————————————-

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

اگر دوست داشتین حتما پست هارو برای بقیه دوستاتون هم بفرستین یا این کانال رو بهشون معرفی کنید که همین اول راهی باهامون همراه بشن 😍

آیدی کانال :
@algorithm_interview

————————————

بریم سراغ روز سومممممممم 🙌

اولین جلسه #مرور

#day3
#review
@algorithm_interview

چطور مطورین ؟؟؟
امیدوارم که شب جمعه خوبی رو داشته باشین.


اگر تازه به جمعمون اضافه شدی، همه چی از اینجا شروع شده + توضیحات درمورد روند دوره

(راستی ما اخر هفته ها رو محتوایی نداریم و برای هفته پیش رو 🔋 مونو شارژ میکنیم 😌😎)

بچه ها این ایدی من هست برای ثبت نام @ash_moh

————————————-

یه خبر خووووب، دنیای Big O اونقدرا شت و اشغال هم نیست که فک میکنی 😂

دو تا مسئله قبلی رو یادته که خط به خط رفتیم و جلو، اخر رسیدیم به پیچیدگی زمانیشون ؟؟ خب باید بگم خیلی اسون تر از اون میشه فهمید که Big O شون چیه.

شاید با خودت بگی که مدرس دوره کرم داشت که اینطوری گفت ؟ منم مث تو نمیدونم 😂 ولی به هر حال همونطور که تو عکس میبینی 4 تا تکنیک یا قانون شاید، وجود داره که کار مارو خیلی اسون تر میکنه که تو ویدیو هایی بعدی هر کدوم رو بررسی میکنیم

⚡️توضیحات بیشتر در ویس تکمیلی

این متن خلاصه ویدیو : 013 Simplifying Big O از بخش Big O بود

#day4
آیدی کانال:
@algorithm_interview

———————————-

چیزی که برامون مهمه توی محاسبه پیچیدگی زمانی، اون شرایط نایس و گوگلی نیست!

مثال پیدا کردن nemo رو یادته؟ یه ارایه داشتیم که nemo کوچولو تو یکی از خونه هاش سکنا گزیده بود 🥹

حالا اومدیم اونو بهینه تر کردیم، اینطوری که هر وقت رسیدیم به خونه نمو دیگه از اون به بعد چرخه مون نره جلو! شاید با خودت بگی که wooooow اینطوری که خیلی بهینه شد و در اکثر مواقع شاید نیاز نباشه کل ارایه رو پیمایش کنیم، پسسس شایدم بتونیم بگیم دیگه با O(n) طرف نیستیم و پیچیدگی زمانیم کمتره چون لوپ ما دیگه اکثرا تا اخر ارایه رو نمیره جلو

به کلمه " اکثرا " دقت کردی ؟ بله اکثرا شاید اینطوری باشه ولی یه مواقع اشغال و مزخرفی هم وجود داره که این nemo جون آخخخخرین خونه از ارایه است و ما باید کل ارایه رو پیمایش کنیم!!!

وقتی داریم درمورد scale صحبت میکنیم، امن تره که بد ترین حالت رو درنظر بگیریم!!!

پس برای محاسبه پیچیدگی زمانی، حالت های نایس و گوگولی رو بذار کنار و ببین تو بدترین حالت پیچیدگی چقدر میتونه باشه

⚡️توضیحات بیشتر در ویس تکمیلی

این متن خلاصه ویدیو 014 Big O Rule 1 از بخش Big O بود

#day4
آیدی کانال:
@algorithm_interview