معرفی دوره

دوره «الگوریتم‌های بهینه I/O ۲۰۲۵-۱» از بورس تحصیلی دانشگاه معتبر به صورت رایگان در پلتفرم Coursera ارائه می‌شود. این دوره به بررسی نحوه طراحی و تحلیل الگوریتم‌هایی می‌پردازد که در مواجهه با محدودیت‌های حافظه و سرعت ورودی/خروجی بهینه عمل می‌کنند. تمرکز اصلی بر کاهش تعداد عملیات I/O و مدیریت مؤثر سلسله‌مراتب حافظه است تا پردازش حجم‌های بزرگ داده در زمان کوتاه‌تر و با مصرف منابع کمتر انجام شود.

طول دوره حدود ۶ هفته است و ترکیبی از ویدئوهای آموزشی، تمرین‌های برنامه‌نویسی و ارزیابی‌های آنلاین را شامل می‌شود. این دوره برای دانشجویان علوم کامپیوتر، مهندسان نرم‌افزار و علاقه‌مندان به داده‌کاوی و بیوانفورماتیک مناسب است.

آنچه خواهید آموخت

• درک مدل‌های حافظه چندسطحی و نحوه تأثیر آن‌ها بر کارایی الگوریتم‌ها
• طراحی و تحلیل الگوریتم‌های مرتب‌سازی خارجی مانند External Merge Sort
• پیاده‌سازی ساختارهای داده بیرونی نظیر B-Tree و Buffer Tree
• الگوریتم‌های پردازش گراف‌های بزرگ با محدودیت I/O
• تکنیک‌های کاهش تعداد بارگذاری و ذخیره‌سازی بلوک‌های دیسک
• ارزیابی پیچیدگی زمانی و میزان انتقال داده‌ها میان حافظه داخلی و دیسک

مزایا و نکات برجسته

با گذراندن این دوره می‌توانید:

• مهارت طراحی الگوریتم‌های **بهینه برای حافظه بیرونی** را کسب کنید.
• تجربه عملی در استفاده از زبان‌هایی مانند C++ و Java برای پیاده‌سازی الگوریتم‌های I/O-efficient به دست آورید.
• با مطالعه موارد واقعی از صنعت‌های داده‌محور مانند پایگاه‌های داده توزیع‌شده و پردازش کلان‌داده‌ها آشنا شوید.
• گواهی رسمی Coursera را پس از موفقیت در آزمون‌ها و تکمیل پروژه‌ها دریافت کنید.
• دسترسی دائمی به محتوا و کدهای نمونه حتی پس از پایان دوره.

پیش‌نیازها و مخاطبان

برای شرکت در این دوره نیاز به آشنایی با:

• مبانی ساختمان داده‌ها (آرایه، لیست پیوندی، درخت‌ها)
• تحلیل الگوریتم‌ها و پیچیدگی زمانی (نظیر O-notation)
• برنامه‌نویسی در زبان‌های C++ یا Java
• مفاهیم اولیه سیستم‌عامل (مدیریت حافظه و فایل)

این دوره برای گروه‌های زیر بسیار مناسب است:

• دانشجویان دوره کارشناسی و کارشناسی ارشد کامپیوتر
• برنامه‌نویسان و مهندسان نرم‌افزار علاقه‌مند به کار با داده‌های حجیم
• پژوهشگران حوزه داده‌کاوی و بیوانفورماتیک

بخش‌ها و سرفصل‌ها

• هفته اول: مقدمه بر سلسله‌مراتب حافظه و مدل I/O
• هفته دوم: الگوریتم‌های مرتب‌سازی خارجی و تحلیل کارایی
• هفته سوم: ساختارهای داده بیرونی (B-Tree, B⁺-Tree)
• هفته چهارم: Buffer Tree و تکنیک‌های دسته‌بندی بلوکی
• هفته پنجم: الگوریتم‌های گرافی در حافظه بیرونی (Shortest Path و MST)
• هفته ششم: پروژه عملی و مطالعه موردی در پردازش کلان‌داده

مثال‌های کاربردی

در طول دوره چندین پروژه عملی انجام می‌دهید که از جمله آن‌ها:

• پیاده‌سازی External Merge Sort برای مرتب‌سازی فایل‌های چند گیگابایتی با حداقل عملیات I/O
• ساخت یک موتور جستجوی ساده با استفاده از ساختار B-Tree برای شاخص‌گذاری داده‌ها
• اجرای الگوریتم Dijkstra در گراف‌هایی که نمی‌توانند به طور کامل در حافظه اصلی بارگذاری شوند
• ارائه مطالعه موردی: تحلیل عملکرد یک سیستم پایگاه‌داده توزیع‌شده در مواجهه با حجم‌داده‌های چند صد گیگابایتی

این مثال‌ها به شما کمک می‌کنند تا تئوری را به صورت عملی تجربه کرده و آماده حل مسائل واقعی در صنعت شوید.