———————————

کدی که تو ویدیو قبلی زدیم رو یادته دیگه؟ بیام ببینیم که Big O اون از چه مرتبه ای هست.

اگر دقت کرده باشی ارایه ما هر چندتا خونه که داشته باشه ما باید به همون تعداد operation انجام بدیم. اگر 4 تا خونه داشته باشه ما چهار تا خونه رو باید چک کنیم و اگر nتا خونه داشته ما هم n تا operation باید انجام بدیم

عملا داریم میبینیم که بین تعداد المان ها و operation هامون یه رابطه خطی برقرار هست. برای همین توی مثالمون ما شاهد O(n) هستیم.

دیدی چی شد ؟؟؟؟؟؟؟؟؟ اولین نوتیشن رو با هم یادگرفتیم 😍

اگر هنوز برات گنگ هست، کاملا طبیعیه. پیشنهاد میکنم حتمااا ویس هارو گوش بدی چون اونجا مفصل برات توضیح دادم ^^

#day1
@algorithm_interview

————————————-

کوئیز روز اول:

1- میتونی بگی ویژگی های اصلی یه کد خوب چیه ؟
2- حالا Big O چطوری میتونه به نوشتن یه کد خوب کمک کنه ؟
3- میتونی با یه مثال یه برنامه کامپیوتری رو توصیف کنی از نوشتن تا رسیدن به خروجی ؟
4- توی مثالی که زدی Big O چطوری میتونه کمک کنه بهمون ؟
5- برای مقایسه بهینه بودن دو تا الگوریتم یا راه حل میتونی رو مدت زمانی که اجراشون طول میکشه حساب کنی؟ چرا؟
6- چطوری Big O مارو تو مقایسه الگوریتم ها کمک میکنه؟ اصن مفهومش رو میتونی توضیح بدی ؟
7- توضیح میدی که O(n) داستانش چیه ؟

#quiz
#day1
@algorithm_interview

صبحتون بخییییییییر
چطور مطورین ؟؟ ردیف و بمب دیگه 😏😎

خب ما امروز با هم سه تا ویدیو رو مرور میکنیم:
O(1)
Solution: Big O Calculation
Solution: Big O Calculation 2

یه زمانایی هست که هرچی تعداد المان هامون بیشتر میشه، لزوما تعداد قدم ها و operation هامون زیاد نمیشه.

یه نگاه به عکس بالا بنداز، دقیقا یه چنین رابطه ای این دو تا باهم دارن تو یسری از مسائل.

فرض کن یه فانکشن داری که فارغ از اینکه به عنوان ورودی چه ارایه ای با چه طولی بهش میدی، میاد خونه اولش رو تو کنسول چاپ میکنه یا به عنوان خروجی میده بیرون.

تو یه چنین مسائلی ما پیچیدگی ثابت زمانی داریم :
O(1) یا constant time

حالا سوال اینجاست که اگر بجای یدونه کنسول لاگ ما 300 تا کنسول داشتیم و هر بار باید میرفتیم سراغ 300 تا خونه از ارایه، اون موقع پیچیدگی زمانیم چی بود ؟

اینو توی ویس این ویدیو برات توضیح دادم ^^

#day2
@algorithm_interview

————————————-

خببببببببب بریم سراغ اولین تمرین

توضیحات تمرین هارو بهتر هست توی ویس ها گوش کنی اما توی این تمرین چندتا چیز جالبه

اول اینکه وقتی داریم assignment انجام میدیم، پیچیدگی زمانیش چقدره ؟

توی loop ها داستان چطوریه ؟؟

و در اخر که پیچیدگی زمانی همه خطور رو دراوردیم، چطوری اینارو بذاریم کنار هم که Big O کلی رو دربیاریم ؟

#day2
@algorithm_interview

—————————————

تو تمرین سوم یکم داستان اسون تره و قراره نکاتی رو که توی تمرین قبلی فهمیدیم رو یبار دیگه مرور کنیم تا کم کم دستمون بیاد داستان از چه قراره

#day2
@algorithm_interview

——————————————

کوئیز روز دوم:
8- توضیح میدی داستان پیچیدگی زمانی ثابت O(1) چیه ؟
9- اگر یه فانکشن داشته باشین که یه ارایه به عنوان ورودی میگیره و داخلش میره مقدار دونه دونه‌ی 1000 تا خونه اول ورودی رو چاپ میکنه، میتونی بگی پیچیدگی زمانیش چیه؟
10- وقتی به یه متغیر بیایم مقداری رو Assign کنیم، پیچیدگی زمانی اینکار چقدره؟
11- همیشه پیچیدگی زمانی حلقه ها O(n) هست ؟

#quiz
#day2