کتاب صوتی ساختمان داده ها و الگوریتم ها: با ما، دنیایی از ایده ها را خلق کنید!

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساختمان داده ها و الگوریتم ها: با ما، دنیایی از ایده ها را خلق کنید!

موضوع کلی: برنامه نویسی

موضوع میانی: الگوریتم‌ها و ساختمان داده‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر الگوریتم‌ها و ساختمان داده‌ها
• 2. تحلیل پیچیدگی زمانی و مکانی (Big O Notation)
• 3. آرایه‌ها: تعریف، پیاده‌سازی، و عملیات پایه
• 4. آرایه‌های پویا (Dynamic Arrays)
• 5. لیست‌های پیوندی: تک پیوندی، دو پیوندی، حلقوی
• 6. پشته‌ها: تعریف، پیاده‌سازی، و کاربردها
• 7. صف‌ها: تعریف، پیاده‌سازی، و انواع صف‌ها (FIFO, LIFO, Priority Queue)
• 8. درخت‌ها: مفاهیم پایه، اصطلاحات، و انواع
• 9. درخت‌های دودویی: تعریف، پیاده‌سازی، پیمایش‌ها
• 10. درخت جستجوی دودویی (BST): جستجو، درج، حذف
• 11. درخت‌های متوازن (AVL Trees): معرفی و چرخش‌ها
• 12. درخت‌های قرمز-سیاه (Red-Black Trees): معرفی و خواص
• 13. درخت‌های B: معرفی و کاربردها در پایگاه داده
• 14. درخت‌های هیپ (Heap): مین هیپ، مکس هیپ، پیاده‌سازی
• 15. صف اولویت (Priority Queue) با استفاده از هیپ
• 16. گراف‌ها: مفاهیم پایه، انواع گراف‌ها
• 17. نمایش گراف‌ها: ماتریس مجاورت، لیست مجاورت
• 18. جستجوی عمق اول (DFS): الگوریتم و کاربردها
• 19. جستجوی سطح اول (BFS): الگوریتم و کاربردها
• 20. کوتاهترین مسیر: الگوریتم دایکسترا
• 21. کوتاهترین مسیر: الگوریتم فلوید-وارشال
• 22. درخت پوشای کمینه: الگوریتم پریم
• 23. درخت پوشای کمینه: الگوریتم کروسکال
• 24. مرتب‌سازی: مفاهیم پایه و اهمیت
• 25. مرتب‌سازی حبابی (Bubble Sort)
• 26. مرتب‌سازی انتخابی (Selection Sort)
• 27. مرتب‌سازی درجی (Insertion Sort)
• 28. مرتب‌سازی ادغامی (Merge Sort)
• 29. مرتب‌سازی سریع (Quick Sort)
• 30. مرتب‌سازی هیپ (Heap Sort)
• 31. مرتب‌سازی شمارشی (Counting Sort)
• 32. مرتب‌سازی مبنا (Radix Sort)
• 33. جستجو: جستجوی خطی (Linear Search)
• 34. جستجو: جستجوی دودویی (Binary Search)
• 35. درخت تصمیم‌گیری (Decision Tree)
• 36. جدول‌های درهم‌سازی (Hash Tables): معرفی و مفاهیم
• 37. توابع درهم‌ساز (Hash Functions): انواع و ویژگی‌ها
• 38. برخوردها در جدول‌های درهم‌سازی: روش‌های حل
• 39. زنجیره‌سازی جداگانه (Separate Chaining)
• 40. آدرس‌دهی باز (Open Addressing): کاوش خطی، درجه دو، درهم‌سازی مضاعف
• 41. تحلیل کارایی جدول‌های درهم‌سازی
• 42. ساختمان داده‌های پیشرفته: ترای (Trie)
• 43. ساختمان داده‌های پیشرفته: درخت پسوندی (Suffix Tree)
• 44. ساختمان داده‌های پیشرفته: فیلتر بلوم (Bloom Filter)
• 45. الگوریتم‌های تقسیم و غلبه (Divide and Conquer)
• 46. الگوریتم‌های برنامه‌نویسی پویا (Dynamic Programming): معرفی و مفاهیم
• 47. مسئله کوله‌پشتی (Knapsack Problem) با برنامه‌نویسی پویا
• 48. مسئله طولانی‌ترین زیردنباله مشترک (Longest Common Subsequence)
• 49. مسئله ویرایش فاصله (Edit Distance)
• 50. الگوریتم‌های حریصانه (Greedy Algorithms): معرفی و مفاهیم
• 51. مسئله انتخاب فعالیت (Activity Selection Problem)
• 52. مسئله کوله‌پشتی کسری (Fractional Knapsack Problem)
• 53. الگوریتم‌های بازگشتی (Recursion): معرفی و کاربردها
• 54. بهینه‌سازی الگوریتم‌های بازگشتی
• 55. روش‌های کاهش پیچیدگی زمانی
• 56. حافظه‌بندی (Memoization)
• 57. الگوریتم‌های عقب‌گرد (Backtracking): معرفی و کاربردها
• 58. مسئله N وزیر (N-Queens Problem)
• 59. مسئله رنگ‌آمیزی گراف (Graph Coloring Problem)
• 60. پیاده‌سازی ساختمان داده‌ها در زبان برنامه‌نویسی C++
• 61. پیاده‌سازی ساختمان داده‌ها در زبان برنامه‌نویسی Java
• 62. پیاده‌سازی ساختمان داده‌ها در زبان برنامه‌نویسی Python
• 63. کاربرد آرایه‌ها در حل مسائل
• 64. کاربرد لیست‌های پیوندی در حل مسائل
• 65. کاربرد پشته‌ها در حل مسائل
• 66. کاربرد صف‌ها در حل مسائل
• 67. کاربرد درخت‌ها در حل مسائل
• 68. کاربرد گراف‌ها در حل مسائل
• 69. کاربرد مرتب‌سازی در حل مسائل
• 70. کاربرد جستجو در حل مسائل
• 71. طراحی الگوریتم برای مسائل دنیای واقعی
• 72. بهینه‌سازی کد و پروفایلینگ (Profiling)
• 73. تست و اشکال‌زدایی (Debugging) الگوریتم‌ها
• 74. مباحث پیشرفته در گراف‌ها: جریان بیشینه (Maximum Flow)
• 75. مباحث پیشرفته در گراف‌ها: تطابق دوتایی (Bipartite Matching)
• 76. الگوریتم‌های تقریبی (Approximation Algorithms)
• 77. الگوریتم‌های موازی (Parallel Algorithms): مفاهیم پایه
• 78. ساختمان داده‌های رشته‌ای (String Data Structures)
• 79. فشرده‌سازی داده‌ها (Data Compression): مفاهیم پایه
• 80. الگوریتم هافمن (Huffman Coding)
• 81. الگوریتم لمپل-زیو (Lempel-Ziv)
• 82. مقدمه‌ای بر یادگیری ماشین (Machine Learning) و الگوریتم‌ها
• 83. الگوریتم‌های خوشه‌بندی (Clustering Algorithms): K-Means
• 84. الگوریتم‌های طبقه‌بندی (Classification Algorithms): Logistic Regression
• 85. تحلیل داده‌ها با استفاده از ساختمان داده‌ها
• 86. کاربرد ساختمان داده‌ها در پایگاه داده
• 87. کاربرد ساختمان داده‌ها در سیستم‌عامل
• 88. کاربرد ساختمان داده‌ها در شبکه‌های کامپیوتری
• 89. الگوریتم‌های ژنتیک (Genetic Algorithms): مفاهیم پایه
• 90. بهینه‌سازی با استفاده از الگوریتم‌های ژنتیک
• 91. مقدمه‌ای بر محاسبات ابری (Cloud Computing) و ساختمان داده‌ها
• 92. ساختمان داده‌های توزیع‌شده (Distributed Data Structures)
• 93. امنیت در ساختمان داده‌ها و الگوریتم‌ها
• 94. برنامه‌نویسی رقابتی (Competitive Programming): معرفی
• 95. حل مسائل برنامه‌نویسی رقابتی با استفاده از ساختمان داده‌ها
• 96. انتخاب ساختمان داده مناسب برای مسئله خاص
• 97. طراحی رابط کاربری (UI) برای نمایش ساختمان داده‌ها
• 98. مستندسازی کد و ایجاد کتابخانه ساختمان داده
• 99. کار تیمی در پروژه‌های ساختمان داده و الگوریتم
• 100. آماده‌سازی برای مصاحبه‌های شغلی مرتبط با ساختمان داده‌ها و الگوریتم‌ها