در این دوره جامع، با رویکردی کاملاً عملی و آموزشی، مبانی ساختار داده‌ها و الگوریتم‌های پایه تا پیشرفته در زبان پایتون را خواهید آموخت و برای تمرین هر مبحث، به حل مسئله‌های واقعی وب‌سایت LeetCode پرداخته می‌شود. این دوره مناسب برنامه‌نویسانی است که قصد دارند مهارت‌های خود را در مصاحبه‌های استخدامی تقویت کنند یا برای رقابت در چالش‌های الگوریتمی آماده شوند. محتوا بر پایه مثال‌های کدخوان و اجرای زنده در محیط Jupyter Notebook تنظیم شده تا یادگیری از ابتدا تا انتها کاملاً کاربردی باشد.

• مفاهیم پایه‌ای ساختار داده‌ها: آرایه، لیست پیوندی، پشته، صف و دِک
• پیاده‌سازی درخت دودویی، درخت جستجوی دودویی (BST) و درخت‌های تراز‌شده مثل AVL و Red-Black
• گراف‌ها، الگوریتم‌های پیمایش (DFS، BFS) و یافتن کوتاه‌ترین مسیر (Dijkstra، Bellman-Ford)
• درک الگوریتم‌های مرتب‌سازی (Merge Sort، Quick Sort، Heap Sort) و تحلیل پیچیدگی آن‌ها
• الگوریتم‌های حریصانه، تقسیم و غلبه (Divide and Conquer) و برنامه‌نویسی پویا (Dynamic Programming)
• تمرین گام به گام حل مسائل کلاسیک LeetCode با ارائه توضیحات کامل

• تمرین‌های LeetCode با درجه سختی مختلف برای تثبیت مفاهیم
• کدهای نمونه خوانا و مستند‌سازی شده
• آمادگی برای مصاحبه‌های کاری در شرکت‌های بزرگ فناوری
• بررسی نکات بهینه‌سازی حافظه و زمان اجرا
• جلسات سؤال و جواب و حل اشکال به صورت ویدیویی
• گواهی پایان دوره معتبر از Udemy

• آشنایی مقدماتی با زبان پایتون (تعریف متغیر، ساختارهای کنترلی، توابع)
• درک اولیه از پیچیدگی زمانی و حافظه (Big O)
• نصب محیط Python 3.x و آشنایی با Jupyter Notebook یا IDE دلخواه
• علاقه‌مندی به حل مسئله و چالش‌های الگوریتمی

• بخش 1: مقدمه و نصب ابزارها
• بخش 2: آرایه و لیست پیوندی – مبانی و پیاده‌سازی
• بخش 3: پشته و صف – کاربردها در حل مسئله
• بخش 4: درخت‌های دودویی و جستجو
• بخش 5: گراف و الگوریتم‌های پیمایش
• بخش 6: مرتب‌سازی و جستجوی پیشرفته
• بخش 7: الگوریتم‌های حریصانه و برنامه‌نویسی پویا
• بخش 8: پروژه عملی: حل ۲۰ مسئله منتخب LeetCode
• بخش 9: نکات مصاحبه و چالش‌های زمان‌بندی شده

در هر فصل از توضیحات تئوری، مثال‌های کاربردی با کد پایتون ارائه می‌شود. برای مثال در بخش گراف، ابتدا گراف را به‌صورت لیست مجاورت تعریف می‌کنیم و با تابع DFS به یافتن جزیره‌ها (Connected Components) می‌پردازیم. سپس با الگوریتم Dijkstra کوتاه‌ترین مسیر را بین دو راس برمی‌گزینیم. در بخش مرتب‌سازی، پس از توضیح Merge Sort، یک آرایه تصادفی با ۱۰٬۰۰۰ عنصر تولید، مرتب و زمان اجرا با تابع timeit اندازه‌گیری می‌شود.

• حل مسئله Two Sum (LeetCode #1) با استفاده از دیکشنری و تحلیل O(n)
• مسأله Longest Palindromic Substring با پیاده‌سازی Programing Dynamic
• Merge Intervals و استفاده از ساختار داده پشته برای ادغام بازه‌ها
• مسائل سخت‌تر مثل Word Ladder و کمک‌گرفتن از الگوریتم BFS

• تمرکز بر پیاده‌سازی عملی و کدخوانی گام به گام
• حل بیش از ۳۰ مسئله استاندارد LeetCode در سطوح مختلف
• ارائه نکات بهینه‌سازی پیچیدگی زمانی و حافظه
• ارائه روش‌های Debugging و رفع خطاهای رایج
• تهیه منابع و مرجع‌های تکمیلی برای مطالعه بیشتر