کتاب مرواریدهای برنامه‌نویسی: هنر ساخت کدهای کارآمد و حل مسائل پیچیده با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

مرواریدهای برنامه‌نویسی: هنر ساخت کدهای کارآمد و حل مسائل پیچیده | رویش سافت مرواریدهای برنامه‌نویسی: هنر ساخت کدهای کارآمد و حل مسائل پیچیده آیا به دنبال ارتقای سطح برنامه‌نویسی خود هستید؟ آیا می‌خوا...

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 مرواریدهای برنامه‌نویسی: هنر ساخت کدهای کارآمد و حل مسائل پیچیده

موضوع کلی: تفکر الگوریتمی و مهندسی نرم‌افزار

موضوع میانی: الگوهای طراحی و بهینه‌سازی راه‌حل‌های برنامه‌نویسی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مرواریدهای برنامه‌نویسی
  • 2. درک دقیق صورت مسئله: اولین قدم
  • 3. محاسبات سرانگشتی: هنر تخمین زدن
  • 4. اصل اول: درستی کد
  • 5. اهمیت نمایش صحیح داده‌ها
  • 6. چارچوب کلی حل مسئله: ورودی، خروجی، قیود
  • 7. آشنایی با پیچیدگی زمانی و فضایی
  • 8. الگوریتم‌های بنیادین: جستجو و مرتب‌سازی
  • 9. آرایه‌ها: ساده اما قدرتمند
  • 10. جادوی بردارهای بیتی (Bitmaps)
  • 11. کار با رشته‌ها: جستجو و جایگزینی
  • 12. کشف کلمات آناگرام: یک مسئله کلاسیک
  • 13. مرتب‌سازی مجموعه‌ای از اعداد در یک محدوده مشخص
  • 14. لیست‌های پیوندی: انعطاف‌پذیری در مقابل سرعت
  • 15. طراحی ساختار داده مناسب برای مسئله
  • 16. تحلیل پیچیدگی الگوریتم‌ها (Big-O)
  • 17. فراتر از Big-O: هزینه‌های پنهان
  • 18. چرخه تنظیم کد: اندازه‌گیری، تحلیل، بهبود
  • 19. پروفایل‌سنجی (Profiling): پیدا کردن گلوگاه‌ها
  • 20. اصول بهینه‌سازی: چه زمانی و چگونه بهینه کنیم
  • 21. کاهش مصرف حافظه: تکنیک‌های فشرده‌سازی داده
  • 22. مدیریت حافظه نهان (Cache) و تأثیر آن بر سرعت
  • 23. بهینه‌سازی ورودی/خروجی (I/O)
  • 24. استفاده از کتابخانه‌های سطح پایین سیستم
  • 25. الگوریتم‌های مرتب‌سازی مقایسه‌ای: Quicksort و Mergesort
  • 26. مرتب‌سازی‌های خطی: Counting Sort و Radix Sort
  • 27. مرتب‌سازی خارجی برای داده‌های حجیم
  • 28. چه زمانی از مرتب‌سازی استفاده نکنیم؟
  • 29. الگوریتم‌های جستجو: از خطی تا دودویی
  • 30. درختان جستجوی دودویی: داده‌های ساختاریافته
  • 31. درختان متوازن: AVL و Red-Black
  • 32. جداول هش: دسترسی سریع به داده‌ها
  • 33. استراتژی‌های مدیریت برخورد (Collision) در جداول هش
  • 34. هیپ‌ها و صف‌های اولویت
  • 35. ساختارهای داده تخصصی: Tries
  • 36. ساختارهای داده تخصصی: Bloom Filters
  • 37. الگوهای حل مسئله: از تشخیص تا اجرا
  • 38. تقسیم و حل (Divide and Conquer)
  • 39. برنامه‌نویسی پویا: حل مسائل با زیرمسائل همپوشان
  • 40. الگوریتم‌های حریصانه: انتخاب‌های بهینه محلی
  • 41. الگوریتم‌های بازگشتی و Backtracking
  • 42. هیوریستیک‌ها و راه‌حل‌های تقریبی
  • 43. تکنیک تولید و فیلتر (Generate and Test)
  • 44. الگوریتم‌های تصادفی و احتمالی
  • 45. الگوریتم‌های نمونه‌برداری (Sampling)
  • 46. جریان‌های داده (Data Streams) و الگوریتم‌های آن
  • 47. هنر دیباگ کردن: استراتژی‌های سیستماتیک
  • 48. استفاده از ادعاها (Assertions) برای تضمین درستی
  • 49. داربست‌بندی (Scaffolding) برای توسعه و تست
  • 50. نوشتن تست‌های واحد مؤثر
  • 51. تست مبتنی بر ویژگی (Property-Based Testing)
  • 52. تست استرس و عملکرد
  • 53. کدنویسی خوانا: نام‌گذاری و ساختار
  • 54. ری‌فکتورینگ: بهبود طراحی کدهای موجود
  • 55. طراحی رابط‌های برنامه‌نویسی (API) تمیز
  • 56. مدیریت خطا و استثناها
  • 57. مستندسازی کد: چرا و چگونه
  • 58. مقدمه‌ای بر برنامه‌نویسی شیءگرا
  • 59. اصول SOLID در طراحی نرم‌افزار
  • 60. الگوهای طراحی (Design Patterns): مقدمه
  • 61. الگوی Singleton و Factory
  • 62. الگوی Observer و Strategy
  • 63. الگوی Decorator و Adapter
  • 64. چه زمانی از الگوهای طراحی استفاده نکنیم؟
  • 65. مسئله یافتن عناصر غایب در یک دنباله
  • 66. مسئله یافتن عنصر اکثریت
  • 67. مسئله چرخش یک آرایه
  • 68. محاسبه سریع توان و الگوریتم‌های مشابه
  • 69. الگوریتم‌های کار با اعداد بزرگ
  • 70. الگوریتم اقلیدس برای بزرگترین مقسوم‌علیه مشترک
  • 71. بررسی اول بودن اعداد
  • 72. تولید اعداد شبه تصادفی
  • 73. مسائل هندسه محاسباتی: یافتن نزدیک‌ترین زوج نقاط
  • 74. الگوریتم‌های گراف: جستجوی عمق-اول و سطح-اول
  • 75. الگوریتم دایکسترا برای یافتن کوتاه‌ترین مسیر
  • 76. الگوریتم‌های درخت پوشای کمینه: پریم و کراسکال
  • 77. چالش‌های کار با داده‌های عظیم
  • 78. فکر کردن در مقیاس: از مگابایت تا پتابایت
  • 79. تکنیک‌های نمونه‌گیری برای داده‌های بزرگ
  • 80. پردازش موازی و مدل MapReduce
  • 81. امنیت در کدنویسی: جلوگیری از خطاهای رایج
  • 82. تزریق SQL و حملات Cross-Site Scripting
  • 83. مدیریت امن رمزهای عبور
  • 84. برنامه‌نویسی تابعی: یک دیدگاه متفاوت
  • 85. تغییرناپذیری (Immutability) و مزایای آن
  • 86. توابع درجه بالا (Higher-Order Functions)
  • 87. مقدمه‌ای بر همزمانی و موازی‌سازی
  • 88. قفل‌ها، سمافورها و دیگر ابزارهای همزمانی
  • 89. شرایط رقابتی (Race Conditions) و بن‌بست‌ها (Deadlocks)
  • 90. مطالعه موردی: طراحی یک سیستم فشرده‌سازی فایل
  • 91. مطالعه موردی: پیاده‌سازی یک غلط‌یاب املایی
  • 92. مطالعه موردی: ساخت یک موتور جستجوی ساده
  • 93. جمع‌بندی: اصول ده‌گانه یک برنامه‌نویس مرواریدساز
  • 94. یادگیری مستمر: چگونه یک حلال مسئله باقی بمانیم
تگ‌ها: algorithmic thinking design patterns Efficient Code Programming Pearls Software Engineering الگوریتم الگوهای طراحی بهینه سازی کد بهینه‌سازی تفکر الگوریتمی حل مسائل پیچیده کدهای کارآمد مرواریدهای برنامه‌نویسی مهندسی نرم‌افزار

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.