اپلیکیشن اندرویدی فلشکارت آموزشی الگوریتمهای عددی پیشرفته با C
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره الگوریتمهای عددی پیشرفته با C
موضوع کلی: برنامه نویسی
موضوع میانی: سی (C)
📋 سرفصلهای دوره
- 1. مروری بر انواع داده و عملگرها در C
- 2. استفاده بهینه از اشارهگرها و حافظه پویا
- 3. آرایهها و ماتریسها در C: پیادهسازی و مدیریت
- 4. توابع و پارامترها: ارسال با ارجاع و اشارهگر توابع
- 5. ساختارهای داده سفارشی برای دادههای عددی
- 6. ورودی/خروجی فایلها برای ذخیرهسازی دادههای بزرگ
- 7. ماکروها، #define و دستورات پیشپردازنده در C
- 8. مدیریت خطا و اشکالزدایی در برنامههای عددی C
- 9. اصول کامپایل و بهینهسازی کد C
- 10. نمایش اعداد ممیز شناور (IEEE 754)
- 11. خطاهای گرد کردن و قطع کردن
- 12. خطای مطلق، نسبی و ماشین
- 13. پایداری عددی و عدد شرطی
- 14. تحلیل پیچیدگی الگوریتمها: نماد O بزرگ
- 15. تأثیر دقت محاسبات بر نتایج نهایی
- 16. معرفی ریشههای توابع و مسائل مرتبط
- 17. روش نصف کردن
- 18. روش نابجایی (False Position Method / Regula Falsi)
- 19. روش تکرار نقطه ثابت
- 20. روش نیوتن-رافسون
- 21. روش وتری
- 22. پیادهسازی ترکیبی روشها
- 23. روش برنت برای یافتن ریشهها
- 24. یافتن ریشههای چندجملهایها: تقسیم ترکیبی
- 25. تکنیکهای کاهش مرتبه
- 26. مروری بر مفاهیم جبر خطی و نمایش ماتریسها
- 27. پیادهسازی ماتریسها و بردارها در C
- 28. ضرب ماتریسی و عملگرهای اساسی ماتریس
- 29. روش حذفی گاوسی
- 30. معکوس ماتریس با استفاده از حذف گاوسی
- 31. تجزیه LU
- 32. تجزیه چولسکی برای ماتریسهای متقارن مثبت معین
- 33. روشهای تکراری: روش ژاکوبی
- 34. روشهای تکراری: گاوس-سایدل
- 35. روش SOR (Successive Over-Relaxation)
- 36. عدد شرطی ماتریس و پایداری دستگاه
- 37. تجزیه مقادیر منفرد (SVD) – اصول و کاربردها
- 38. روش گرادیان مزدوج
- 39. ماتریسهای نواری و بنددار: ذخیرهسازی و عملیات
- 40. ماتریسهای اسپارس (خلوت): فرمتهای ذخیرهسازی
- 41. حل دستگاههای اسپارس با روشهای تکراری پیشرفته
- 42. نرمهای برداری و ماتریسی
- 43. مقدمهای بر مقادیر ویژه و بردارهای ویژه
- 44. روش توانی
- 45. روش توانی معکوس
- 46. روش ژاکوبی برای یافتن مقادیر ویژه ماتریسهای متقارن
- 47. الگوریتم QR برای مقادیر ویژه
- 48. تکرار خارج قسمت ریلی (Rayleigh Quotient Iteration)
- 49. مقدمهای بر درونیابی و تقریب توابع
- 50. درونیابی لاگرانژ
- 51. درونیابی تفاضلات تقسیم شده نیوتن
- 52. درونیابی اسپلاین مکعبی
- 53. تقریب حداقل مربعات: رگرسیون خطی
- 54. رگرسیون چندجملهای
- 55. توابع متعامد و چندجملهایهای لژاندر
- 56. توابع متعامد و چندجملهایهای چبیشف
- 57. برازش منحنی (Curve Fitting) با دادههای واقعی
- 58. فرمولهای تفاضل پیشرو، پسرو و مرکزی
- 59. مشتقات مراتب بالاتر
- 60. برونیابی ریچاردسون برای بهبود دقت مشتقگیری
- 61. خطای مشتقگیری عددی و انتخاب اندازه گام
- 62. مقدمهای بر انتگرالگیری عددی و کاربردها
- 63. قاعده ذوزنقه
- 64. قاعده سیمپسون (Simpson's Rule: 1/3 and 3/8)
- 65. انتگرالگیری رامبرگ
- 66. انتگرالگیری گاوسی-لژاندر
- 67. انتگرالگیری گاوسی با توابع وزن
- 68. روشهای انتگرالگیری تطبیقی
- 69. انتگرالگیری مونت کارلو برای ابعاد بالا
- 70. مقدمهای بر معادلات دیفرانسیل معمولی و مسائل مقدار اولیه
- 71. روش اولر صریح و ضمنی
- 72. روش رانگ-کوتا مرتبه 2
- 73. روش رانگ-کوتا مرتبه 4
- 74. روشهای گام متغیر و تطبیقی رانگ-کوتا
- 75. روشهای چند گامی: آدامز-باشفورت
- 76. روشهای چند گامی: آدامز-مولتون
- 77. روشهای پیشبینی-تصحیح
- 78. حل سیستمهای معادلات دیفرانسیل معمولی
- 79. پایداری و همگرایی روشهای حل ODE
- 80. مسائل مقدار مرزی (Boundary Value Problems) با روش تفاضل محدود
- 81. مقدمهای بر معادلات دیفرانسیل جزئی و طبقهبندی آنها
- 82. روش تفاضل محدود برای معادلات سهموی (Heat Equation)
- 83. روش تفاضل محدود برای معادلات بیضوی (Laplace/Poisson Equation)
- 84. روش تفاضل محدود برای معادلات هذلولی (Wave Equation)
- 85. پایداری و دقت در حل عددی PDEs
- 86. مقدمهای بر روش المان محدود (FEM) – مفاهیم کلیدی
- 87. مقدمهای بر مسائل بهینهسازی: تک متغیره و چند متغیره
- 88. روش گرادیان نزولی
- 89. روش نیوتن برای بهینهسازی
- 90. روش گرادیان مزدوج برای بهینهسازی
- 91. بهینهسازی با استفاده از روش سیمپلکس (Simplex Method for Optimization - Linear Programming)
- 92. الگوریتمهای ژنتیک در بهینهسازی عددی
- 93. شبیهسازی تبرید (Simulated Annealing) برای بهینهسازی جهانی
- 94. موازیسازی الگوریتمهای عددی با OpenMP و MPI
- 95. استفاده از کتابخانههای BLAS و LAPACK در C
- 96. تبدیل فوریه سریع (FFT) و کاربردهای آن
- 97. تولید اعداد تصادفی و شبیهسازی مونت کارلو
- 98. کتابخانههای علمی GNU (GSL) در C برای محاسبات عددی
- 99. آشنایی با محاسبات GPU برای الگوریتمهای عددی
- 100. تحلیل حساسیت و انتشار خطا در مدلهای عددی
این اپلیکیشن فارسی برای یادگیری و مرور محتوای آموزشی از طریق فلشکارت طراحی شده است. کارتها را یکییکی مرور کنید، پاسخ پرسشها را به یاد بیاورید و نتیجه هر پاسخ را ثبت کنید. محتوای دوره پس از نصب درون برنامه در دسترس است تا برای مطالعه روزمره معمولاً به اتصال مداوم اینترنت نیاز نداشته باشید.
محتوای آموزشی در قالبهای متنوع ارائه میشود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموختهها قابل استفاده باشد.
- رابط کاربری فارسی و راستچین با فونت وزیر.
- تم روشن و تیره مطابق تنظیمات سیستم.
- صفحهبندی ساده برای انتخاب دوره و شروع مرور.
- نمایش تعداد دفعات مرور هر فصل.
- انتخاب چند فصل برای مرور همزمان.
- امکان تمرکز بر فصلهایی که هنوز مرور نشدهاند.
این اپلیکیشن برای دانشآموزان، دانشجویان، داوطلبان آزمونها و علاقهمندان به یادگیری طراحی شده است؛ بهویژه کسانی که میخواهند مطالب آموزشی را در زمانهای کوتاه مرور کنند، دانستههای خود را بسنجند و مطالعه منظمتری داشته باشند.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.