5 دوره رایگان دانشگاهی برای مصاحبه کدگذاری Ace - KDnuggets

بازنشر افلاطون

دنبال: 0

5 دوره رایگان دانشگاه برای مصاحبه کدنویسی آس
تصویر تولید شده با مدل Segmind SSD-1B

با توجه به رقابتی بودن بازار کار فناوری در حال حاضر، باید به طور مداوم مهارت های فنی خود را ارتقا داده و بهبود بخشید. برای هر نقشی در مهندسی داده و نرم افزار، فرآیند مصاحبه معمولاً با یک یا دو دور مصاحبه کدگذاری شروع می شود.

در حالی که پروژه‌ها و تخصص فنی در دورهای بعدی مصاحبه به شما کمک می‌کنند، مصاحبه‌های کدنویسی اغلب سخت است - به خصوص اگر مدتی است که تمرین نکرده‌اید. و داشتن یک پایه سنگی محکم در ساختار داده ها و الگوریتم ها ضروری است.

حتی اگر مدرک CS ندارید، گذراندن دوره‌های برنامه‌نویسی، ساختار داده‌ها و الگوریتم‌های سطح دانشگاه به شما کمک می‌کند تا برای مصاحبه‌های کدنویسی آماده شوید. زیرا یادگیری اصولی که به دنبال آن چندین هفته تمرین عمدی انجام می شود، هر دو برای شکستن مصاحبه های کدنویسی مورد نیاز است.

ما لیستی از دوره های دانشگاه آزاد را برای کمک به یادگیری ساختار داده ها و الگوریتم ها گردآوری کرده ایم. پس بیایید به سراغ آنها برویم.

برنامه نویسی، ساختارهای داده و الگوریتم ها با استفاده از پایتون تدریس شده توسط پروفسور مدهاوان موکوند در موسسه ریاضی چنای اولین دوره عالی در ساختار داده ها و الگوریتم ها با استفاده از پایتون است.

هنگام آماده شدن برای مصاحبه کدنویسی، اغلب باید مفاهیم پیشرفته را درک کنید. و ممکن است دنبال کردن برخی از دوره های دانشگاهی برای شما دشوار باشد. بنابراین اگر قبلاً یک دوره در مورد ساختار داده در الگوریتم ها گذرانده اید، این اولین دوره خوب است.

من این دوره را در دوران کارشناسی گذراندم و آن را بسیار مفید دیدم. من به شدت توصیه می کنم قبل از شروع دوره های دیگر ابتدا این دوره را بگذرانید.

این دوره حدودا 8 هفته محتوا دارد. در اینجا یک نمای کلی از آنچه دوره پوشش می دهد آورده شده است:

مقدمه ای بر برنامه نویسی
مبانی پایتون
الگوریتم های جستجو
الگوریتم های مرتب سازی
ساختارهای داده داخلی در پایتون
مدیریت استثنا، I/O فایل و پردازش رشته
عقب نشینی
ساختارهای داده مانند پشته ها، صف ها و پشته ها
کلاس ها، اشیا و انواع داده های تعریف شده توسط کاربر
برنامه نویسی پویا

لینک دوره: برنامه نویسی، ساختارهای داده و الگوریتم ها با استفاده از پایتون

جعبه ابزار الگوریتمی از UC San Diego یک دوره عالی برای یادگیری اصول تکنیک های حل مسئله است که به شما در مقابله با مصاحبه های کدنویسی کمک می کند.

شما یاد خواهید گرفت که ابتدا یک راه حل brute-force را کدنویسی کنید که کار می کند، به تدریج به سمت راه حل های بهینه تر حرکت می کنید در حالی که تکنیک هایی مانند برنامه نویسی پویا را یاد می گیرید. شما می توانید دوره را به صورت رایگان در Coursera بررسی کنید و از زبانی استفاده کنید که راحت برنامه نویسی کنید.

این دوره باید چند هفته طول بکشد تا کار کنید. اگر علاقه مند هستید، می توانید کل را نیز بررسی کنید تخصص ساختار داده ها و الگوریتم ها برای یک مسیر یادگیری کامل تر

مطالب دوره شامل:

چالش های برنامه نویسی
الگوریتم های جستجو و مرتب سازی
الگوریتم های حریص
تفرقه بینداز و حکومت کن
برنامه نویسی پویا

لینک دوره: جعبه ابزار الگوریتمی

مقدمه ای بر الگوریتم ها از MIT یکی از محبوب ترین دوره های الگوریتم بسیار توصیه شده است.

اگر تجربه برنامه نویسی دارید و از قبل با اصول ساختار داده و الگوریتم ها آشنا هستید، این دوره به شما کمک می کند تا سطح خود را ارتقا دهید. و اصول اولیه الگوریتم های ساختار داده های رایج و پارادایم های الگوریتمی را بیاموزید.

شما می توانید به مطالب دوره دسترسی داشته باشید: یادداشت های سخنرانی، مجموعه مسائل و راه حل ها به صورت رایگان در وب سایت دوره. در اینجا یک نمای کلی از آنچه دوره پوشش می دهد آورده شده است:

پیچیدگی محاسباتی الگوریتم ها
جستجو و مرتب سازی
الگوریتم های نمودار
برنامه نویسی پویا

لینک دوره: مقدمه ای بر الگوریتم ها

توسط پروفسور تیم راغگاردن در دوران تحصیل در دانشگاه استنفورد، اندیشیده شد طراحی و تحلیل دروس الگوریتم (این بخش و قسمت بعدی) به شما کمک می کند تا برای بهبود تفکر الگوریتمی و مهارت های حل مسئله خود به سختی به خودتان فشار بیاورید.

اگر در طول آماده سازی مصاحبه وقت دارید، توصیه می کنم این دوره و دوره بعدی را بگذرانید. قبل از اینکه وارد این دوره الگوریتم شوید، داشتن یک پایه قوی از یک یا چند دوره قبلی مفید خواهد بود.

در بخش 1 این دوره در مورد طراحی و تحلیل الگوریتم ها یاد خواهید گرفت:

نماد Big-O
جستجو و مرتب سازی
تفرقه بینداز و حکومت کن
الگوریتم های تصادفی
ساختارهای داده مانند جداول هش و فیلترهای بلوم
الگوریتم های روی نمودارها

لینک دوره: الگوریتم ها: طراحی و تجزیه و تحلیل، بخش 1

در این قسمت دوم درس طراحی و تحلیل الگوریتم ها، مفاهیم پیشرفته تری از جمله:

الگوریتم های حریص
برنامه نویسی پویا
کامل بودن NP
تحلیل اکتشافی
جستجوی محلی

می توانید سخنرانی ها را در YouTube تماشا کنید یا دوره را به صورت رایگان در edX بررسی کنید. این دوره ها به عنوان یک تخصص پنج دوره ای در Coursera نیز موجود است. بنابراین اگر این نسخه را ترجیح می دهید، می توانید حسابرسی کنید این تخصص الگوریتم ها به صورت رایگان در Coursera.

لینک دوره: الگوریتم ها: طراحی و تجزیه و تحلیل، بخش 2

امیدوارم منابع مفیدی برای کمک به آمادگی در مصاحبه کدنویسی پیدا کرده باشید.

با این حال، قبل از شروع آماده‌سازی برای مصاحبه‌های کدنویسی، باید مفاهیم برنامه‌نویسی را تجدید کرده و بر آشنایی با ویژگی‌های زبان خاص تمرکز کنید. این به شما کمک می کند تا ساختارهای داده داخلی مناسب را برای طراحی الگوریتم هایی با فضای بهینه و پیچیدگی زمان اجرا انتخاب کنید.

موفق باشید در شکستن مصاحبه های کدنویسی و رسیدن به نقش رویایی خود! اگر به دنبال نکات عملی در زمینه یافتن مشاغل علم داده هستید، بررسی کنید 7 دلیل برای اینکه چرا برای یافتن شغل علم داده در تلاش هستید.

بالا پریا سی یک توسعه دهنده و نویسنده فنی از هند است. او دوست دارد در تقاطع ریاضی، برنامه نویسی، علم داده و تولید محتوا کار کند. زمینه های مورد علاقه و تخصص او شامل DevOps، علم داده و پردازش زبان طبیعی است. او از خواندن، نوشتن، کدنویسی و قهوه لذت می برد! در حال حاضر، او در حال کار بر روی یادگیری و به اشتراک گذاری دانش خود با جامعه توسعه دهندگان با نوشتن آموزش ها، راهنماهای نحوه انجام، نظرات و موارد دیگر است.