajaran 2 • List dan Tuple secara Mendalam

Mengeksplorasi pengindeksan, slicing, mutasi, dan imutabilitas tuple. Tipe urutan ini mendasari struktur data berbasis larik yang dibahas nanti.

Pelajaran 3 • Dictionary dan Set

Mencakup penyimpanan berbasis hash, operasi kunci-nilai, dan aljabar set. Mendukung langsung implementasi tabel hash dan adjacency graf.

Pelajaran 4 • Comprehensions List dan Dictionary

Mengajarkan sintaks comprehension yang ringkas untuk memfilter dan mentransformasi koleksi. Mengurangi kode boilerplate dalam implementasi algoritma di seluruh kursus.

Pelajaran 1 • Pengantar Analisis Algoritma

Mendefinisikan kebenaran algoritma, efisiensi, dan kebutuhan akan analisis formal. Menetapkan pola pikir analitis yang diterapkan pada setiap struktur data dan algoritma ke depannya.

Pelajaran 2 • Big-O, Big-Omega, dan Big-Theta

Memformalkan notasi asimptotik dan kelas kompleksitas umum. Menyediakan kosakata yang digunakan untuk mendeskripsikan setiap algoritma di bab-bab selanjutnya.

Pelajaran 3 • Menganalisis Loop dan Panggilan Rekursif

Mengajarkan penghitungan langkah untuk loop dan relasi rekurensi untuk rekursi. Mempersiapkan langsung peserta didik untuk menganalisis algoritma sorting dan pohon.

Pelajaran 4 • Profiling Kode Python

Menggunakan timeit, cProfile, dan memory_profiler untuk mengukur kinerja nyata. Menghubungkan kompleksitas teoretis dengan perilaku eksekusi Python yang terukur.

Pelajaran 1 • Perbandingan Kompleksitas Struktur Linear

Membandingkan kompleksitas waktu dan ruang di semua struktur linear yang dipelajari. Memungkinkan pemilihan struktur yang tepat untuk masalah desain algoritma.

Pelajaran 2 • Singly dan Doubly Linked Lists

Membangun kelas Node dan operasi list termasuk penyisipan, penghapusan, dan traversal. Memperkenalkan pemikiran berbasis pointer yang penting untuk pohon dan graf.

Pelajaran 3 • Stack: Implementasi dan Aplikasi

Mengimplementasikan stack menggunakan list dan linked list, kemudian menerapkannya pada masalah nyata. Mendemonstrasikan semantik LIFO yang digunakan dalam rekursi, parsing, dan backtracking.

Pelajaran 4 • Queue, Deque, dan Priority Queue

Mencakup queue FIFO, deque ujung-ganda, dan priority queue berbasis heap. Mempersiapkan peserta didik untuk masalah BFS, penjadwalan, dan algoritma greedy.

Pelajaran 1 • Algoritma Sorting Kuadratik

Mengimplementasikan bubble sort, selection sort, dan insertion sort dengan analisis langkah demi langkah. Menyediakan patokan O(n²) yang menjadi ukuran sorting yang lebih cepat.

Pelajaran 2 • Algoritma Pencarian

Mengimplementasikan linear search dan binary search dengan bukti kompleksitas. Menghubungkan pencarian dengan persyaratan data terurut dan masalah wawancara nyata.

Pelajaran 3 • Dasar-Dasar Rekursi

Mendefinisikan kasus dasar, kasus rekursif, dan call stack. Membangun model mental yang diperlukan untuk traversal pohon dan algoritma divide-and-conquer.

Pelajaran 4 • Sorting Linear-Time dan Hibrida

Mencakup counting sort, radix sort, dan Timsort yang digunakan dalam fungsi sortir bawaan Python. Memperluas perangkat peserta didik di luar sorting berbasis perbandingan.

Pelajaran 1 • Pohon Pencarian Biner

Mengimplementasikan penyisipan, pencarian, dan penghapusan BST dengan analisis rata-rata O(log n). Mendemonstrasikan penyimpanan dan pengambilan data terurut menggunakan struktur pohon.

Pelajaran 2 • Trie dan Prefix Trees

Membangun trie untuk penyisipan string, pencarian, dan pencocokan awalan. Memungkinkan solusi autocomplete dan pencarian kamus yang efisien.

Pelajaran 3 • Pohon Biner dan Traversal

Mendefinisikan terminologi pohon dan mengimplementasikan traversal in-order, pre-order, dan post-order. Menetapkan pola traversal rekursif yang digunakan dalam semua algoritma pohon.

Pelajaran 4 • Heap dan Operasi Heap

Membangun max-heap dan min-heap, mengimplementasikan heapify dan heap sort. Mendukung langsung implementasi priority queue dan algoritma greedy.

Pelajaran 1 • Masalah Graf Lanjutan

Mencakup komponen yang terhubung kuat, pemeriksaan bipartit, dan dasar-dasar aliran jaringan. Memperluas keterampilan graf ke kategori masalah dunia nyata yang kompleks.

Pelajaran 2 • Representasi dan Terminologi Graf

Mendefinisikan graf berarah, tidak berarah, berbobot, dan siklik dengan representasi adjacency list dan matriks. Menetapkan fondasi untuk semua implementasi algoritma graf.

Pelajaran 3 • Algoritma Jalur Terpendek

Mengimplementasikan algoritma Dijkstra dan Bellman-Ford untuk graf berbobot. Membekali peserta didik untuk memecahkan masalah routing dan minimalisasi biaya.

Pelajaran 4 • Pohon Rentang Minimum

Mengimplementasikan algoritma Kruskal dan Prim menggunakan union-find dan priority queue. Memecahkan masalah desain jaringan yang membutuhkan konektivitas biaya minimum.

Pelajaran 1 • Algoritma Greedy dan Backtracking

Mengimplementasikan strategi greedy untuk penjadwalan interval dan pengkodean Huffman, serta backtracking untuk N-Queens dan subset. Melengkapi perangkat desain algoritma inti.

Pelajaran 2 • Tabulasi dan DP Bottom-Up

Membangun tabel DP secara iteratif untuk coin change, menaiki tangga, dan jalur grid. Menghilangkan overhead rekursi dan memperjelas logika transisi status.

Pelajaran 3 • Pengantar Pemrograman Dinamis

Mendefinisikan submasalah yang tumpang tindih dan substruktur optimal sebagai prasyarat DP. Membandingkan DP dengan divide-and-conquer untuk memperjelas kapan masing-masing diterapkan.

Pelajaran 4 • Memoisasi dan DP Top-Down

Mengonversi rekursi naif menjadi solusi yang dimemoisasi menggunakan dictionary dan functools.lru_cache. Mendemonstrasikan pengurangan kompleksitas yang dramatis pada Fibonacci dan masalah serupa.