For experiments by the Euclid team.
Ανακοινώσεις
Αυτό εδώ είναι μια πολύ σημαντική ανακοίνωση.
Διαθέσιμα μαθήματα
- Διδάσκων: Ελένη Μπριόλα
- Διδάσκων: Βασίλειος Περιφάνης
- Διδάσκων: Ανδρέας Σένδρος
Σκοπός του μαθήματος είναι η μελέτη βασικών εννοιών Δομών Δεδομένων και Αλγορίθμων και η εφαρμογή τους για την επίλυση υπολογιστικών προβλημάτων. Ενδεικτικές θεματικές ενότητες του μαθήματος: Υπολογιστικά μοντέλα. Βασικές έννοιες αλγορίθμων. Πολυπλοκότητα αλγορίθμων. Κλάσεις πολυπλοκότητας. Ασυμπτωτικές προσεγγίσεις και συμβολισμοί. Αναζήτηση και ταξινόμηση. Αναδρομικοί αλγόριθμοι. Δομές Δεδομένων. Στοίβες και ουρές. Συνδεδεμένες λίστες. Βασικές έννοιες δέντρων. Διάσχιση δέντρου. Δυαδικά δέντρα αναζήτησης. Ισοζυγισμένα δέντρα αναζήτησης. Ουρές προτεραιότητας. Κατακερματισμός. Αλγόριθμοι γραφημάτων. Σχεδιασμός και υλοποίηση δομών δεδομένων και αλγορίθμων σε περιβάλλον προγραμματισμού JAVA.
- Διδάσκων: Γεωργιος Σταματελατος
Βασικές έννοιες αλγορίθμων. Ταξινόμηση και Αναζήτηση. Υπολογιστικά Μοντέλα. Η μηχα-
νή Turing και η Random Access Machine. Πολυπλοκότητα Αλγορίθμων. Τεχνικές Σχεδια-
σμού Αλγορίθμων. Διαίρει και Βασίλευε. Αναδρομή και Απαλοιφή Αναδρομής. Δυναμικός
Προ-γραμματισμός. Απληστία. Αλγόριθμοι Γραφημάτων και Δέντρων. Αλγόριθμοι με
χρήση Τυ-χαιότητας. Κλάσεις Πολυπλοκότητας. Οι κλάσεις P και NP. Προβλήματα πλήρη
για την κλάση NP. Αναγωγές. Αναφορά σε Ευρετικές Τεχνικές και Αλγόριθμους Προσέγγι-
σης. Σχεδιασμός και υλοποίηση βασικών Αλγορίθμων σε σύγχρονα περιβάλλοντα Προ-
γραμματισμού.
- Διδάσκων: Χρήστος-Χρύσανθος Νικολαΐδης
Συνεισφορά για τη δημιουργία του υλικού
- Σένδρος Ανδρέας , Υπ. Διδάκτορας (andrsend@ee.duth.gr)
- Διγγόλης Ιωάννης, Προτπυχιακός φοιτητής (ioanding@ee.duth.gr)
- Σιώμος Στυλιανός, Προτπυχιακός φοιτητής (stylsiom@ee.duth.gr)
- Γιορδαμλής Ιωάννης, Προπτυχιακός φοιτητής (ioangior2@ee.duth.gr)
- Ιωακειμίδης Μιχαήλ, Προπτυχιακός φοιτητής (michioak1@ee.duth.gr)
- Διδάσκων: Ιωαννης Γιορδαμλης
- Διδάσκων: Ιωαννης Διγγολης
- Διδάσκων: Στυλιανος Σιωμος
Καλώς ήρθατε στο μάθημα των Euclid Courses που δημιουργήθηκε από εθελοντές, με σκοπό να γνωρίσουν και να εξασκηθούν οι φοιτητές πάνω στη γλώσσα προγραμματισμού Python. Εδώ θα βρείτε πλούσιο υλικό και σημειώσεις αλλά και ένα μεγάλο κατάλογο από ασκήσεις διαβαθμισμένης δυσκολίας για να λύσετε.
Σας ευχόμαστε καλή διασκέδαση.
- Διδάσκων: Κωνσταντινος Εμμανουηλιδης
- Διδάσκων: Ευσταθιος Καρυπιδης
- Διδάσκων: Ιωαννης-Αριστειδης Μασλαρης
- Διδάσκων: Ελένη Μπριόλα
- Διδάσκων: Νικόλαος Παυλίδης
- Διδάσκων: Βασίλειος Περιφάνης
- Διδάσκων: Ανδρέας Σένδρος
- Διδάσκων: Αριστειδης Σιδηροπουλος
- Διδάσκων: Θεοδωρος Τσιολακης
- Διδάσκων: Ελενη Χαριζανη
- Διδάσκων: Αντώνιος Χατζητουλούσης
Introduction to data programming. Python programming. Data stream
processing. Data acquisition: web services, streams, data transfer.
Octave/Matlab/R for data analysis. Optimisation considerations,
vectorisation, GPUs. Use-case combining batch processing, streaming and
analysis; quantum physics data analysis use case. Open quantum computing
in Python (ProjectQ).