دوره الگوریتم‌های جریان داده: Sketching و Sampling همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره الگوریتم‌های جریان داده: Sketching و Sampling

موضوع کلی: برنامه نویسی

موضوع میانی: الگوریتم‌ها و ساختمان داده‌ها

📋 سرفصل‌های دوره

• 1. طرح مسأله و انگیزه‌های الگوریتم‌های جریان داده
• 2. مدل جریان داده و محدودیت‌های حافظه
• 3. آشنایی با مفاهیم Sketching و Sampling
• 4. الگوریتم Count-Min Sketch برای تخمین فراوانی
• 5. پیاده‌سازی و تحلیل Count-Min Sketch
• 6. الگوریتم Count Sketch و مقایسه با Count-Min Sketch
• 7. الگوریتم Misra-Gries برای یافتن عناصر پرتکرار
• 8. الگوریتم SpaceSaving برای Heavy Hitters
• 9. مبانی Hash Functions در جریان داده
• 10. روش نمونه‌گیری تصادفی (Random Sampling)
• 11. نمونه‌گیری Reservoir Sampling و الگوریتم
• 12. نمونه‌گیری Priority Sampling
• 13. تخمین تعداد عناصر متمایز با الگوریتم Flajolet-Martin
• 14. الگوریتم HyperLogLog برای تخمین Cardinality
• 15. تحلیل خطا و دقت در HyperLogLog
• 16. الگوریتم MinHash برای تخمین شباهت مجموعه‌ها
• 17. کاربرد MinHash در جریان داده
• 18. الگوریتم Bloom Filter برای عضویت مجموعه
• 19. تحلیل نرخ اشتباه در Bloom Filter
• 20. پیاده‌سازی Bloom Filter با حافظه محدود
• 21. الگوریتم Cuckoo Filter و مقایسه با Bloom Filter
• 22. تخمین فراوانی با الگوریتم Lossy Counting
• 23. الگوریتم Sticky Sampling
• 24. مدل پنجره‌های لغزان در جریان داده
• 25. الگوریتم DGIM برای شمارش یک‌ها در پنجره لغزان
• 26. الگوریتم Count-Min Sketch در پنجره لغزان
• 27. تخمین توزیع فراوانی (Frequency Distribution)
• 28. روش T-Digest برای تخمین Quantile
• 29. الگوریتم Greenwald-Khanna برای Quantile Estimation
• 30. Sampling از جریان‌های توزیع‌شده
• 31. الگوریتم Distinct Sampling
• 32. تخمین مرتبه (Order Statistics) در جریان داده
• 33. الگوریتم HyperLogLog++ و بهبودها
• 34. مدل جریان داده با حذف (Turnstile Model)
• 35. الگوریتم Count-Min Sketch برای حذف
• 36. الگوریتم AMS Sketch برای تخمین Moments
• 37. تخمین Second Moment در جریان داده
• 38. الگوریتم FastAGMS Sketch
• 39. تحلیل پیچیدگی حافظه در Sketching
• 40. روش Boosting دقت در الگوریتم‌های Sketching
• 41. الگوریتم Heavy Hitters با Count-Min Sketch
• 42. کاربرد Sketching در شبکه و ترافیک
• 43. استفاده از Sketching در تحلیل لاگ‌ها
• 44. الگوریتم Theta Sketch برای تخمین Cardinality
• 45. مقایسه الگوریتم‌های Sampling و Sketching
• 46. روش Adaptive Sampling
• 47. مدل جریان داده با چندین جریان موازی
• 48. الگوریتم Mergeable Summaries
• 49. الگوریتم Count-Min Sketch با توزیع یکنواخت
• 50. تخمین وجوه مشترک (Intersection) با MinHash
• 51. الگوریتم KMV (K Minimum Values) برای Cardinality
• 52. روش Sliding Window HyperLogLog
• 53. الگوریتم Data Stream Clustering با BIRCH
• 54. مبانی Clustering در جریان داده با StreamKM++
• 55. الگوریتم Frequent Itemset Mining در جریان داده
• 56. روش Lossy Counting برای Itemset Mining
• 57. تخمین Covariance و Correlation در جریان داده
• 58. الگوریتم Count-Min Sketch برای Join Size Estimation
• 59. الگوریتم Sample and Hold برای Heavy Hitters
• 60. تحلیل خطاهای تصادفی و سیستماتیک در Sketching
• 61. روش Heavy Hitters با Misra-Gries تعمیم‌یافته
• 62. الگوریتم Count-Min Sketch با Hashing چندگانه
• 63. پیاده‌سازی عملی با زبان‌های برنامه‌نویسی
• 64. بهینه‌سازی حافظه در الگوریتم‌های جریان داده
• 65. مدل جریان داده با نرخ متغیر
• 66. الگوریتم Adaptive Sketching
• 67. کاربرد Sketching در سیستم‌های توصیه‌گر
• 68. الگوریتم Reservoir Sampling با وزن‌دهی
• 69. روش Weighted Sampling در جریان داده
• 70. تخمین جمع و میانگین در جریان داده
• 71. الگوریتم Count-Min Sketch برای Median Estimation
• 72. الگوریتم Moment Estimation با AMS Sketch
• 73. مدل جریان داده با اتصالات محدود
• 74. روش Approximate Counting با Morris Algorithm
• 75. الگوریتم HyperLogLog برای Multi-Set Cardinality
• 76. مقایسه عملکرد Sketching و Sampling در سناریوهای واقعی
• 77. جمع‌بندی و مسیرهای پیشرفته در الگوریتم‌های جریان داده