यह कोर्स क्लासिकल एल्गोरिदम और डेटा स्ट्रक्चर्स को कवर करता है, जिसमें कम्प्यूटेशनल कॉम्प्लेक्सिटी और ML इन्फ्रास्ट्रक्चर में व्यावहारिक उपयोगिता पर विशेष ज़ोर दिया जाता है। स्टूडेंट्स सर्च, सॉर्टिंग, ट्री और ग्राफ़ के कुशल इम्प्लीमेंटेशन के साथ-साथ बड़े डेटा से निपटने वाले एल्गोरिदम (स्ट्रीमिंग एल्गोरिदम, locality-sensitive hashing) भी सीखते हैं। MLOps और ML Engineering के कोर्सेज़ के लिए एल्गोरिदमिक विश्लेषण का कौशल आवश्यक है।
आप क्या सीखेंगे
✓एल्गोरिदम की टाइम और स्पेस कॉम्प्लेक्सिटी का विश्लेषण करना और उपयुक्त डेटा स्ट्रक्चर चुनना
✓हाई-डायमेंशनल स्पेस में एप्रोक्सिमेट सर्च के लिए कुशल इंडेक्स स्ट्रक्चर्स को इम्प्लीमेंट करना
✓मेमोरी में न समा सकने वाले डेटा को प्रोसेस करने के लिए स्ट्रीमिंग एल्गोरिदम डिज़ाइन करना
✓स्केलिंग के दौरान परफ़ॉर्मेंस के दृष्टिकोण से एल्गोरिदमिक निर्णयों को उचित ठहराना
मुख्य विषय
•एसिम्प्टोटिक विश्लेषण: O, Ω, Θ; रिकरेंस रिलेशन
•सॉर्टिंग, बाइनरी सर्च, हैश टेबल्स
•ट्री: BST, B-ट्री, हीप्स, सेगमेंट ट्री
•ग्राफ़: BFS, DFS, शॉर्टेस्ट पाथ, स्पैनिंग ट्री
•डायनामिक प्रोग्रामिंग और ग्रीडी एल्गोरिदम
•स्ट्रीमिंग एल्गोरिदम और स्केचिंग (sketching)
•Locality-Sensitive Hashing (LSH) और एप्रोक्सिमेट नियरेस्ट नेबर सर्च (ANN)
•पैरेलल और डिस्ट्रिब्यूटेड प्रिमिटिव्स (MapReduce मॉडल)
•एमॉर्टाइज़्ड विश्लेषण
यह विवरण स्वतः जनरेट किया गया है और अभी तक किसी फ़ैकल्टी सदस्य द्वारा जाँचा नहीं गया है — यह चर्चा हेतु एक ड्राफ़्ट है।