FACULDADE ANHANGUERA

Sorocaba

Algoritmos e Estruturas de Dados

Luiz Henrique dos Santos

RA: 223954912104

Prof. : Juliana Amaral

Sorocaba
15 de outubro de 2018
Exemplo de Pilha

Tipo pilha_seq : : seq dado;

Var p: pilha_seq;

Var i, j : dado

Iniciamente a pilha estará vazia:

P  <>

Inserir um elemento
P  <i> conc p

Removendo um element da pilha

P  cont p

Verificando se a pilha está vazia

Se p = <>

Então

Erro {pilha vazia}

Senão

J  princ p

Colocando limite na pilha

tipo pilha_vet : : reg (topo : int, elemento: vet[1..100]de dado);

var p : pilha_vet;

var i,j : dado

iniciando a pilha vazia

p.topo  0

Verificando se ainda a espaço no vetor para mais elementos

Se p.topo = 100

então
 erro {excesso de elemento}

senão

inicio

p.topo  p.topo + 1;

p.elemento [p.topo]  i

fim

Para desimpilhar verifica-se, se a pilha esta vazia

Se p.topo = 0

Então

Nada {pilha vazia}

Senão

p.topo  p.topo – 1

obtendo elemento do topo

se p.topo = 0

então

erro {pilha vazia}

senão

j  p.elemento [p.topo]
Exemplo de fila
Tipo fila_vet : : reg (começo : int, termino : int, elementos : vet [1..10] de dado);

Var f : fila_vet;

Var i, j : dado

Inicialização da fila

f.comeco  1;

f.termino  0;

inserção na fila:
se f.termino = 10

então

erro {excesso de elementos}

senão

inicio

f.termino  f.termino + 1;

f.termino [f.termino]  i

fim

remover da fila
se f.termino < f.comeco

então

nada {fila vazia}

senão

f.comeco  f.comeco + 1

consultando na fila
se f.termino < f.comeco

então

erro {fila vazia}

senão

j  f.elemento [f.comeco]
Exemplo de ordenação pre-fixada

Proc pre-fixado (a : arvore)

Var q : ref nó ;

Var s : pilha;

Inicio

Execute inicializa (s);

Execute empilhe (s, a);

Enquanto – pilha-vazia (s) faca

Inicio

q  topo (s);

execute desempilhe (s);

se q != null

entao

inicio

execute visita (q);

execute empilhe (s, dir (q));

execute empilhe (s, esq (q));

fim

fim

retorne

fim
Exemplo de ordenação central

Proc central (a : arvore)

Var q : ref nó ;

Var s : pilha;

Inicio

Execute inicializa (s);

Execute empilhe (s, a);

Enquanto – pilha-vazia (s) faca

Inicio

q  topo (s);

execute desempilhe (s);

se q != null

entao

inicio

execute central (esq (a));

execute visita (a);

execute central (dir (a));

fim

fim

retorne

fim
Exemplo de ordenação pos -fixada

Proc pos-fixado (a : arvore)

Var q : ref nó ;

Var s : pilha;

Inicio

Execute inicializa (s);

Execute empilhe (s, a);

Enquanto – pilha-vazia (s) faca

Inicio

q  topo (s);

execute desempilhe (s);

se q != null

entao

inicio

execute pos-fixado (esq (a));

execute pos-fixado (dir (a));

execute visita (a);

fim

fim

retorne

fim
Algoritmos novo que foram desenvolvidos com o passar do
tempo
Por definição, Machine Learning é uma automatização de modelos analíticos. Trata-se
de um método que permite que máquinas tomem decisões e façam previsões
baseadas em análise de dados, sem que tenham sido necessariamente programadas
especificamente para isso.
Em outras palavras, consiste em desenvolver algoritmos que “aprendam” sozinhos,
utilizando os cálculos feitos anteriormente, para assim, cruzar com novos dados e
extrair insights que possam estar encobertos pelo grande volume de informações

Aprendizagem Supervisionada – o aprendizado supervisionado requer um programador ou

“professor” que ofereça exemplos de quais entradas se alinham com os resultados. Por
exemplo, se você quisesse usar a aprendizagem supervisionada para ensinar um computador a
reconhecer fotos de gatos, você forneceria um conjunto de imagens, algumas que foram
rotuladas como “gatos” e algumas que foram rotuladas como “não gatos”. Os algoritmos de
aprendizagem de máquina ajudariam o sistema a aprender a generalizar os conceitos para que
ele pudesse identificar gatos em imagens que não havia encontrado antes, ou seja, em novos
conjuntos de dados.

Aprendizagem Não-Supervisionada – A aprendizagem não supervisionada exige que o sistema

desenvolva suas próprias conclusões a partir de um deterninado conjunto de dados. Por
exemplo, se você tivesse um grande conjunto de dados de vendas on-line, você poderia usar a
aprendizagem sem supervisão para encontrar clusters ou associações entre esses dados que
poderiam ajudá-lo a melhorar seu marketing. Você pode descobrir, por exemplo, que as
mulheres nascidas no início da década de 1980 com renda superior a 5 mil reais por mês, têm
afinidade por uma marca particular de barra de chocolate ou que as pessoas que compram
uma determinada marca de refrigerante também compram uma certa marca de chips.

Aprendizagem Por Reforço – o aprendizado por reforço envolve um sistema que recebe
feedback análogo a punições e recompensas. Um exemplo clássico de aprendizagem de
reforço (como se aplica à aprendizagem de máquina) é um agente aprendendo a jogar um
game. O objetivo é vencer o game e o agente vai sendo recompensado ou punido de acordo
com seus erros e acertos, até atingir seu objetivo. Assista o documentário AlphaGo para ver
um exemplo desse tipo de aprendizagem de máquina em ação: