13 أفكارًا وموضوعات مثيرة للاهتمام حول مشروع بنية البيانات للمبتدئين [2022]

في عالم علوم الكمبيوتر ، تشير بنية البيانات إلى التنسيق الذي يحتوي على مجموعة من قيم البيانات وعلاقاتها والوظائف التي يمكن تطبيقها على البيانات. تقوم هياكل البيانات بترتيب البيانات بحيث يمكن الوصول إليها والعمل عليها باستخدام خوارزميات محددة بشكل أكثر فعالية. في هذه المقالة ، سنقوم بإدراج بعض مشاريع بنية البيانات المفيدة لمساعدتك على التعلم والإنشاء والابتكار!

أساسيات بنية البيانات

يمكن تصنيف هياكل البيانات إلى الأنواع الأساسية التالية:

• المصفوفات
• القوائم المرتبطة
• الأكوام
• قوائم الانتظار
• الأشجار
• جداول تجزئة
• الرسوم البيانية

يعد تحديد الإعداد المناسب لبياناتك جزءًا لا يتجزأ من عملية البرمجة وحل المشكلات. ويمكنك ملاحظة أن هياكل البيانات تنظم أنواع البيانات المجردة في تطبيقات محددة. لتحقيق هذه النتيجة ، يستخدمون خوارزميات مختلفة ، مثل الفرز ، والبحث ، وما إلى ذلك. يعد تعلم هياكل البيانات أحد الأجزاء المهمة في دورات علوم البيانات.

مع ظهور البيانات الضخمة والتحليلات ، أصبح التعرف على هذه الأساسيات أمرًا ضروريًا تقريبًا لعلماء البيانات. يشتمل التدريب عادةً على مشاريع بنية بيانات مختلفة لتمكين توليف المعرفة من تجارب الحياة الواقعية. فيما يلي قائمة بالموضوعات لتبدأ بها!

أفكار مشروع هياكل البيانات

1. تحجب أشجار البحث الثنائية

يمكن تخزين العناصر ، مثل الأسماء والأرقام وما إلى ذلك في الذاكرة بترتيب فرز يسمى أشجار البحث الثنائي أو BSTs. ويمكن لبعض هياكل البيانات هذه موازنة ارتفاعها تلقائيًا عند إدراج عناصر عشوائية أو حذفها. لذلك ، تُعرف باسم BSTs ذاتية التوازن. علاوة على ذلك ، يمكن أن يكون هناك تطبيقات مختلفة من هذا النوع ، مثل أشجار BTrees و AVL والأشجار ذات اللون الأحمر والأسود. ولكن هناك العديد من عمليات الإعدام الأخرى الأقل شهرة والتي يمكنك التعرف عليها. تتضمن بعض الأمثلة أشجار AA ، وشجرتين أو ثلاثة ، وأشجار سبلاي ، وأشجار كبش فداء ، وصغار الأشجار.

يمكنك بناء مشروعك على هذه البدائل واستكشاف كيف يمكنها التفوق في الأداء على BSTs الأخرى المستخدمة على نطاق واسع في سيناريوهات مختلفة. على سبيل المثال ، يمكن أن تثبت أشجار الفاصل أنها أسرع من الأشجار ذات اللون الأحمر والأسود في ظل ظروف المنطقة الزمنية الخطيرة.

2. BSTs التي تتبع خوارزمية التحفيظ

Memoization المتعلقة بالبرمجة الديناميكية. في BSTs المختزلة في حفظ الذاكرة ، يمكن لكل عقدة حفظ وظيفة من الأشجار الفرعية الخاصة بها. ضع في اعتبارك مثال BST من الأشخاص الذين تم ترتيبهم حسب أعمارهم. الآن ، دع العقد الفرعية تخزن الحد الأقصى للدخل لكل فرد. باستخدام هذا الهيكل ، يمكنك الإجابة على استفسارات مثل ، "ما هو الحد الأقصى لدخل الأشخاص الذين تتراوح أعمارهم بين 18.3 و 25.3؟" يمكنه أيضًا التعامل مع التحديثات في الوقت اللوغاريتمي.

علاوة على ذلك ، من السهل إنجاز هياكل البيانات هذه بلغة C. يمكنك أيضًا محاولة ربطه بـ Ruby وواجهة برمجة تطبيقات ملائمة. انتقل إلى واجهة تسمح لك بتحديد "lambda" كوظيفة الطلب ووظيفة حفظ الشجرة الفرعية. الكل في الكل ، يمكنك أن تتوقع أن تكون عمليات BST التي يتم حفظها في الذاكرة مختصرة بمثابة توازن ذاتي لـ BSTs مع اندفاعة من مسك الدفاتر الإضافي.

الخروج: أنواع الشجرة الثنائية

3. كومة وقت الإدراج

عند البحث عن مشاريع بنية البيانات ، فأنت تريد مواجهة مشكلات مميزة يتم حلها باستخدام مناهج إبداعية. يتعلق أحد هذه الأسئلة البحثية الفريدة بمتوسط ​​وقت إدخال الحالة لهياكل بيانات الكومة الثنائية. وفقًا لبعض المصادر عبر الإنترنت ، إنه وقت ثابت ، بينما يشير البعض الآخر إلى أنه حان وقت تسجيل الدخول.

لكن Bollobas و Simon أعطوا إجابة مدعومة عدديًا في ورقتهم بعنوان "الإدراج العشوائي المتكرر في قائمة انتظار الأولوية". أولاً ، يفترضون سيناريو حيث تريد إدراج n من العناصر في كومة فارغة. يمكن أن يكون هناك "n!" أوامر ممكنة لنفسه. ثم يتبنون منهج متوسط ​​التكلفة لإثبات أن وقت الإدراج مرتبط بثابت 1.7645.

4. treaps الأمثل مع المعلمات المتغيرة الأولوية

Treaps هي مزيج من BSTs وأكوام. تتضمن هياكل البيانات العشوائية هذه تحديد أولويات محددة للعقد. يمكنك الذهاب لمشروع يعمل على تحسين مجموعة من المعلمات في ظل إعدادات مختلفة. على سبيل المثال ، يمكنك تعيين تفضيلات أعلى للعقد التي يتم الوصول إليها بشكل متكرر أكثر من غيرها. هنا ، سيؤدي كل وصول إلى عملية ذات شقين:

• اختيار رقم عشوائي
• استبدال أولوية العقدة بهذا الرقم إذا وجد أنه أعلى من الأولوية السابقة

نتيجة لهذا التعديل ، ستفقد الشجرة شكلها العشوائي. من المحتمل أن العقد التي يتم الوصول إليها بشكل متكرر ستكون الآن بالقرب من جذر الشجرة ، وبالتالي تقديم عمليات بحث أسرع. لذا ، جرب بنية البيانات هذه وحاول أن تبني حجتك على الأدلة.

في نهاية المشروع ، يمكنك إما إجراء اكتشاف أصلي أو حتى استنتاج أن تغيير أولوية العقدة لا يوفر سرعة كبيرة. ومع ذلك ، ستكون ممارسة مفيدة وذات صلة.

5. مشروع بحثي عن اشجار دينار كويتي

تقوم الأشجار ذات الأبعاد K أو أشجار kd بتنظيم البيانات المكانية وتمثيلها. تحتوي هياكل البيانات هذه على العديد من التطبيقات ، لا سيما في عمليات البحث الرئيسية متعددة الأبعاد مثل البحث عن الجار الأقرب والمدى. إليك كيفية عمل أشجار kd:

• كل عقدة ورقية في الشجرة الثنائية هي نقطة ذات بعد ك
• تقسم كل عقدة غير ورقية المستوى الفائق (المتعامد مع هذا البعد) إلى نصفين
• تمثل الشجرة الفرعية اليسرى لعقدة معينة النقاط الموجودة على يسار المستوى الفائق. وبالمثل ، تشير الشجرة الفرعية اليمنى لتلك العقدة إلى النقاط الموجودة في النصف الأيمن.

يمكنك تحقيق خطوة أخرى إلى الأمام وإنشاء شجرة kd متوازنة ذاتيًا حيث يكون لكل عقدة ورقية نفس المسافة من الجذر. يمكنك أيضًا اختباره لمعرفة ما إذا كانت هذه الأشجار المتوازنة ستثبت أنها مثالية لنوع معين من التطبيقات.

بهذا ، قمنا بتغطية خمس أفكار مثيرة للاهتمام يمكنك دراستها والتحقيق فيها وتجربتها. الآن ، دعونا نلقي نظرة على المزيد من المشاريع حول هياكل البيانات والخوارزميات.

قراءة: راتب عالم البيانات في الهند

6. متاعب نايت

في هذا المشروع ، سوف نفهم خوارزميتين قيد التشغيل - BFS و DFS. يرمز BFS إلى Breadth-First Search ويستخدم بنية بيانات قائمة الانتظار للعثور على أقصر مسار. حيث يشير DFS إلى Depth-First Search ويتخطى هياكل بيانات Stack.

بالنسبة للمبتدئين ، ستحتاج إلى بنية بيانات مشابهة للأشجار الثنائية. الآن ، افترض أن لديك رقعة شطرنج قياسية 8 × 8 ، وتريد إظهار حركات الفارس في اللعبة. كما تعلم ، فإن الحركة الأساسية للفارس في الشطرنج هي خطوتان للأمام وخطوة جانبية واحدة. بمواجهة أي اتجاه وبإعطاء عدد كافٍ من المنعطفات ، يمكن أن تنتقل من أي مربع على السبورة إلى أي مربع آخر.

إذا كنت تريد معرفة أبسط طريقة يمكن لفارسك من خلالها الانتقال من مربع (أو عقدة) إلى أخرى في إعداد ثنائي الأبعاد ، فسيتعين عليك أولاً إنشاء وظيفة مثل تلك الموجودة أدناه.

• knight_plays ([0،0]، [1،2]) == [[0،0]، [1،2]]
• knight_plays ([0،0]، [3،3]) == [[0،0]، [1،2]، [3،3]]
• knight_plays ([3،3]، [0،0]) == [[3،3]، [1،2]، [0،0]]

علاوة على ذلك ، سيتطلب هذا المشروع المهام التالية:

• عمل سيناريو لعبة لوحية وليلة
• التعامل مع جميع الحركات الممكنة للفارس كأطفال في هيكل الشجرة
• التأكد من أن أي حركة لن تخرج عن اللوح
• اختيار خوارزمية البحث لإيجاد أقصر طريق في هذه الحالة
• تطبيق خوارزمية البحث المناسبة للعثور على أفضل انتقال ممكن من مربع البداية إلى مربع النهاية.

7. بنية بيانات سريعة في لغات غير أنظمة C

عادةً ما يقوم المبرمجون ببناء البرامج بسرعة باستخدام لغات عالية المستوى مثل Ruby أو Python ولكنهم ينفذون هياكل البيانات في C / C ++. ويقومون بإنشاء رمز ملزم لربط العناصر. ومع ذلك ، يُعتقد أن لغة C عرضة للخطأ ، مما قد يؤدي أيضًا إلى حدوث مشكلات أمنية. هنا تكمن فكرة مشروع مثيرة.

يمكنك تنفيذ بنية بيانات بلغة حديثة منخفضة المستوى مثل Rust أو Go ، ثم ربط التعليمات البرمجية الخاصة بك باللغة عالية المستوى. مع هذا المشروع ، يمكنك تجربة شيء جديد وكذلك معرفة كيفية عمل الروابط. إذا نجحت جهودك ، يمكنك حتى أن تلهم الآخرين للقيام بتمرين مماثل في المستقبل وتوجيه أداء أفضل لهياكل البيانات.

اقرأ أيضًا: أفكار مشروع علوم البيانات للمبتدئين

8. محرك بحث عن هياكل البيانات

يهدف البرنامج إلى أتمتة وتسريع اختيار هياكل البيانات لواجهة برمجة تطبيقات معينة. لا يوضح هذا المشروع طرقًا جديدة لتمثيل هياكل البيانات المختلفة فحسب ، بل يُحسِّن أيضًا مجموعة من الوظائف لتجهيز الاستدلال عليها. قمنا بتجميع ملخصها أدناه.

• يتطلب مشروع محرك بحث بنية البيانات معرفة بهياكل البيانات والعلاقات بين الطرق المختلفة.
• يحسب الوقت الذي تستغرقه كل بنية بيانات مركبة ممكنة لجميع الأساليب.
• أخيرًا ، يختار أفضل هياكل البيانات لحالة معينة.

قراءة: أفكار مشاريع استخراج البيانات

9. تطبيق دليل الهاتف باستخدام قوائم مرتبطة بشكل مزدوج

يمكن أن يوضح هذا المشروع عمل تطبيقات دفتر جهات الاتصال ويعلمك أيضًا عن هياكل البيانات مثل المصفوفات والقوائم المرتبطة والمكدسات وقوائم الانتظار. عادةً ما تشمل إدارة دفتر الهاتف عمليات البحث والفرز والحذف. من السمات المميزة لاستعلامات البحث هنا أن المستخدم يرى اقتراحات من قائمة جهات الاتصال بعد إدخال كل حرف. يمكنك قراءة الكود المصدري للمشاريع المتاحة مجانًا وتكرارها لتطوير مهاراتك.

10. الفهرسة المكانية مع المربعات

هيكل بيانات الشجرة الرباعية هو نوع خاص من هيكل الشجرة ، والذي يمكن أن يقسم بشكل متكرر مساحة مسطحة ثنائية الأبعاد إلى أربعة أرباع. تحتوي كل عقدة هرمية في هيكل الشجرة هذا إما على صفر أو أربعة عناصر فرعية. يمكن استخدامه لأغراض مختلفة مثل تخزين البيانات المتناثرة ومعالجة الصور والفهرسة المكانية.

تتمحور الفهرسة المكانية حول التنفيذ الفعال للاستعلامات الهندسية المحددة ، والتي تشكل جزءًا أساسيًا من تصميم التطبيق الجغرافي المكاني. على سبيل المثال ، تعالج تطبيقات مشاركة الرحلات مثل Ola و Uber الاستعلامات الجغرافية لتتبع موقع سيارات الأجرة وتقديم التحديثات للمستخدمين. ميزة الأصدقاء القريبون على Facebook لها أيضًا وظائف مماثلة. هنا ، يتم تخزين البيانات الوصفية المرتبطة في شكل جداول ، ويتم إنشاء فهرس مكاني بشكل منفصل مع إحداثيات الكائن. هدف المشكلة هو إيجاد أقرب نقطة إلى نقطة معينة.

يمكنك متابعة مشاريع بنية البيانات الرباعية في مجموعة واسعة من المجالات ، من رسم الخرائط والتخطيط الحضري وتخطيط النقل إلى إدارة الكوارث والتخفيف من حدتها. لقد قدمنا ​​مخططًا موجزًا ​​لدعم مهاراتك في حل المشكلات والتحليل.

الهدف: إنشاء بنية بيانات تمكن العمليات التالية

• أدخل مكانًا أو مساحة هندسية
• ابحث عن إحداثيات موقع معين
• قم بحساب عدد المواقع في بنية البيانات في منطقة متجاورة معينة

11. المشاريع القائمة على الرسم البياني على هياكل البيانات

يمكنك تناول مشروع الفرز الطوبولوجي للرسم البياني. لهذا ، ستحتاج إلى معرفة مسبقة بخوارزمية DFS. هنا هو الاختلاف الأساسي بين الطريقتين:

• نطبع قمة الرأس ثم نطلق على الخوارزمية بشكل متكرر للرؤوس المجاورة في DFS.
• في الفرز الطوبولوجي ، نقوم أولاً باستدعاء خوارزمية الرؤوس المجاورة بشكل متكرر. وبعد ذلك ، ندفع المحتوى إلى مكدس للطباعة.

لذلك ، تأخذ خوارزمية الفرز الطوبولوجي رسمًا بيانيًا لا دوريًا موجهًا أو DAG لإرجاع مجموعة من العقد.

دعونا نفكر في مثال بسيط لطلب وصفة فطيرة. لصنع الفطائر ، تحتاج إلى مجموعة محددة من المكونات ، مثل البيض ، والحليب ، والدقيق أو خليط الفطائر ، والزيت ، والشراب ، وما إلى ذلك. يمكن بسهولة تمثيل هذه المعلومات ، إلى جانب الكمية والأجزاء ، في رسم بياني.

ولكن من المهم أيضًا معرفة الترتيب الدقيق لاستخدام هذه المكونات. هذا هو المكان الذي يمكنك فيه تنفيذ الترتيب الطوبولوجي. تشمل الأمثلة الأخرى عمل مخططات أسبقية لتحسين استعلامات قاعدة البيانات والجداول الزمنية لمشاريع البرامج. فيما يلي نظرة عامة على العملية للرجوع إليها:

• قم باستدعاء خوارزمية DFS لهيكل بيانات الرسم البياني لحساب أوقات الانتهاء للرؤوس
• قم بتخزين النقاط في قائمة بترتيب وقت إنهاء تنازلي
• قم بتنفيذ الفرز الطوبولوجي لإرجاع القائمة المرتبة

12. التمثيل العددي مع قوائم الوصول العشوائية

في التمثيلات التي رأيناها في الماضي ، يتم الاحتفاظ بالعناصر العددية بشكل عام في أكوام ذات الحدين. ولكن يمكن أيضًا تنفيذ هذه الأنماط في هياكل البيانات الأخرى. ابتكر Okasaki تقنية التمثيل العددي باستخدام قوائم الوصول العشوائية الثنائية. تتمتع هذه القوائم بالعديد من المزايا:

• أنها تمكن من الإدراج والإزالة من البداية
• أنها تسمح بالوصول والتحديث في فهرس معين

معرفة المزيد: هياكل البيانات الستة الأكثر استخدامًا في R.

13. محرر نصوص مكدس

محرر النصوص العادي الخاص بك لديه وظيفة تحرير النص وتخزينه أثناء كتابته أو تحريره. لذلك ، هناك العديد من التغييرات في موضع المؤشر. لتحقيق الكفاءة العالية ، نحتاج إلى بنية بيانات سريعة للإدخال والتعديل. وتستغرق مصفوفات الأحرف العادية وقتًا لتخزين السلاسل.

يمكنك تجربة هياكل البيانات الأخرى مثل المخازن المؤقتة للفجوات والحبال لحل هذه المشكلات. سيكون هدفك النهائي هو تحقيق تسلسل أسرع من السلاسل المعتادة من خلال احتلال مساحة ذاكرة متجاورة أصغر.

خاتمة

تشكل مهارات بنية البيانات حجر الأساس لتطوير البرامج ، لا سيما عندما يتعلق الأمر بإدارة مجموعات كبيرة من البيانات في النظام البيئي الرقمي اليوم. تستأجر الشركات الرائدة مثل Adobe و Amazon و Google العديد من المناصب الوظيفية المربحة في هيكل البيانات ومجال الخوارزمية. وفي المقابلات ، يختبر القائمون على التوظيف ليس فقط معرفتك النظرية ولكن أيضًا مهاراتك العملية. لذا ، تدرب على مشاريع بنية البيانات المذكورة أعلاه لتحصل على مكانك!

إذا كنت مهتمًا بالتعرف على علوم البيانات ، فراجع برنامج IIIT-B & upGrad التنفيذي PG في علوم البيانات الذي تم إنشاؤه للمهنيين العاملين ويقدم أكثر من 10 دراسات حالة ومشاريع ، وورش عمل عملية عملية ، وإرشاد مع خبراء الصناعة ، 1 - في 1 مع موجهين في الصناعة ، أكثر من 400 ساعة من التعلم والمساعدة في العمل مع الشركات الكبرى.