Curso de Algoritmos e Estrutura de Dados em Python

Aula 1 • Funções e Escopo

Define funções reutilizáveis com parâmetros, valores de retorno e regras de escopo. Prepara os alunos para encapsular a lógica de DSA em unidades limpas e testáveis.

Aula 2 • Fluxo de Controle e Iteração

Ensina ramificações if/elif/else, loops for e while e instruções de controle de loop. Permite que os alunos expressem lógica algorítmica em Python.

Aula 3 • Tratamento de Erros e Depuração

Apresenta exceções, blocos try/except e ferramentas de depuração. Equipa os alunos para escrever código robusto e diagnosticar falhas em programas complexos.

Aula 4 • Tipos de Dados Principais e Variáveis

Aborda inteiros, floats, strings, booleanos e conversão de tipos. Fornece os primitivos de dados usados em toda implementação de algoritmo adiante.

Aula 1 • Iteradores, Geradores e Avaliação Preguiçosa

Explica o protocolo do iterador, funções geradoras e yield. Permite a travessia com eficiência de memória de grandes conjuntos de dados em problemas de DSA.

Aula 2 • Listas e Tuplas em Profundidade

Explora indexação, fatiamento, mutação e imutabilidade de tuplas. Esses tipos de sequência sustentam estruturas de dados baseadas em arrays abordadas posteriormente.

Aula 3 • Dicionários e Conjuntos

Aborda armazenamento baseado em hash, operações de chave-valor e álgebra de conjuntos. Dá suporte direto a implementações de tabelas hash e adjacências de grafos.

Aula 4 • Comprehensions de Lista e Dicionário

Ensina a sintaxe concisa de comprehensions para filtrar e transformar coleções. Reduz código repetitivo em implementações de algoritmos ao longo do curso.

Aula 1 • Introdução à Análise de Algoritmos

Define corretude, eficiência e a necessidade de análise formal de algoritmos. Estabelece a mentalidade analítica aplicada a toda estrutura de dados e algoritmo adiante.

Aula 2 • Big-O, Big-Omega e Big-Theta

Formaliza a notação assintótica e classes de complexidade comuns. Fornece o vocabulário usado para descrever todo algoritmo nos capítulos subsequentes.

Aula 3 • Analisando Loops e Chamadas Recursivas

Ensina a contagem de passos para loops e relações de recorrência para recursão. Prepara diretamente os alunos para analisar algoritmos de ordenação e árvores.

Aula 4 • Perfilando Código Python

Usa timeit, cProfile e memory_profiler para medir o desempenho real. Conecta a complexidade teórica ao comportamento de execução mensurável do Python.

Aula 1 • Comparação de Complexidade de Estruturas Lineares

Compara a complexidade de tempo e espaço entre todas as estruturas lineares estudadas. Permite a seleção informada de estruturas para problemas de projeto de algoritmos.

Aula 2 • Listas Ligadas Simples e Duplamente Ligadas

Constrói classes Node e operações de lista incluindo inserção, remoção e travessia. Apresenta o pensamento baseado em ponteiros essencial para árvores e grafos.

Aula 3 • Pilhas: Implementação e Aplicações

Implementa pilhas usando listas e listas ligadas, e as aplica a problemas reais. Demonstra a semântica LIFO usada em recursão, análise sintática e backtracking.

Aula 4 • Filas, Deques e Filas de Prioridade

Aborda filas FIFO, deques de duas pontas e filas de prioridade baseadas em heap. Prepara os alunos para problemas de BFS, escalonamento e algoritmos gananciosos.

Aula 1 • Algoritmos de Ordenação Quadráticos

Implementa bubble sort, selection sort e insertion sort com análise passo a passo. Fornece a base O(n²) contra a qual ordenações mais rápidas são medidas.

Aula 2 • Algoritmos de Busca

Implementa busca linear e busca binária com provas de complexidade. Conecta a busca aos requisitos de dados ordenados e problemas reais de entrevista.

Aula 3 • Fundamentos de Recursão

Define casos base, casos recursivos e a pilha de chamadas. Constrói o modelo mental necessário para travessia de árvores e algoritmos de dividir e conquistar.

Aula 4 • Ordenação em Tempo Linear e Híbrida

Aborda counting sort, radix sort e Timsort usado na ordenação embutida do Python. Expande o kit de ferramentas dos alunos além da ordenação baseada em comparação.

Aula 1 • Árvores Binárias de Busca

Implementa inserção, busca e remoção em BST com análise O(log n) média. Demonstra armazenamento e recuperação de dados ordenados usando estrutura de árvore.

Aula 2 • Tries e Árvores de Prefixo

Constrói um trie para inserção, busca e correspondência de prefixos de strings. Permite soluções eficientes de autocomplete e consulta em dicionário.

Aula 3 • Árvores Binárias e Travessias

Define a terminologia de árvores e implementa travessias em-ordem, pré-ordem e pós-ordem. Estabelece o padrão de travessia recursiva usado em todos os algoritmos de árvore.

Aula 4 • Heaps e Operações com Heap

Constrói um max-heap e um min-heap, implementa heapify e heap sort. Dá suporte direto a implementações de fila de prioridade e algoritmos gananciosos.

Aula 1 • Problemas Avançados em Grafos

Aborda componentes fortemente conectados, verificação de bipartição e conceitos básicos de fluxo em rede. Estende as habilidades em grafos para categorias complexas de problemas do mundo real.

Aula 2 • Representações e Terminologia de Grafos

Define grafos direcionados, não direcionados, ponderados e cíclicos com representações em lista e matriz de adjacência. Estabelece a base para todas as implementações de algoritmos em grafos.

Aula 3 • Algoritmos de Caminho Mínimo

Implementa os algoritmos de Dijkstra e Bellman-Ford para grafos ponderados. Equipa os alunos para resolver problemas de roteamento e minimização de custo.

Aula 4 • Árvores Geradoras Mínimas

Implementa os algoritmos de Kruskal e Prim usando union-find e filas de prioridade. Resolve problemas de projeto de rede que exigem conectividade de custo mínimo.

Aula 1 • Algoritmos Gananciosos e Backtracking

Implementa estratégias gananciosas para escalonamento de intervalos e codificação de Huffman, além de backtracking para N-Rainhas e subconjuntos. Completa o kit de ferramentas principal de projeto de algoritmos.

Aula 2 • Tabulação e DP Bottom-Up

Constrói tabelas DP iterativamente para troco de moedas, subida de escadas e caminhos em grade. Elimina a sobrecarga da recursão e esclarece a lógica de transição de estados.

Aula 3 • Introdução à Programação Dinâmica

Define subproblemas sobrepostos e subestrutura ótima como pré-requisitos da DP. Contrasta DP com dividir e conquistar para esclarecer quando cada uma se aplica.

Aula 4 • Memoização e DP Top-Down

Converte recursão ingênua em soluções memoizadas usando dicionários e functools.lru_cache. Demonstra redução drástica de complexidade em Fibonacci e problemas similares.