Centro Universitário de Ensino Superior do Amazonas - CIESA

Sociedade Amazonense de Educação e Cultura Ltda.

PLANO DE ENSINO

DADOS DA DISCIPLINA
Disciplina: ESTRUTURA DE DADOS II Período: 2 Semestre Letivo: 202302
Curso: CURSO SUPERIOR DE TECNOLOGIA EM ANÁLISE E DESENVOLVIMENTO DE SISTEMAS
Carga Horária Semestral: 88 horas.
CH em aulas teóricas e práticas: 3 horas. CH em atividades extraclasse orientadas: 2 horas.
Carga Horária Semanal: 5 horas.
Docente Responsável: HEVERTON DOUGLAS DA SILVA XAVIER

EMENTA
Estruturas de Dados: Listas. Filas. Pilhas. Árvores. Grafos. Algoritmos para
manipulação das estruturas de dados estudadas

OBJETIVOS GERAIS
- Capacitar o aluno a resolver determinadas classes de problemas que
demandam algoritmos de manipulação de dados segundo estruturas avançadas.

OBJETIVOS ESPECÍFICOS
- Apresentar as estruturas de dados avançadas: Listas, Filas, Pilhas,
Árvores e Grafos;
- Identificar e aplicar algoritmos clássicos de manipulação dessas
estruturas e desenvolver novos algoritmos, implementando na linguagem Python;
- Habilitar o estudante a tomar decisões quanto a escolha das estruturas de
dados adequadas à solução de um determinado problema.

CONTEÚDOS PROGRAMÁTICOS
I - Tipos abstratos de dados (TAD)
1.1 - TAD e o Paradigma Imperativo
1.1.1 - Atributos e interface - Registro, Vetor de registros;
1.1.2 - Experimentação;
1.2 - TAD e o Paradigma Orientado a Objetos
1.2.1 - Atributos e interface - Classes e objetos;
1.2.2 - Experimentação - Classes predefinidas da linguagem Python;

II - Estruturas de dados lineares

2.1 - Listas
2.1.1 Conceituação - Lista seq. e L. encadeada, L. estática e L. dinâmica;
2.1.2 O TAD lista; 2.2 - Pilhas
2.2.1 Conceituação;
2.2.2 O TAD Pilha;
2.3 - Filas 2.3.1 Conceituação
2.3.2 O TAD Fila;

III - Estruturas de dados não-lineares

3.1 - Árvores
3.1.1 Conceituação - Propriedades, Caminhamentos;
3.1.2 O TAD Árvore;
3.2 - Grafos 3.2.1 Conceituação - Terminologia, Representação de grafos
3.2.2 O TAD Grafo

ESTRATÉGIAS DE ENSINO (METODOLOGIAS)

Os estudantes deverão assimilar o conteúdo programático a partir da leitura
e análise dos textos da disciplina disponíveis no AVA Moodle organizados por
semanas. O acesso à
bibliografia complementar, a execução de testes dos algoritmos em
laboratório de informática, bem como as interações com o professor usando
ferramentas da plataforma Moodle são elementos constitutivos da metodologia
desta disciplina.

RECURSOS DIDÁTICOS
[] Quadro
[] Projetor
[ x] Vídeos/DVDs
[x] Periódicos/Livros/Revistas/Links [ ] Equipamento de Som
[] Laboratório
[x] Softwares
[x] Outros: Plataforma AVA Moodle

ATIVIDADES EXTRACLASSE ORIENTADAS

PROCEDIMENTOS DE AVALIAÇÃO
Avaliações Plataforma AVA Moodle. Trabalhos individuais. Trabalhos em grupo

BIBLIOGRAFIA
BÁSICA
CORMEN, Thomas H.; LEISERSON, Charles E.; RIVEST,
Ronald L. e STEIN Cliford. Algoritmos: Teoria e
Prática. 6. ed. Rio de Janeiro: Elsevier, 2002.
DASGUPTA, Sanjoy; PAPADIMITRIOU Christos H. e VAZIRANI dados e algoritmos: padrões de projetos orientados a
Umesh. Algoritmos. AMGH. 2009.
GOODRICH, Michael T; TAMASSIA, Roberto. Estruturas de
dados e algoritmos em Java. 4. ed. Porto Alegre:
Bookman, 2007.
MENEZES, Nilo Ney Coutinho. Introdução à Programação
com Python: Algoritmos e lógica de programação para
iniciantes. 2 ed. 5 reimp. São Paulo: Novatec, 2017.
ZIVIANI, Nivio. Projeto de Algoritmos: com
implementações em Pascal e C. 2. ed. rev. e ampl. São
Paulo: Pioneira Thomson Learning, 2005.
________________________________,__/__/____
Professor(a)
COMPLEMENTAR
EDELWEISS, Nina; GALANTE, Renata. Estruturas de dados.
Porto Alegre: Bookman, 2009.
PREISS, Bruno R; GOUVÊA, Elisabeth F.. Estruturas de
objetos com Java. Rio de Janeiro: Campus, 2001.
RAMALHO, Luciano. Python Fluente: Programação clara,
concisa e eficaz. São Paulo: Novatec, 2015
A bibliografia complementar é composta de uma coleção
dinâmica de links com sugestões de leitura,
disponibilizada na página da disciplina no Ambiente
Virtual de Aprendizagem (AVA) Moodle
Local e data
Coordenador(a) de curso