• آشنایی با مفاهیم پایهٔ ساختار داده‌ها مانند آرایه‌ها، لیست‌های پیوندی، پشته و صف.
• درک عمیق درخت‌ها و گراف‌ها همراه با پیاده‌سازی Traversal و الگوریتم‌های مشهور مانند DFS و BFS.
• مرور و پیاده‌سازی الگوریتم‌های مرتب‌سازی (Quick Sort, Merge Sort, Heap Sort) و جست‌وجو (Binary Search).
• تفکیک الگوریتم‌های مبتنی بر برنامه‌نویسی پویا (Dynamic Programming) و الگوریتم‌های حریصانه (Greedy).
• حل مسئله‌های پیچیده با تکنیک‌های Backtracking و Branch & Bound.
• معرفی الگوهای متداول حل مسئله در LeetCode و روش «Pattern Recognition» برای تسریع در حل مسائل جدید.
• مهارت دیباگ و بهینه‌سازی کدهای Java و مدیریت حافظه و پیچیدگی زمانی.

پس از گذراندن این دوره، دانشجو:

• توانایی پاسخ‌دهی به سئوالات فنی در مصاحبه‌های شرکت‌های بزرگ فناوری (مانند گوگل، مایکروسافت، آمازون).
• آمادگی کار روی پروژه‌های نرم‌افزاری با چالش‌های پیچیده داده‌ای.
• افزایش چشمگیر کیفیت کد، بهینه‌سازی و قابلیت نگهداری پروژه‌ها.
• کسب مهارت‌های تحلیل مسئله و واکاوی پیچیدگی زمانی/فضایی الگوریتم‌ها.
• تقویت رزومه با توانایی حل ۱۵۰ مسئله معتبر LeetCode.

• آشنایی اولیه با زبان برنامه‌نویسی Java (متغیرها، حلقه‌ها، شروط).
• درک ابتدایی از مفاهیم OOP (کلاس، شیء، ارث‌بری).
• نصب JDK و IDEهای رایج (مانند IntelliJ IDEA یا Eclipse).
• تمایل به یادگیری مفاهیم ریاضی ساده (مجموعه، توابع، روابط).

در صورتی که هنوز با Java آشنایی ندارید، پیش از شروع دوره مطالعهٔ منابع مقدماتی Java پیشنهاد می‌شود.

• مقدمه و راه‌اندازی محیط: نصب JDK، تنظیم IDE، معرفی متدولوژی حل مسئله.
• مبانی Java: سینتکس، ساختار کنترل، متدها و مفهوم استک و هیپ در JVM.
• آرایه‌ها و رشته‌ها: آرایه یک‌بعدی و دوبعدی، عملیات متداول روی String، مثال عملی: جست‌وجوی دوگانه (Two Sum).
• لیست‌های پیوندی: پیاده‌سازی Singly & Doubly Linked List، معکوس کردن لیست، ادغام لیست‌های مرتب.
• پشته و صف: کاربردهای موقت‌سازی داده، شبیه‌سازی صف در برنامه‌های چندنخی، مثال: بررسی تعادل پرانتزها.
• درخت‌ها و گراف‌ها: ساختن درخت دودویی، پیمایش‌های preorder, inorder, postorder، الگوریتم دیکسترا و فلوید–وارشال.
• مرتب‌سازی و جست‌وجو: پیاده‌سازی Merge Sort و Quick Sort، بنچمارک و بررسی پیچیدگی.
• برنامه‌نویسی پویا: مسائل Knapsack، Longest Increasing Subsequence، Memoization و Tabulation.
• الگوریتم‌های حریصانه: مسائل حداقل هزینه، مسائل Interval Scheduling، Huffman Coding.
• Backtracking و Branch & Bound: مسئلهٔ Eight Queens، Permutations و Combinations، Sudoku Solver.
• مسئله‌های منتخب LeetCode: ۱۵۰ مسئله در طبقه‌بندی‌های مختلف با توضیح گام‌به‌گام و نمونه کد Java.
• دیباگ و بهینه‌سازی: تحلیل پیچیدگی زمانی/فضایی، استفاده از پروفایلر و Garbage Collector tuning.
• پروژه نهایی: طراحی سیستم مجازی فروش بلیط سینما با مدیریت صف، ارزیابی عملکرد و مستندسازی.

به‌عنوان مثال در درس مرتب‌سازی ادغامی (Merge Sort)، پس از توضیح کلیات الگوریتم به شکل بازگشتی، یک تابع ساده در Java نوشته می‌شود:

public void mergeSort(int[] arr, int l, int r) {

   if (l < r) {      int m = (l + r) / 2;      mergeSort(arr, l, m);      mergeSort(arr, m+1, r);      merge(arr, l, m, r);   } }

سپس با ذکر جزئیات تابع merge و بررسی پیچیدگی O(n log n)، توانایی هنرجو در تحلیل و پیاده‌سازی الگوریتم ارتقا می‌یابد.