Structures de données et algorithmes avancés

À l’issue de la formation, les participants seront capables de :

• Identifier et utiliser les structures de données adaptées à un problème donné
• Implémenter des algorithmes classiques et comprendre leur complexité
• Optimiser le traitement de données grâce à une meilleure structuration
• Approfondir leurs compétences pour aborder les domaines de la data science ou de l’IA

Rappels fondamentaux

• Variables, types simples, fonctions
• Notion de complexité (temps/espaces, notation Big O)

Structures linéaires

• Listes, piles (stack) et files (queue)
• Implémentation, utilisation, complexité
• Cas d’usage : gestion d’historique, files d’attente

Structures hiérarchiques

• Arbres binaires : structure, parcours (préfixe, infixe, suffixe)
• Arbres de recherche (BST)
• Cas pratique : tri, organisation hiérarchique

Graphes

• Représentation (matrice d’adjacence, listes)
• Parcours en largeur (BFS) et en profondeur (DFS)
• Cas pratique : réseaux, chemins optimaux

Algorithmes de tri et de recherche

• Tri par sélection, insertion, bulle, rapide (quicksort), fusion (mergesort)
• Recherche linéaire, dichotomique
• Analyse de performance et choix adapté

Structures avancées

• Tables de hachage (dictionnaires)
• Heaps et files de priorité
• Cas d’usage : cache mémoire, planification

Mise en pratique

• Choisir la bonne structure pour un cas donné
• Optimisation d’un algorithme existant
• Résolution guidée de problèmes (format coding challenge)

• En cours de formation, par des études de cas ou des travaux pratiques
• Et, en fin de formation, par un questionnaire d'auto-évaluation