课程文献中心 更多>>

关键词： 信息学竞赛 信息学 数据结构 进阶 竞赛真题 NOIP  

ISBN: (纸本)9787115635020

摘要： 数据结构是计算机存储、组织数据的方式，往往同高效的检索算法和索引技术有关。学习和掌握数据结构的相关知识，使我们能够更好地运用计算机来解决实际问题。为了提高读者的学习效率，本书直接从各类竞赛真题入手，以精练而准确的语言、全面细致地介绍了信息学竞赛中经常用到的数据结构类型，包括链表、堆栈、队列、树、图等。本书精挑细选、由浅入深地安排了相关习题。考虑读者接受水平的差异，一般在引入新知识点的题目时，本书会提供该题目的完整参考代码，但随着读者对此知识点的理解逐步加深，后续的同类型题目将逐步向仅提供算法思路、提供伪代码和无任何提示的方式转变。此外，对于一些思维跨度较大的题目，本书会酌情给予读者一定的提示。本书可以与《信息学竞赛宝典基础算法》同步学习，也可以作为有一定编程基础的读者学习数据结构算法的独立用书。

关键词： 课程思政   数据结构   课程思政实践探索  

摘要： 课程思政是高校课程教学改革的必然趋势。结合数据结构课程的相关内容,教师在传授知识的过程中要融入思想政治教育元素,使学生在掌握知识的同时,形成正确的世界观、人生观、价值观。

关键词： 课程思政   数据结构   算法   教学改革  

摘要： 高校是落实立德树人任务的主战场,课程思政是实现全方位育人的有效途径。数据结构是计算机类专业课程设置中的一门专业必修课,起着承上启下的作用。文章以该课程为例,介绍了课程思政的现状和面临的问题,提出对策和措施,并给出了一个具体的实施案例,最后总结了课程思政的成效。

关键词： 物流管理   智慧物流人才   人工智能   数据结构与算法  

摘要： 随着人工智能时代的到来,物流管理专业人才培养面临着新的挑战。文章以人工智能、数据结构与算法为核心,深入研究其教学内容,致力于培养具备智慧物流素养的专业人才。文章分析了课程现状,关注知识结构、教学模式以及逻辑思维。为了提升学生的学习动力和培养计算思维,提出了教师指导学生自主反馈式教学的方法。建议引入实际物流案例,培养学生建模能力,将理论应用到实际情境中,以提高学习的积极性。研究旨在为新时代物流管理专业的人工智能、数据结构与算法课程提供有效的指导。

关键词： 数据结构   工程能力   教学改革  

摘要： 为了适应社会快速发展和转型升级,满足行业对计算机类人才培养的要求。基于计算机类专业核心课程“数据结构”开展了面向工程能力培养的教学改革。首先,对“数据结构”课程内容的教学要点进行了分析。其次,对“数据结构”课程的教学内容进行分层对照,明确分析从基础知识到工程创新不同层次与课程的对应关系。再次,对课程的主要内容设计了面向工程能力教学案例以及课程内容学习的流程。最后,改进了课程考核方式由传统的知识考核转为多层次、全方位的考核模式。因此,对课程的教学改革有利于提高学生的解决工程问题的能力。

关键词： 数据结构   深度优先搜索   计算机工程  

摘要： 作为数据结构中的核心算法之一,深度优先搜索算法可用来解决课程安排和工程进度问题,以及判断图中是否有环等连通性检查,但这些案例相对复杂。对于计算机低年级学生,案例虽然有实践意义但不便于理解,因此,针对该情况展开了研究。首先介绍深度优先搜索算法,然后引入兔子吃草作为案例,并对算法进行建模,最后用UML技术和面向对象Java语言进行实践。提供的案例可帮助计算机专业的学生理解深度优先搜索算法,也可为在计算机工程与应用领域的科技者提供一定参考。

关键词： 创新思维   项目式教学   翻转   研讨   对分   数据结构  

摘要： 针对解决复杂工程问题所需要的抽象思维与创新实践能力培养需求,提出“三阶段—四课堂—两实践”的项目式线上线下混合教学新模式。以数据结构课程为例,详细阐述该模式的实施过程,并分析对提升学生自主学习能力、抽象思维、创新思维以及创新实践能力的积极作用。该教学模式突破了传统知识学习、方案设计与创新实践之间的界限,有效促进了学生解决复杂工程问题中数据结构设计等核心能力提升。

关键词： 大语言模型   数据结构   ChatGPT  

摘要： 2022年底随着ChatGPT的推广,人工智能技术迈上了一个新的高度。作为计算机专业的教师,应该积极拥抱新技术,并将其应用于传统课程的教学中。基于上述因素,本文提出了基于大语言模型的数据结构教学模式探索,旨在为数据结构课程的教学带来新的方法和可能性。这种教学模式将利用ChatGPT这样的大型语言模型来辅助数据结构课程的授课。通过与语言模型进行对话交互,学生可以提出问题、讨论数据结构的概念和应用,并获得及时的回复和解释。这种交互式的教学模式可以增加学生的参与度和兴趣,提供更灵活、个性化的学习体验。

关键词： 知识图谱   混合式教学   《数据结构与算法》  

摘要： 随着大数据、人工智能等技术的兴起,知识图谱作为一种结构化的语义网络,能够清晰地表示实体之间的关系,为知识的表示、组织、检索和推理提供强有力的支持。在教育领域,知识图谱的应用逐渐受到关注,其能够为学习者提供个性化的学习路径、智能化的学习资源推荐以及即时的学习成效评估,从而有效提升教学质量和学习效率。鉴于此,本文基于知识图谱,在践行OBE教育理念的教学过程中,以《数据结构与算法》课程为例,探究基于知识图谱的混合式智慧教学模式,充分利用超星学习通智慧教学平台与数字化教学优质资源,构建“课前自学-课内探究-课后巩固”的混合式教学模式,自上而下搭建本课程的知识图谱,助力学生构建完整的知识体系,解决学生获取知识结构的碎片化问题,提升教学效果,打造混合教学的新模态。

关键词： 多维索引   八叉树   数据稀疏化   渐进式探索   大数据可视化  

摘要： 大规模科学数据的可视化要求极高的数据传输带宽和大量的内存,实现对可视化数据的高效处理是一个巨大的挑战。为了提高科学可视化的效率,最常见且直接的办法是减少需要处理的数据量。通过设计一种新的数据结构EMRI-Tree以及一种可行且灵活的渲染流程,提出了一种新的大规模数据量可视化方案。该方案的特点可以总结如下:首先,所提出的EMRI-Tree支持对大型3D模型进行高效的数据查询和感兴趣区域(ROI)数据获取,从而显著降低内存占用;其次,EMRI-Tree中不同分辨率级别的数据块以可变长度索引的形式存储在键值(KV)存储系统中,提高了存储的可扩展性和读取的并发性;最后,提出了一种基于射线行走的渐进式渲染预取方案,可以在交互时渲染出更精确的模型。综合上述优化方法,该方案可在内存开销有限的情况下,有效促进大规模高分辨率数据的可视化。通过使用80 GB的合成数据进行了10次模拟读取测试来评估方案效果,实验结果表明,该方案具有2000+QPS(每秒查询次数)和内存消耗线性增长的特点,是一种稳健且节省内存的方案。