دوره ساختمان داده ها و الگوریتم ها: تسلط بر الگوریتم ها به روشی سرگرم کننده همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساختمان داده ها و الگوریتم ها: تسلط بر الگوریتم ها به روشی سرگرم کننده

موضوع کلی: برنامه نویسی

موضوع میانی: الگوریتم‌ها و ساختمان داده‌ها

📋 سرفصل‌های دوره

• 1. مقدمه ای بر ساختمان داده ها و پیچیدگی الگوریتمی
• 2. تحلیل پیچیدگی زمانی و فضایی الگوریتم ها
• 3. نمادگذاری اُو (O) بزرگ، اُگا (Ω) بزرگ و تتا (Θ)
• 4. مرتب سازی حبابی و مقایسه آن با مرتب سازی انتخابی
• 5. مرتب سازی درجی و کاربردهای آن در داده های تقریباً مرتب شده
• 6. مرتب سازی ادغامی و رویکرد تقسیم و حل
• 7. مرتب سازی سریع (Quick Sort) و انتخاب محور (Pivot)
• 8. مرتب سازی سطلی (Bucket Sort) و کاربرد آن برای توزیع یکنواخت داده ها
• 9. مرتب سازی شمارشی (Counting Sort) برای اعداد صحیح در یک محدوده مشخص
• 10. مرتب سازی مبنایی (Radix Sort) برای داده های عددی یا رشته ای
• 11. ساختمان داده پشته (Stack) و عملیات Push و Pop
• 12. کاربرد پشته در ارزیابی عبارات ریاضی و توابع بازگشتی
• 13. ساختمان داده صف (Queue) و عملیات Enqueue و Dequeue
• 14. کاربرد صف در مدیریت وظایف و شبیه سازی ها
• 15. لیست پیوندی یک طرفه و عملیات درج و حذف
• 16. لیست پیوندی دو طرفه و مزایای آن
• 17. لیست پیوندی دایره ای و کاربردهای خاص آن
• 18. درختان دودویی جستجو (BST) و خواص آن
• 19. عملیات درج، حذف و جستجو در درختان دودویی جستجو
• 20. پیمایش درختان دودویی (پیش ترتیب، میان ترتیب، پس ترتیب)
• 21. درختان متوازن (AVL) و حفظ تعادل درخت
• 22. درختان قرمز-سیاه (Red-Black Trees) و قوانین آن
• 23. هرم ها (Heaps) و هرم دودویی (Binary Heap)
• 24. عملیات درج و حذف در هرم ها
• 25. هرم سازی (Heapify) و ساخت هرم از یک آرایه
• 26. هیپ سورت (Heap Sort) و استفاده از هرم برای مرتب سازی
• 27. گراف ها و نمایش آن ها (ماتریس مجاورت، لیست مجاورت)
• 28. پیمایش گراف (جستجوی اول سطح - BFS)
• 29. پیمایش گراف (جستجوی اول عمق - DFS)
• 30. الگوریتم دایکسترا برای یافتن کوتاه ترین مسیر در گراف های بدون وزن منفی
• 31. الگوریتم بلمن-فورد برای یافتن کوتاه ترین مسیر در گراف های دارای وزن منفی
• 32. الگوریتم پریم برای یافتن درخت پوشای کمینه (MST)
• 33. الگوریتم کروسکال برای یافتن درخت پوشای کمینه (MST)
• 34. جداول درهم سازی (Hash Tables) و توابع درهم سازی
• 35. تکنیک های مدیریت برخورد در جداول درهم سازی (سنجاق زنجیره ای، آدرس دهی باز)
• 36. درختان B و B+ برای ذخیره سازی پایگاه داده و سیستم فایل
• 37. درختان Trie (Prefix Trees) برای جستجوی رشته ها
• 38. الگوریتم های جستجوی رشته (نایو، KMP، Boyer-Moore)
• 39. مقدمه ای بر برنامه نویسی پویا (Dynamic Programming)
• 40. روش حل مسائل با برنامه نویسی پویا (بازگشت به عقب، حل زیرمسئله ها)
• 41. مثال های کلاسیک برنامه نویسی پویا (مسئله کوله پشتی، دنباله فیبوناچی)
• 42. مقدمه ای بر الگوریتم های حریصانه (Greedy Algorithms)
• 43. مثال های الگوریتم های حریصانه (مسئله انتخاب فعالیت، مسئله سکه)
• 44. الگوریتم های بازگشتی و پشته فراخوانی (Call Stack)
• 45. بهینه سازی توابع بازگشتی (Memoryization)
• 46. تحلیل پیچیدگی الگوریتم های بازگشتی
• 47. الگوریتم های جستجوی دودویی (Binary Search) در آرایه های مرتب شده
• 48. کاربرد جستجوی دودویی در یافتن ریشه معادلات
• 49. الگوریتم های مرتبط با رشته ها (تشخیص پالیندروم، شمارش زیررشته ها)
• 50. مقدمه ای بر جبر بولی و کاربرد آن در طراحی مدارات منطقی
• 51. اصول طراحی مدارات ترکیبی (گیت های منطقی)
• 52. اصول طراحی مدارات ترتیبی (فلیپ فلاپ ها)
• 53. سیستم های اعداد (دودویی، مبنای ده، مبنای شانزده)
• 54. عملیات حسابی در سیستم دودویی (جمع، تفریق)
• 55. نمایش اعداد ممیز شناور (Floating-Point Representation)
• 56. مقدمه ای بر نظریه اعداد و کاربردهای آن در علوم کامپیوتر
• 57. قضیه باقی مانده چینی (Chinese Remainder Theorem)
• 58. کاربرد نظریه اعداد در رمزنگاری (RSA)
• 59. مقدمه ای بر احتمالات و کاربرد آن در الگوریتم های تصادفی
• 60. الگوریتم های تصادفی (مانند QuickSelect)
• 61. تحلیل الگوریتم ها با استفاده از امید ریاضی
• 62. مقدمه ای بر نظریه گراف و کاربردهای آن در شبکه ها
• 63. مدل های شبکه (شبکه های اجتماعی، شبکه های کامپیوتری)
• 64. تحلیل الگوریتم های مسیریابی در شبکه ها
• 65. مقدمه ای بر بهینه سازی ترکیبیاتی
• 66. مسائل بهینه سازی (مانند مسئله فروشنده دوره گرد)
• 67. الگوریتم های تقریبی (Approximation Algorithms)
• 68. مقدمه ای بر الگوریتم های موازی و توزیع شده
• 69. چالش های طراحی الگوریتم های موازی
• 70. الگوریتم های موازی برای مرتب سازی و جستجو
• 71. مقدمه ای بر ساختمان داده های پیشرفته (مانندkd-Trees)
• 72. کاربرد kd-Trees در جستجوی نزدیکترین همسایه
• 73. ساختمان داده های مبتنی بر گره (Node-based Data Structures)
• 74. ساختمان داده های مبتنی بر آرایه (Array-based Data Structures)
• 75. تفاوت های کلیدی بین ساختمان داده های مبتنی بر گره و آرایه
• 76. اصول طراحی ساختمان داده های کارآمد
• 77. انتخاب ساختمان داده مناسب بر اساس نیاز مسئله
• 78. مقایسه عملکرد ساختمان داده های مختلف
• 79. مقدمه ای بر پیچیدگی محاسباتی (Computational Complexity)
• 80. کلاس های پیچیدگی (P, NP, NP-Complete)
• 81. مسائل NP-Complete و اهمیت آن ها
• 82. روش های اثبات پیچیدگی (مانند کاهش پذیری)
• 83. کاربرد الگوریتم ها در علم داده ها
• 84. الگوریتم های یادگیری ماشین (Machine Learning Algorithms)
• 85. ساختمان داده ها و الگوریتم ها در پایگاه داده ها
• 86. بهینه سازی پرس و جوها (Query Optimization)
• 87. الگوریتم ها در سیستم های عامل (مدیریت حافظه، زمان بندی پردازنده)
• 88. الگوریتم ها در شبکه های کامپیوتری (پروتکل های مسیریابی)
• 89. مقدمه ای بر رمزنگاری و الگوریتم های امنیتی
• 90. الگوریتم های فشرده سازی داده ها
• 91. مقدمه ای بر گرافیک کامپیوتری و الگوریتم های مرتبط
• 92. الگوریتم های پردازش تصویر
• 93. مقدمه ای بر هوش مصنوعی و کاربرد الگوریتم ها
• 94. الگوریتم های جستجو در هوش مصنوعی (مانند A*)
• 95. الگوریتم های برنامه ریزی در هوش مصنوعی
• 96. کاربرد ساختمان داده ها و الگوریتم ها در رباتیک
• 97. الگوریتم های کنترل ربات
• 98. مقدمه ای بر بیوانفورماتیک و الگوریتم های آن
• 99. الگوریتم های تحلیل توالی DNA
• 100. مقدمه ای بر محاسبات علمی و الگوریتم های عددی