کتاب تفکر الگوریتمیک: از مبانی تا استادی با الهام از هنر برنامه‌نویسی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

تفکر الگوریتمیک: از مبانی تا استادی تفکر الگوریتمیک: از مبانی تا استادی با الهام از هنر برنامه‌نویسی از دنیای شگفت‌انگیز الگوریتم‌ها، سفری به سوی استادی آیا تا به حال مجذوب ظرافت و قدرت الگوریتم‌ها شد...

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تفکر الگوریتمیک: از مبانی تا استادی با الهام از هنر برنامه‌نویسی

موضوع کلی: مبانی علوم کامپیوتر

موضوع میانی: طراحی و تحلیل الگوریتم‌ها

📋 سرفصل‌های دوره

  • 1. مقدمه: چرا الگوریتم‌ها مهم هستند؟
  • 2. ریاضیات گسسته: مجموعه‌ها، توابع و روابط
  • 3. منطق گزاره‌ای و منطق مرتبه اول
  • 4. اثبات ریاضی: استقرا، برهان خلف و مستقیم
  • 5. آمار و احتمال مقدماتی
  • 6. ساختارهای داده‌ای: آرایه‌ها و لیست‌های پیوندی
  • 7. پشته‌ها و صف‌ها: پیاده‌سازی و کاربردها
  • 8. درخت‌ها: مفاهیم پایه و انواع
  • 9. درخت‌های دودویی: جستجو، درج و حذف
  • 10. درخت‌های متوازن: AVL و قرمز-سیاه
  • 11. Heapها و صف‌های اولویت‌دار
  • 12. جدول‌های درهم‌سازی: توابع درهم‌ساز و روش‌های حل تصادم
  • 13. گراف‌ها: مفاهیم پایه و نمایش
  • 14. پیمایش گراف: جستجوی عمق اول و جستجوی سطح اول
  • 15. الگوریتم‌های کوتاهترین مسیر: Dijkstra و Bellman-Ford
  • 16. مرتب‌سازی: مفاهیم پایه و پیچیدگی زمانی
  • 17. مرتب‌سازی درجی و انتخابی
  • 18. مرتب‌سازی حبابی و شانه‌ای
  • 19. مرتب‌سازی ادغامی و سریع
  • 20. مرتب‌سازی هیپ و درختی
  • 21. مرتب‌سازی رادیکس و سطلی
  • 22. جستجو: جستجوی خطی و دودویی
  • 23. درخت‌های جستجوی دودویی: جستجو، درج و حذف
  • 24. تحلیل الگوریتم‌ها: نماد O بزرگ، امگا و تتا
  • 25. پیچیدگی زمانی و مکانی: تحلیل بدترین، بهترین و میانگین حالت
  • 26. الگوریتم‌های بازگشتی: مفاهیم و مثال‌ها
  • 27. حل مسائل بازگشتی: تقسیم و حل
  • 28. برنامه‌نویسی پویا: مفاهیم و کاربردها
  • 29. مسائل برنامه‌نویسی پویا: کوله پشتی، طولانی‌ترین زیررشته مشترک
  • 30. الگوریتم‌های حریصانه: مفاهیم و کاربردها
  • 31. مسائل حریصانه: کوله پشتی کسری، کد هافمن
  • 32. تکنیک‌های بهبود الگوریتم‌ها: Memoization و Tabulation
  • 33. بهینه‌سازی الگوریتم‌ها: پروفایلینگ و benchmark
  • 34. ساختارهای داده‌ای پیشرفته: Trie و Segment Tree
  • 35. درخت فنویک (Binary Indexed Tree)
  • 36. گراف‌های وزن‌دار: Minimum Spanning Tree (Kruskal و Prim)
  • 37. جریان بیشینه: الگوریتم Ford-Fulkerson
  • 38. تطابق در گراف‌های دوبخشی
  • 39. الگوریتم‌های رشته‌ای: جستجوی الگو (Knuth-Morris-Pratt)
  • 40. الگوریتم‌های رشته‌ای: Boyer-Moore
  • 41. فشرده‌سازی داده‌ها: هافمن و Lempel-Ziv
  • 42. رمزنگاری: مفاهیم پایه و الگوریتم‌های ابتدایی
  • 43. تولید اعداد تصادفی: مولدهای شبه تصادفی
  • 44. الگوریتم‌های هندسی: پوشش محدب و تقاطع خطوط
  • 45. برنامه‌ریزی خطی: مفاهیم و الگوریتم سیمپلکس
  • 46. مسائل NP-Complete: مفاهیم و مثال‌ها
  • 47. الگوریتم‌های تقریبی: مفاهیم و کاربردها
  • 48. الگوریتم‌های موازی: مفاهیم پایه و مدل‌های محاسباتی
  • 49. الگوریتم‌های توزیع‌شده: مفاهیم پایه و پروتکل‌ها
  • 50. الگوریتم‌های تصادفی: Monte Carlo و Las Vegas
  • 51. الگوریتم‌های ماشین لرنینگ: رگرسیون خطی و لجستیک
  • 52. شبکه‌های عصبی: مفاهیم پایه و یادگیری عمیق
  • 53. الگوریتم‌های جستجوی محلی: hill climbing و simulated annealing
  • 54. الگوریتم‌های تکاملی: ژنتیک و الگوریتم‌های swarm intelligence
  • 55. مقدمه‌ای بر پردازش تصویر
  • 56. مقدمه‌ای بر پردازش زبان طبیعی
  • 57. مقدمه‌ای بر سیستم‌های توصیه‌گر
  • 58. تحلیل آماری الگوریتم‌ها
  • 59. بهینه‌سازی حافظه در الگوریتم‌ها
  • 60. الگوریتم‌های جریان داده
  • 61. الگوریتم‌های تقریبی برای مسائل NP-Hard
  • 62. تکنیک‌های موازی‌سازی الگوریتم‌ها
  • 63. تحلیل موازی الگوریتم‌ها
  • 64. الگوریتم‌های توزیع‌شده در شبکه‌های بی‌سیم
  • 65. الگوریتم‌های تحمل‌پذیر خطا
  • 66. الگوریتم‌های رمزنگاری پیشرفته
  • 67. امضاهای دیجیتال و گواهی‌های دیجیتال
  • 68. الگوریتم‌های رمزنگاری پساکوانتومی
  • 69. تولید اعداد تصادفی برای شبیه‌سازی
  • 70. روش‌های کاهش واریانس در شبیه‌سازی
  • 71. الگوریتم‌های هندسی محاسباتی پیشرفته
  • 72. تکنیک‌های بهینه‌سازی برای برنامه‌ریزی خطی
  • 73. الگوریتم‌های تقریبی برای مسائل بهینه‌سازی
  • 74. الگوریتم‌های موازی برای یادگیری ماشین
  • 75. توزیع یادگیری ماشین
  • 76. الگوریتم‌های یادگیری تقویتی
  • 77. الگوریتم‌های جستجوی فراابتکاری پیشرفته
  • 78. الگوریتم‌های تکاملی موازی
  • 79. پردازش تصویر پیشرفته
  • 80. پردازش زبان طبیعی پیشرفته
  • 81. ساخت سیستم‌های توصیه‌گر
  • 82. کاربرد الگوریتم‌ها در پایگاه داده‌ها
  • 83. کاربرد الگوریتم‌ها در سیستم‌های عامل
  • 84. کاربرد الگوریتم‌ها در شبکه‌های کامپیوتری
  • 85. کاربرد الگوریتم‌ها در گرافیک کامپیوتری
  • 86. الگوریتم‌های هوش مصنوعی
  • 87. مقدمه‌ای بر محاسبات کوانتومی
  • 88. الگوریتم‌های کوانتومی
  • 89. پیاده‌سازی الگوریتم‌ها در سخت‌افزار
  • 90. بهینه‌سازی کد با در نظر گرفتن سخت‌افزار
  • 91. تست و اشکال‌زدایی الگوریتم‌ها
  • 92. مستندسازی الگوریتم‌ها
  • 93. اخلاق در الگوریتم‌ها
  • 94. آینده الگوریتم‌ها
  • 95. مطالعه موردی: حل مسائل پیچیده با الگوریتم‌ها
  • 96. تحلیل پیشرفته الگوریتم‌ها
  • 97. الگوریتم‌های داده‌کاوی
  • 98. مفاهیم نظری علوم کامپیوتر
  • 99. نظریه محاسبه‌پذیری
  • 100. نظریه پیچیدگی محاسباتی
تگ‌ها: Algorithm Thinking computer science fundamentals Donald Knuth Knuth The Art of Computer Programming آموزش الگوریتم الگوریتم برنامه نویسی تحلیل الگوریتم تفکر الگوریتمی داده ساختار ساختمان داده طراحی الگوریتم علوم کامپیوتر مبانی علوم کامپیوتر

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.