Scholarlink

<p class="MsoNormal" style="line-height: normal; background: white; vertical-align: baseline;"><span style="font-family: 'Aptos',serif; mso-fareast-font-family: 'Times New Roman'; mso-bidi-font-family: 'Times New Roman'; color: black; border: none windowtext 1.0pt; mso-border-alt: none windowtext 0cm; padding: 0cm; mso-fareast-language: EN-IN;">Das Lehrbuch bietet eine umfassende Einführung in wesentliche Themen der diskreten Mathematik und der Anwendung in Algorithmen und Datenstrukturen.&#xa0;Es wird auf das Wesentliche fokussiert, die Ideen der Konzepte erklärt und abstraktes Denken geschult. Durch die Programmierung in Python werden die Konzepte praktisch umgesetzt. Neben zahlreichen kleineren Anwendungen behandelt das Buch vertieft die Themen Kryptographie, Kanalcodierung, Hashing, Schaltungen, Zahlensysteme, Machine Learning, Matrizenmultiplikation und Pagerank-Algorithmen. Detaillierte Lösungen zu den theoretischen und Pythonaufgaben ermöglichen ein Selbststudium.</span></p><p class="MsoNormal" style="line-height: normal; background: white; vertical-align: baseline;"><span style="font-family: 'Aptos',serif; mso-fareast-font-family: 'Times New Roman'; mso-bidi-font-family: 'Times New Roman'; color: black; mso-fareast-language: EN-IN;">Das Buch eignet sich für Studierende der Informatik und Wirtschaftsinformatik an Fachhochschulen und Universitäten und in Teilen für Leistungskurse an Gymnasien.</span></p>

错误：搜索内容不能为空，请输入英文关键词
错误：关键词超出字数限制，请精简
高级检索

Diskrete Mathematik für Algorithmen

  • 教材

  • 发表日期：

    2025年

查看全文
  • Paolo Vanini

摘要

Das Lehrbuch bietet eine umfassende Einführung in wesentliche Themen der diskreten Mathematik und der Anwendung in Algorithmen und Datenstrukturen. Es wird auf das Wesentliche fokussiert, die Ideen der Konzepte erklärt und abstraktes Denken geschult. Durch die Programmierung in Python werden die Konzepte praktisch umgesetzt. Neben zahlreichen kleineren Anwendungen behandelt das Buch vertieft die Themen Kryptographie, Kanalcodierung, Hashing, Schaltungen, Zahlensysteme, Machine Learning, Matrizenmultiplikation und Pagerank-Algorithmen. Detaillierte Lösungen zu den theoretischen und Pythonaufgaben ermöglichen ein Selbststudium.

Das Buch eignet sich für Studierende der Informatik und Wirtschaftsinformatik an Fachhochschulen und Universitäten und in Teilen für Leistungskurse an Gymnasien.