Tu ruta de aprendizaje

Cómo usar este curso, cómo estudiar y qué esperar. Cinco minutos antes de arrancar con los temas.

Big O, análisis amortizado, master theorem y trade-offs tiempo vs espacio. La base para razonar sobre cualquier algoritmo del curso.

Las estructuras base. Operaciones in-place, slicing eficiente, mutabilidad de strings y arrays dinámicos por dentro.

Encuentra elementos en datos ordenados en tiempo logarítmico. Aparece en cientos de problemas de entrevista y dentro de muchas estructuras de datos comunes.

Recorre arreglos y listas con dos índices que cooperan. Convierte soluciones O(n²) en O(n) en muchos problemas sobre arreglos.

Procesa subarreglos contiguos con una ventana que crece y se encoge según una condición. Convierte muchos problemas de subarreglos y substrings en O(n).

El cimiento de árboles, grafos, backtracking y programación dinámica. Aprende a pensar recursivamente sin perderte y a manejar la pila de llamadas.

Algoritmos clásicos (merge, quick), no comparativos (counting, radix) y el patrón 'ordenar primero' que aparece en cientos de problemas.

Diccionarios y conjuntos para buscar, contar y agrupar en tiempo constante. Base de la mayoría de problemas de frecuencias y duplicados.

Singly, doubly, circular. El patrón sentinela y la detección de ciclos con tortuga y liebre.

LIFO, FIFO y monotonic stack. Paréntesis balanceados, evaluación de expresiones, next greater element y sliding window maximum.

Mantiene el mínimo o máximo en tiempo O(log n). Usado en top-k, fusiones de listas ordenadas, Dijkstra y planificación.

Recorridos, tipos de árbol (BST, balanceados, completos), métricas (altura, profundidad, diámetro) y serialización.

Explora árboles y grafos nivel por nivel. La herramienta natural para caminos mínimos en grafos sin pesos y para problemas sobre matrices.

Recorrido en profundidad sobre árboles y grafos. Base de backtracking, detección de ciclos y problemas de componentes conexos.

Representaciones, componentes conexos, caminos mínimos (Dijkstra, Bellman-Ford, Floyd-Warshall), orden topológico y Union-Find.

Identificar problemas, la plantilla choose/explore/unchoose y técnicas de pruning para que la búsqueda exponencial sea manejable.

Identificar problemas DP, memoización top-down, tabulación bottom-up, optimización de espacio y DP sobre strings.

Decisión óptima local en cada paso. Funciona cuando el problema tiene subestructura óptima clara y propiedad de elección codiciosa.

Árbol especializado para buscar prefijos y palabras. La estructura detrás de autocomplete, corrector ortográfico y búsqueda predictiva.

Operadores de bits, manipulación de números, máximo común divisor y trucos numéricos comunes en entrevistas.

Cómo combinar dos o más estructuras de datos para resolver problemas que ninguna resuelve sola. LRU Cache, MinStack y variantes.