Estructuras de Datos No Lineales

El plan de trabajo que contiene los temas a estudiar, bibliografía y modalidad de evaluación están contenidos en este documento.

Las calificaciones de las evaluaciones, prácticas de laboratorio y tareas, así como la calificación parcial del curso, están contenidas aquí.

Temas:

  • 4 abril. Aviso.
  • 2 abril. Segundo examen parcial.
  • 30 marzo. Asueto.
  • 29 marzo. Asueto.
  • 27 marzo. Asesoría.
  • 26 marzo. Asesoría.
  • 23 marzo. Sesión de laboratorio: Práctica 4: Tablas hash.
  • 22 marzo. Rehashing. Operaciones de búsqueda y eliminación. Ejercicios sobre funciones hash.
  • 20 marzo. Sesión de laboratorio: Ejercicios sobre funciones de compresión.
  • 19 marzo. Funciones de compresión. Solución de colisiones: hashing abierto y hashing cerrado.
  • 16 marzo. Sesión de laboratorio: Ejercicios sobre códigos hash.
  • 15 marzo. Tablas hash. [Notas] Códigos hash.
  • 13 marzo. No hay clase. Tarea 4.
  • 12 marzo. Aplicaciones de gráfica: Árbol generador mínimo.
  • 9 marzo. Sesión de laboratorio: Práctica 3: Aplicación del algoritmo de Dijkstra a casos de prueba.
  • 8 marzo. Aplicaciones de gráficas: El camino más corto entre todos los pares de vértices. Algoritmo de Floyd.
  • 6 marzo. Sesión de laboratorio: Práctica 3: Implementación del algoritmo de Dijkstra.
  • 5 marzo. Aplicaciones de gráficas: El camino más corto entre dos vértices. Algoritmo de Dijkstra. Ejercicios sobre el algoritmo de Dijkstra.
  • 2 marzo. Sesión de laboratorio: Práctica 2: Recorrido de gráficas.
  • 1 marzo. Recorrido de gráficas: por profundidad y por amplitud.
  • 27 febrero. Sesión de laboratorio: Práctica 2: Representación de gráficas.
  • 26 febrero. Representación de gráficas: matriz de ponderación y listas de adyacencias.
  • 23 febrero. Sesión de laboratorio: Listas y funciones de entrada y salida en Python.
  • 22 febrero. Gráficas. [Notas] Definiciones. Terminología. Ejercicios sobre gráficas.
  • 20 febrero. No hay clase. Tarea 3.
  • 19 febrero. Primer examen parcial.
  • 16 febrero. Sesión de laboratorio: Ejercicios sobre árboles 2-3.
  • 15 febrero. Árboles B. Árboles 2-3.
  • 13 febrero. Sesión de laboratorio: Ejercicios sobre árboles AVL.
  • 12 febrero. Árboles AVL. Rotaciones. Tarea 2.
  • 9 febrero. Sesión de laboratorio: Heapsort.
  • 8 febrero. Colas de prioridad. Árboles parcialmente ordenados. Heaps. [Notas]
  • 6 febrero. No hay clase.
  • 5 febrero. Asueto.
  • 2 febrero. Sesión de laboratorio: Implementación de la operación eliminar en un ABB. [abb.py] Práctica 1.
  • 1 febrero. Eficiencia de los ABB.
  • 30 enero. Sesión de laboratorio: Implementación de las operaciones buscar e insertar en un ABB.
  • 29 enero. Árbol binario de búsqueda. [Notas] Propiedades de un ABB. Operaciones sobre ABB: buscar, insertar.
  • 26 enero. Sesión de laboratorio: Implementación de árboles de expresión y de las notaciones prefija, infija y postfija.
  • 25 enero. Aplicación de árboles binarios: Árboles de expresión.
  • 23 enero. Sesión de laboratorio: Implementación de las clases NodoBinario y ArbolBinario, y de métodos para hacer operaciones sobre árboles binarios.
  • 22 enero. Árbol binario. [Notas]
  • 19 enero. Sesión de laboratorio: Introducción a Python: Programación orientada a objetos. Tarea 1.
  • 18 enero. Recorrido en árboles. Tarea 0.
  • 16 enero. Sesión de laboratorio: Introducción a Python: Fundamentos.
  • 15 enero. Preliminares. Árboles. [Notas] Definiciones.

Archivo:

Esta U.E.A. la impartí anteriormente como Estructura de Datos en los siguientes trimestres: