Como no veo este curso en los Recursos les dejo este curso que me ayudo a comprender Big O de una manera facil y rapida https://platzi.com/cursos/complejidad-js/
Introducción
¿Qué son las estructuras de datos y algoritmos?
¿Por qué importan las estructuras de datos y algoritmos?
¿Qué estructuras de datos y algoritmos aprender?
Preparación para entrevistas
¿Cómo es (comúnmente) una entrevista con problemas de programación?
5 pasos para resolver problemas de programación durante entrevistas
Tips para entrevistas: preparación y ejecución
Quiz: Preparación para entrevistas
Mide la eficiencia de tus algoritmos
Notación Big O
Calculando la complejidad de algoritmos
Quiz: Mide la eficiencia de tus algoritmos
Bonus
Recursos útiles para aprender algoritmos
Guía para aprender algoritmos: resumen del curso
Próximos pasos
Toma los Cursos Avanzados de Algoritmos
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Aportes 5
Preguntas 1
Como no veo este curso en los Recursos les dejo este curso que me ayudo a comprender Big O de una manera facil y rapida https://platzi.com/cursos/complejidad-js/
Les comparto un video en inglés, bastante comprensible explicando el tema de complejidad computacional:
www .youtube. com/watch?v=47GRtdHOKMg
Constant - O(1)
Runtime does not depend on input size
Example: Look up the first item
[1,2,5]
Logarithmic - O(log(n))
Runtime grows slower than the input size
Example: Binary Search
Search an element in an ordered list
Open dictionary in half
Check value
See if is at the first half or the second half of the dictionary
Linear - O(n)
The runtime grows at the same rate as the input.
Example: Unsorted list
Log-Linear - O(n log(n))
An operation of log(n) complexity for each input value
Example: Efficient Sorting
Quadratic - O(n^2)
An operation of complexity O(n) is carried out for each input
Example: Check all pairs of input values (Double for loop)
Polynomial - O(n^3)…
Computations with other exponents (n^4, n^5, etc)
Example: Check all triplets of input values (Triple for loop)
Exponential - O(2^n)…
Complexity is multiplied (doubled, tripled, etc) with each additional input value
Example: Recursive Algorithms - Traveling salesman problem
Worse- O(n!)
Runtimes can be worse than exponential
Examples: Permutations
creo que lo correcto habría sido decir que las complejidades son O(log x), O(x) porque el eje es x, la otra opción es cambiar x por n para ilustrar mejor la relación entre el aumento de valores con su función
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?
o inicia sesión.