دوره ساختمان داده ها و الگوریتم ها: با مثال های عینی و پروژه های واقعی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساختمان داده ها و الگوریتم ها: با مثال های عینی و پروژه های واقعی

موضوع کلی: برنامه نویسی

موضوع میانی: الگوریتم‌ها و ساختمان داده‌ها

📋 سرفصل‌های دوره

• 1. مقدمه و آشنایی با دنیای الگوریتم‌ها
• 2. اهمیت الگوریتم‌ها در برنامه‌نویسی
• 3. مفاهیم اساسی پیچیدگی زمانی و فضایی
• 4. نمادگذاری O بزرگ (Big O Notation)
• 5. تحلیل پیچیدگی الگوریتم‌های رایج
• 6. الگوریتم‌های مرتب‌سازی مقدماتی: مرتب‌سازی حبابی (Bubble Sort)
• 7. الگوریتم‌های مرتب‌سازی مقدماتی: مرتب‌سازی انتخابی (Selection Sort)
• 8. الگوریتم‌های مرتب‌سازی مقدماتی: مرتب‌سازی درجی (Insertion Sort)
• 9. مرتب‌سازی سریع (QuickSort): ایده اصلی و نحوه عملکرد
• 10. مرتب‌سازی ادغامی (MergeSort): ایده اصلی و نحوه عملکرد
• 11. مرتب‌سازی هیپ (HeapSort): ایده اصلی و نحوه عملکرد
• 12. مقایسه الگوریتم‌های مرتب‌سازی مختلف
• 13. کاربرد الگوریتم‌های مرتب‌سازی در دنیای واقعی
• 14. مقدمه ای بر ساختمان داده ها
• 15. انواع ساختمان داده: خطی و غیرخطی
• 16. ساختمان داده آرایه (Array): اصول و عملیات
• 17. ساختمان داده لیست پیوندی (Linked List): مفاهیم پایه
• 18. لیست پیوندی یکطرفه (Singly Linked List)
• 19. عملیات روی لیست پیوندی یکطرفه: درج، حذف، جستجو
• 20. لیست پیوندی دوطرفه (Doubly Linked List)
• 21. عملیات روی لیست پیوندی دوطرفه
• 22. لیست پیوندی دایره‌ای (Circular Linked List)
• 23. کاربرد لیست‌های پیوندی: مثال‌ها و موارد استفاده
• 24. ساختمان داده پشته (Stack): مفهوم و عملیات
• 25. پیاده‌سازی پشته با استفاده از آرایه
• 26. پیاده‌سازی پشته با استفاده از لیست پیوندی
• 27. کاربرد پشته: ارزیابی عبارات، فراخوانی توابع
• 28. ساختمان داده صف (Queue): مفهوم و عملیات
• 29. پیاده‌سازی صف با استفاده از آرایه
• 30. پیاده‌سازی صف با استفاده از لیست پیوندی
• 31. صف دایره‌ای (Circular Queue)
• 32. کاربرد صف: مدیریت وظایف، شبیه‌سازی
• 33. ساختمان داده درخت (Tree): مفاهیم اولیه
• 34. درخت دودویی (Binary Tree): تعریف و خواص
• 35. پیمایش درخت دودویی: پیمایش پیش‌ترتیب (Preorder Traversal)
• 36. پیمایش درخت دودویی: پیمایش میان‌ترتیب (Inorder Traversal)
• 37. پیمایش درخت دودویی: پیمایش پس‌ترتیب (Postorder Traversal)
• 38. درخت جستجوی دودویی (Binary Search Tree - BST): تعریف و خواص
• 39. عملیات روی درخت جستجوی دودویی: درج، حذف، جستجو
• 40. بهینه‌سازی درخت جستجوی دودویی: درخت‌های خودمتوازن
• 41. درخت‌های AVL
• 42. عملیات روی درخت‌های AVL
• 43. درخت‌های قرمز-سیاه (Red-Black Trees)
• 44. مقدمه ای بر گراف (Graph)
• 45. مفاهیم اساسی گراف: راس، یال، وزن
• 46. نمایش گراف: ماتریس مجاورت (Adjacency Matrix)
• 47. نمایش گراف: لیست مجاورت (Adjacency List)
• 48. پیمایش گراف: پیمایش اول سطح (Breadth-First Search - BFS)
• 49. کاربرد BFS: یافتن کوتاه‌ترین مسیر در گراف‌های بدون وزن
• 50. پیمایش گراف: پیمایش اول عمق (Depth-First Search - DFS)
• 51. کاربرد DFS: یافتن مسیر، تشخیص چرخه
• 52. الگوریتم دایکسترا (Dijkstra's Algorithm) برای یافتن کوتاه‌ترین مسیر
• 53. الگوریتم بلمن-فورد (Bellman-Ford Algorithm)
• 54. مقدمه ای بر ساختمان داده های هِش (Hash)
• 55. تابع هش (Hash Function)
• 56. حل برخورد در جداول هش (Hash Collisions): زنجیره‌سازی (Chaining)
• 57. حل برخورد در جداول هش: کاوش باز (Open Addressing)
• 58. جداول هش: عملکرد و کاربردها
• 59. ساختمان داده هرم (Heap): تعریف و خواص
• 60. هرم کمینه (Min-Heap)
• 61. هرم بیشینه (Max-Heap)
• 62. عملیات روی هرم: درج، استخراج عنصر
• 63. کاربرد هرم: صف اولویت (Priority Queue)
• 64. الگوریتم‌های مرتب‌سازی مبتنی بر هرم (HeapSort)
• 65. ساختمان داده تری (Trie): مفاهیم پایه
• 66. عملیات روی تری: درج، جستجو، حذف
• 67. کاربرد تری: تکمیل خودکار (Autocomplete)، واژه‌نامه‌ها
• 68. مقدمه ای بر الگوریتم‌های بازگشتی (Recursion)
• 69. مفهوم توابع بازگشتی
• 70. حل مسائل با استفاده از بازگشت: مثال‌ها
• 71. پایان بازگشت: شرط توقف
• 72. اشکال‌زدایی الگوریتم‌های بازگشتی
• 73. مقدمه ای بر برنامه‌نویسی پویا (Dynamic Programming)
• 74. مفهوم بهینه‌سازی زیرمسائل
• 75. روش بالا به پایین (Top-Down) با خاطره‌نویسی (Memoization)
• 76. روش پایین به بالا (Bottom-Up) با جدول‌سازی (Tabulation)
• 77. مسئله فیبوناچی با برنامه‌نویسی پویا
• 78. مسئله کوله‌پشتی (Knapsack Problem)
• 79. مسئله کوتاه‌ترین مسیر در گراف با برنامه‌نویسی پویا
• 80. طراحی الگوریتم: رویکرد حریصانه (Greedy Approach)
• 81. مثال‌ها و کاربردهای الگوریتم‌های حریصانه
• 82. طراحی الگوریتم: تقسیم و حل (Divide and Conquer)
• 83. مثال‌ها و کاربردهای رویکرد تقسیم و حل
• 84. تحلیل الگوریتم‌های پیچیده: الگوریتم‌های گراف
• 85. الگوریتم کروسکال (Kruskal's Algorithm) برای حداقل درخت پوشا
• 86. الگوریتم پریم (Prim's Algorithm) برای حداقل درخت پوشا
• 87. مقدمه ای بر الگوریتم‌های رشته‌ای (String Algorithms)
• 88. الگوریتم جستجوی رشته‌ای ساده
• 89. الگوریتم KMP (Knuth-Morris-Pratt)
• 90. الگوریتم بویل-مور (Boyer-Moore)
• 91. مقدمه ای بر الگوریتم‌های عدد صحیح (Number Theory Algorithms)
• 92. الگوریتم اقلیدس (Euclidean Algorithm) برای یافتن ب.م.م
• 93. روش غربال اراتستن (Sieve of Eratosthenes) برای یافتن اعداد اول
• 94. کاربرد الگوریتم‌ها در پایگاه داده‌ها
• 95. کاربرد الگوریتم‌ها در شبکه‌های کامپیوتری
• 96. کاربرد الگوریتم‌ها در هوش مصنوعی و یادگیری ماشین
• 97. بهینه‌سازی و پیشرفته ساختمان داده‌ها
• 98. هرم دوگانه (Binomial Heap)
• 99. هرم فیبوناچی (Fibonacci Heap)
• 100. ساختمان داده گوی (Disjoint Set Union - DSU)