فلش‌کارت‌های آموزشی ساختمان داده ها و الگوریتم ها: با مثال های واقعی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

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

موضوع کلی: برنامه نویسی

موضوع میانی: الگوریتم‌ها و ساختمان داده‌ها

📋 سرفصل‌های دوره

• 1. مبانی و مفاهیم اولیه
• 2. ساختمان داده‌ها و الگوریتم‌ها: مقدمه و اهمیت
• 3. مروری بر مفاهیم پایه برنامه نویسی (متغیرها، انواع داده، عملگرها)
• 4. الگوریتم چیست و چه ویژگی‌هایی دارد؟
• 5. آشنایی با مفاهیم پیچیدگی زمانی و مکانی (Big O Notation)
• 6. مروری بر انواع داده‌های انتزاعی (ADT)
• 7. ساختمان داده‌های اولیه: آرایه‌ها
• 8. پیاده‌سازی آرایه‌ها در زبان‌های برنامه‌نویسی مختلف
• 9. آشنایی با آرایه‌های پویا (Dynamic Arrays)
• 10. عملیات‌های اصلی بر روی آرایه‌ها (افزودن، حذف، جستجو، به‌روزرسانی)
• 11. کاربرد آرایه‌ها در مسائل واقعی
• 12. ساختمان داده‌های اولیه: لیست‌های پیوندی
• 13. آشنایی با انواع لیست‌های پیوندی (یک‌طرفه، دوطرفه، حلقوی)
• 14. پیاده‌سازی لیست‌های پیوندی
• 15. عملیات‌های اصلی بر روی لیست‌های پیوندی
• 16. مقایسه آرایه‌ها و لیست‌های پیوندی
• 17. کاربرد لیست‌های پیوندی در مسائل واقعی
• 18. ساختمان داده‌های اولیه: پشته‌ها
• 19. مفهوم پشته (Stack) و ویژگی‌های آن (LIFO)
• 20. پیاده‌سازی پشته با استفاده از آرایه و لیست پیوندی
• 21. عملیات‌های اصلی بر روی پشته (push، pop، peek)
• 22. کاربرد پشته در مسائل واقعی (مثل ارزیابی عبارت‌های ریاضی)
• 23. ساختمان داده‌های اولیه: صف‌ها
• 24. مفهوم صف (Queue) و ویژگی‌های آن (FIFO)
• 25. پیاده‌سازی صف با استفاده از آرایه و لیست پیوندی
• 26. عملیات‌های اصلی بر روی صف (enqueue، dequeue، peek)
• 27. کاربرد صف در مسائل واقعی (مثل مدیریت درخواست‌ها)
• 28. الگوریتم‌های مرتب‌سازی
• 29. مرتب‌سازی حبابی (Bubble Sort)
• 30. مرتب‌سازی انتخابی (Selection Sort)
• 31. مرتب‌سازی درجی (Insertion Sort)
• 32. مرتب‌سازی ادغامی (Merge Sort)
• 33. مرتب‌سازی سریع (Quick Sort)
• 34. مقایسه الگوریتم‌های مرتب‌سازی (پیچیدگی زمانی و مکانی)
• 35. انتخاب مناسب‌ترین الگوریتم مرتب‌سازی
• 36. کاربرد مرتب‌سازی در مسائل واقعی
• 37. ساختمان داده‌های پیشرفته: درخت‌ها
• 38. مفهوم درخت و اصطلاحات مربوط به آن (گره، ریشه، برگ، ارتفاع)
• 39. درخت دودویی (Binary Tree)
• 40. پیاده‌سازی درخت دودویی
• 41. پیمایش درخت دودویی (Inorder, Preorder, Postorder)
• 42. درخت جستجوی دودویی (Binary Search Tree - BST)
• 43. عملیات‌های اصلی بر روی BST (جستجو، درج، حذف)
• 44. درخت‌های متعادل (AVL Tree)
• 45. درخت‌های متعادل (Red-Black Tree)
• 46. کاربرد درخت‌ها در مسائل واقعی (مثل سیستم‌های فایل)
• 47. ساختمان داده‌های پیشرفته: هیپ‌ها
• 48. مفهوم هیپ (Heap) و انواع آن (Max Heap, Min Heap)
• 49. پیاده‌سازی هیپ
• 50. عملیات‌های اصلی بر روی هیپ (heapify, insert, extractMin/Max)
• 51. کاربرد هیپ در مسائل واقعی (مثل صف اولویت)
• 52. ساختمان داده‌های پیشرفته: جدول‌های هش
• 53. مفهوم جدول هش (Hash Table)
• 54. توابع هش (Hash Functions)
• 55. برخورد (Collision) و راه‌حل‌های آن (Chaining, Open Addressing)
• 56. پیاده‌سازی جدول هش
• 57. عملیات‌های اصلی بر روی جدول هش (جستجو، درج، حذف)
• 58. کاربرد جدول هش در مسائل واقعی (مثل پیاده‌سازی دیکشنری)
• 59. الگوریتم‌های جستجو
• 60. جستجوی خطی (Linear Search)
• 61. جستجوی دودویی (Binary Search)
• 62. جستجو در درخت‌های دودویی
• 63. جستجو در جداول هش
• 64. مقایسه الگوریتم‌های جستجو
• 65. کاربرد الگوریتم‌های جستجو
• 66. الگوریتم‌های گراف
• 67. مفاهیم اولیه گراف (گره‌ها، یال‌ها، انواع گراف)
• 68. پیاده‌سازی گراف (ماتریس مجاورت، لیست مجاورت)
• 69. پیمایش گراف (BFS - جستجوی اول سطح، DFS - جستجوی اول عمق)
• 70. یافتن کوتاه‌ترین مسیر (Dijkstra's Algorithm)
• 71. یافتن کوتاه‌ترین مسیر (Bellman-Ford Algorithm)
• 72. یافتن کمترین درخت پوشا (Minimum Spanning Tree - MST) (Prim's Algorithm)
• 73. یافتن کمترین درخت پوشا (Minimum Spanning Tree - MST) (Kruskal's Algorithm)
• 74. کاربرد الگوریتم‌های گراف در مسائل واقعی (مثل شبکه‌های اجتماعی)
• 75. الگوریتم‌های پویا
• 76. مقدمه به برنامه‌نویسی پویا (Dynamic Programming)
• 77. مسئله کوله‌پشتی (Knapsack Problem)
• 78. دنباله فیبوناچی (Fibonacci Sequence)
• 79. مسائل بهینه‌سازی
• 80. کاربرد الگوریتم‌های پویا
• 81. الگوریتم‌های حریصانه
• 82. مقدمه به الگوریتم‌های حریصانه (Greedy Algorithms)
• 83. مسائل بهینه‌سازی (Optimal Problems)
• 84. مثال‌های کاربردی الگوریتم‌های حریصانه
• 85. کاربرد الگوریتم‌های حریصانه
• 86. مباحث پیشرفته و تکمیلی
• 87. تکنیک‌های طراحی الگوریتم (Divide and Conquer)
• 88. پیچیدگی فضا (Space Complexity)
• 89. مروری بر انواع داده‌های دیگر (مثل Tries)
• 90. بهبود عملکرد الگوریتم‌ها (Optimization)
• 91. آشنایی با کتابخانه‌های ساختمان داده و الگوریتم (مثل STL در ++C)
• 92. کاربرد ساختمان داده‌ها و الگوریتم‌ها در طراحی سیستم‌های بزرگ
• 93. مسائل و چالش‌های ساختمان داده و الگوریتم‌ها در دنیای واقعی
• 94. معرفی منابع آموزشی پیشرفته (کتاب‌ها، دوره‌ها، وب‌سایت‌ها)
• 95. جمع‌بندی و مرور کلی مطالب
• 96. آماده‌سازی برای مصاحبه‌های شغلی (مرور سوالات متداول)
• 97. بازگشت (Recursion) و حل مسائل بازگشتی
• 98. ساختمان داده لیست پیوندی (Linked List)
• 99. پشته (Stack) و صف (Queue): مفاهیم و پیاده‌سازی
• 100. الگوریتم‌های جستجو: جستجوی خطی و جستجوی دودویی