دوره ساختمان داده ها و الگوریتم ها: راز موفقیت همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساختمان داده ها و الگوریتم ها: راز موفقیت

موضوع کلی: برنامه نویسی

موضوع میانی: الگوریتم‌ها و ساختمان داده‌ها

📋 سرفصل‌های دوره

• 1. مقدمه ای بر الگوریتم ها و ساختمان داده ها
• 2. آشنایی با مفاهیم پایه ای برنامه نویسی
• 3. متغیرها و انواع داده
• 4. عملگرها و عبارات
• 5. ساختارهای کنترلی: شرطی ها (if/else)
• 6. ساختارهای کنترلی: حلقه ها (for, while)
• 7. توابع: تعریف و فراخوانی
• 8. آرایه ها: تعریف و کاربرد
• 9. رشته ها: تعریف و عملیات
• 10. اشاره گرها: مفهوم و کاربرد
• 11. آشنایی با حافظه و تخصیص حافظه
• 12. مقدمه ای بر پیچیدگی زمانی و مکانی
• 13. نماد O بزرگ (Big O Notation)
• 14. تحلیل پیچیدگی الگوریتم های پایه
• 15. مقدمه ای بر ساختمان داده های خطی
• 16. پشته (Stack): تعریف و پیاده سازی
• 17. صف (Queue): تعریف و پیاده سازی
• 18. لیست پیوندی (Linked List): تعریف و انواع
• 19. لیست پیوندی یک طرفه
• 20. لیست پیوندی دو طرفه
• 21. لیست پیوندی دایره ای
• 22. عملیات اصلی در لیست پیوندی: درج، حذف، جستجو
• 23. آرایه پویا (Dynamic Array): تعریف و پیاده سازی
• 24. مقدمه ای بر ساختمان داده های غیر خطی
• 25. درخت (Tree): تعریف و مفاهیم پایه
• 26. درخت دودویی (Binary Tree): تعریف و انواع
• 27. درخت دودویی کامل (Complete Binary Tree)
• 28. درخت دودویی پر (Perfect Binary Tree)
• 29. پیمایش درخت دودویی: پیش ترتیب (Preorder)
• 30. پیمایش درخت دودویی: میان ترتیب (Inorder)
• 31. پیمایش درخت دودویی: پس ترتیب (Postorder)
• 32. درخت جستجوی دودویی (Binary Search Tree): تعریف و پیاده سازی
• 33. عملیات اصلی در درخت جستجوی دودویی: درج، حذف، جستجو
• 34. درخت متوازن (Balanced Tree): مفهوم و اهمیت
• 35. درخت AVL: تعریف و چرخش ها
• 36. درخت قرمز-سیاه (Red-Black Tree): تعریف و خواص
• 37. هرم (Heap): تعریف و انواع
• 38. هرم کمینه (Min Heap)
• 39. هرم بیشینه (Max Heap)
• 40. صف اولویت (Priority Queue): تعریف و پیاده سازی با هرم
• 41. گراف (Graph): تعریف و مفاهیم پایه
• 42. انواع گراف: گراف جهت دار، گراف بدون جهت
• 43. نمایش گراف: ماتریس مجاورت (Adjacency Matrix)
• 44. نمایش گراف: لیست مجاورت (Adjacency List)
• 45. پیمایش گراف: جستجوی عمقی (DFS)
• 46. پیمایش گراف: جستجوی سطحی (BFS)
• 47. الگوریتم های مرتب سازی: مرتب سازی حبابی (Bubble Sort)
• 48. الگوریتم های مرتب سازی: مرتب سازی انتخابی (Selection Sort)
• 49. الگوریتم های مرتب سازی: مرتب سازی درجی (Insertion Sort)
• 50. الگوریتم های مرتب سازی: مرتب سازی ادغامی (Merge Sort)
• 51. الگوریتم های مرتب سازی: مرتب سازی سریع (Quick Sort)
• 52. الگوریتم های مرتب سازی: مرتب سازی هیپ (Heap Sort)
• 53. الگوریتم های شمارشی (Counting Sort)
• 54. الگوریتم های مبنایی (Radix Sort)
• 55. مقایسه الگوریتم های مرتب سازی: پیچیدگی و کارایی
• 56. الگوریتم های جستجو: جستجوی خطی (Linear Search)
• 57. الگوریتم های جستجو: جستجوی دودویی (Binary Search)
• 58. درهم سازی (Hashing): مفهوم و کاربرد
• 59. توابع درهم ساز (Hash Functions)
• 60. روش های حل تصادم (Collision Resolution): زنجیره سازی جداگانه (Separate Chaining)
• 61. روش های حل تصادم (Collision Resolution): آدرس دهی باز (Open Addressing)
• 62. مقدمه ای بر برنامه نویسی پویا (Dynamic Programming)
• 63. مسائل بهینه سازی: کوله پشتی (Knapsack)
• 64. مسائل بهینه سازی: طولانی ترین زیردنباله مشترک (Longest Common Subsequence)
• 65. مسائل بهینه سازی: کوتاهترین مسیرها (Shortest Paths)
• 66. الگوریتم دایجسترا (Dijkstra's Algorithm)
• 67. الگوریتم بلمن-فورد (Bellman-Ford Algorithm)
• 68. الگوریتم فلوید-وارشال (Floyd-Warshall Algorithm)
• 69. درخت پوشای کمینه (Minimum Spanning Tree): مفهوم
• 70. الگوریتم پریم (Prim's Algorithm)
• 71. الگوریتم کروسکال (Kruskal's Algorithm)
• 72. مقدمه ای بر الگوریتم های حریصانه (Greedy Algorithms)
• 73. مسائل حریصانه: انتخاب فعالیت (Activity Selection)
• 74. مسائل حریصانه: کد هافمن (Huffman Coding)
• 75. بازگشت (Recursion): مفهوم و کاربرد
• 76. مسائل حل شده با بازگشت: برج های هانوی (Towers of Hanoi)
• 77. مسائل حل شده با بازگشت: مسئله n وزیر (N-Queens Problem)
• 78. پیاده سازی ساختمان داده ها و الگوریتم ها در زبان C++
• 79. پیاده سازی ساختمان داده ها و الگوریتم ها در زبان Python
• 80. پیاده سازی ساختمان داده ها و الگوریتم ها در زبان Java
• 81. کاربرد ساختمان داده ها و الگوریتم ها در مسائل واقعی
• 82. حل مسائل کدینگ (Coding Challenges)
• 83. بهینه سازی کد: پروفایلینگ (Profiling)
• 84. بهینه سازی کد: استفاده از حافظه بهینه
• 85. آشنایی با کتابخانه های استاندارد ساختمان داده ها
• 86. STL (Standard Template Library) در C++
• 87. collections module در Python
• 88. Java Collections Framework
• 89. مباحث پیشرفته: درخت های B (B-Trees)
• 90. مباحث پیشرفته: درخت های Trie
• 91. مباحث پیشرفته: گراف های جریانی (Flow Networks)
• 92. مباحث پیشرفته: NP-Completeness
• 93. روش های تقریبی (Approximation Algorithms)
• 94. روش های تصادفی (Randomized Algorithms)
• 95. آشنایی با ابزارهای تست و اشکال زدایی
• 96. مقایسه و انتخاب ساختمان داده مناسب
• 97. طراحی الگوریتم: راهکارهای حل مسئله
• 98. مدیریت پیچیدگی: تقسیم و غلبه (Divide and Conquer)
• 99. الگوریتم های پس گرد (Backtracking)
• 100. کاربرد ساختمان داده ها و الگوریتم ها در هوش مصنوعی