Visão Geral

O curso Data Structures and Algorithms in Python oferece uma abordagem prática e estruturada para aprender as principais estruturas de dados e algoritmos utilizando Python. Durante o treinamento, os participantes vão compreender como organizar, manipular e otimizar dados, desenvolver soluções eficientes e aplicar boas práticas de programação para problemas do mundo real.

Objetivo

Após realizar este curso Data Structures and Algorithms in Python, você será capaz de:

• Implementar as principais estruturas de dados em Python.
• Aplicar algoritmos clássicos de busca, ordenação e otimização.
• Analisar e melhorar a complexidade de tempo e espaço de soluções.
• Resolver problemas de programação de forma eficiente e escalável.

Publico Alvo

Este curso é indicado para:

• Desenvolvedores que desejam aprofundar seus conhecimentos em estruturas de dados e algoritmos.
• Estudantes e profissionais de TI que buscam melhorar a eficiência e qualidade de seus códigos em Python.
• Profissionais que desejam se preparar para entrevistas técnicas ou coding challenges.

Pre-Requisitos

• Conhecimento básico de programação em Python.
• Noções de lógica de programação e matemática discreta.
• Desejável familiaridade com listas, dicionários e manipulação básica de dados em Python.

Materiais

Conteúdo Programatico

Module 1: Introduction to Data Structures and Algorithms

1. Understanding the importance of data structures and algorithms
2. Big O notation: time and space complexity
3. Python built-in data structures overview
4. Problem-solving strategies for algorithmic thinking

Module 2: Arrays and Strings

1. Array operations and manipulations
2. Searching and sorting techniques
3. Two-pointer and sliding window methods
4. Common interview problems: subarrays, rotations, anagrams

Module 3: Linked Lists

1. Singly, doubly, and circular linked lists
2. Operations: insertion, deletion, reversal
3. Fast and slow pointer techniques
4. Cycle detection and practical exercises

Module 4: Stacks and Queues

1. Implementing stacks and queues in Python
2. Priority queues and heaps (heapq)
3. Applications: BFS, expression evaluation, undo-redo functionality
4. Monotonic stacks and sliding window problems

Module 5: Trees and Binary Search Trees

1. Tree traversal: inorder, preorder, postorder, level order
2. Binary Search Tree (BST) operations
3. Recursion vs iteration in tree algorithms
4. Solving common tree problems: LCA, diameter, depth

Module 6: Heaps, Hashing, and Sets

1. Heap implementation and applications
2. Python dictionaries and sets for efficient lookup
3. Frequency counting and top-K problems
4. Collision handling and hash-based solutions

Module 7: Graphs and Graph Algorithms

1. Graph representation: adjacency list and matrix
2. Breadth-First Search (BFS) and Depth-First Search (DFS)
3. Shortest path algorithms: Dijkstra, Bellman-Ford
4. Union-Find and connected components

Module 8: Sorting and Searching Algorithms

1. Bubble, selection, insertion, merge, and quicksort
2. Binary search and variations
3. Search and sort in Python using built-in functions
4. Performance analysis and optimization

Module 9: Advanced Algorithms

1. Dynamic programming: memoization and tabulation
2. Greedy algorithms and problem-solving patterns
3. Divide and conquer strategies
4. Backtracking: permutations, combinations, and subsets

Module 10: Practice and Mock Exercises

1. Real-world coding problems and solutions
2. Algorithm optimization and complexity analysis
3. Mock coding interviews in Python
4. Capstone project: end-to-end problem solving using multiple data structures