Code Croissant
Kurse
Shop
Chez Motchi
Suchen
Start
Das große Rezeptbuch der Algorithmen
Lehrplan
9 Sections
46 Lessons
10 Weeks
Expand all sections
Collapse all sections
Einstieg & Denkweise
Verständnis dafür, was ein Algorithmus überhaupt ist, bevor Code kommt.
4
1.1
Was ist ein Algorithmus?
1.2
Eigenschaften guter Algorithmen
1.3
Pseudocode & Flussdiagramme lesen
1.4
Algorithmen vs. Programme vs. Datenstrukturen
Komplexität & Laufzeitanalyse
Grundlage, um später Algorithmen bewerten zu können.
5
2.1
Warum Effizienz zählt
2.2
Die Big-O-Notation verständlich erklärt
2.3
Best-, Average-, Worst-Case
2.4
Zeit- vs. Speicherkomplexität
2.5
Abschlusstest Modul 1
0 Questions
Rekursion
Rekursives Denken trainieren, bevor komplexere Algorithmen folgen.
6
3.1
Was ist Rekursion? Basisfall & Rekursionsfall
3.2
Der Call-Stack visualisiert
3.3
Klassiker: Fibonacci, Türme von Hanoi
3.4
Rekursion vs. Iteration – Vor-/Nachteile
3.5
Endlosrekursion erkennen & vermeiden
3.6
Abschlusstest Modul 2
0 Questions
Sortieralgorithmen
Verschiedene Sortierstrategien verstehen und vergleichen können.
10
4.1
Überblick: Warum gibt es so viele Sortierverfahren?
4.2
Bubble Sort
4.3
Selection Sort
4.4
Insertion Sort
4.5
Merge Sort (Divide & Conquer)
4.6
Quick Sort
4.7
Heap Sort
4.8
Counting/Radix Sort
4.9
Sortier-Wettrennen: Alle Verfahren im direkten Vergleich
4.10
Abschlussquiz Modul 3
0 Questions
Suchalgorithmen
Effizientes Suchen in Datenstrukturen.
5
5.1
Lineare Suche
5.2
Binäre Suche
5.3
Hashing & Hash-Tabellen
5.4
Suchbäume
5.5
Abschlusstest Modul 4
0 Questions
Graphalgorithmen
Fortgeschrittenes Modul – Netzwerke/Graphen algorithmisch bearbeiten.
7
6.1
Graphen-Grundlagen
6.2
Breitensuche (BFS)
6.3
Tiefensuche (DFS)
6.4
Kürzeste Wege: Dijkstra-Algorithmus
6.5
Minimale Spannbäume
6.6
Praxisszenario: Kürzeste Route in einem Beispielnetz finden
6.7
Abschlusstest Modul 5
0 Questions
Dynamische Programmierung & Greedy-Algorithmen
Fortgeschrittene Optimierungstechniken.
7
7.1
Prinzip der dynamischen Programmierung
7.2
Klassiker: Rucksackproblem
7.3
Klassiker: Längste gemeinsame Teilsequenz
7.4
Greedy-Prinzip erklärt
7.5
Wann Greedy NICHT optimal ist
7.6
Abschlussprojekt-Vorbereitung
7.7
Abschlusstest Modul 6
0 Questions
Algorithmen-Design-Strategien im Überblick
Die „großen Familien“ von Algorithmen einordnen können.
5
8.1
Divide & Conquer – Zusammenfassung & Beispiele
8.2
Backtracking
8.3
Brute-Force vs. heuristische Ansätze
8.4
Große Übersichtskarte: Welcher Algorithmus für welches Problem?
8.5
Abschlusstest Modul 7
0 Questions
Praxis & Vertiefung
Transfer in echte Anwendungsfälle der Informatik.
5
9.1
Algorithmen im Berufsalltag
9.2
Code-Optimierung: Vom naiven zum effizienten Algorithmus
9.3
Grenzen der Algorithmik: NP-Vollständigkeit
9.4
Abschlussprojekt: Eigenen Algorithmus entwerfen, dokumentieren, Komplexität analysieren
9.5
Abschlussprüfung
0 Questions
This content is protected, please
login
and
enroll
in the course to view this content!
Modal title
Main Content