کتاب صوتی تفکر الگوریتمیک: از مبانی تا استادی با الهام از هنر برنامهنویسی
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...
🎓 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
برای آموختن، همیشه لازم نیست بخوانید
گاهی بهترین فرصت یادگیری زمانی است که در مسیر رفتوآمد هستید، قدم میزنید، استراحت میکنید یا کارهای روزمرهتان را انجام میدهید. محتوای صوتی کمک میکند از این لحظهها برای شنیدن، اندیشیدن و آشنایی با موضوعات تازه بهره ببرید.
◷
یادگیری در دل روزمرگی
از زمان رفتوآمد، پیادهروی یا استراحت برای شنیدن محتوای مفید استفاده کنید؛ بدون آنکه همیشه به کتاب چاپی یا صفحه نمایش نیاز داشته باشید.
◎
تجربهای شنیداری و دلنشین
با روایت صوتی، توضیحات گفتاری و فضای شنیداری هر محتوا همراه شوید و متناسب با سلیقه خود، شیوه تازهای برای دریافت مطالب تجربه کنید.
✦
گسترش دانش و دیدگاه
با موضوعات متنوع آشنا شوید، ایدههای تازه کشف کنید و فرصت بیشتری برای یادگیری مستمر و پرورش کنجکاوی خود بسازید.
♫
همراه با سبک زندگی شما
محتوای صوتی را متناسب با برنامه روزانه خود انتخاب کنید و در زمان مناسب، شنیدن را به بخشی از عادتهای شخصیتان تبدیل کنید.
کتاب صوتی یا پادکست؟
کتاب صوتی
راهی برای همراه شدن با محتوای یک کتاب از طریق شنیدن. بسته به اثر، میتوانید داستانها، آموزشها، مفاهیم تخصصی یا مطالب کاربردی را در قالب روایت و بیان صوتی دنبال کنید.
مناسب برای شنیدن و مرور محتوای کتابها
پادکست آموزشی
فرصتی برای دنبال کردن موضوعات مشخص در قالب گفتوگو، روایت، توضیح آموزشی یا مجموعهای از قسمتهای صوتی؛ مناسب برای کشف ایدهها و آشنایی با دیدگاههای گوناگون.
مناسب برای یادگیری موضوعی و شنیدن دیدگاههای تازه
هر جا که هستید، شنیدن را آغاز کنید
با دستگاه مناسب خود، محتوای صوتی را به آسانی دنبال کنید.
▯
گوشی هوشمند
اندروید و آیفون
▣
تبلت
برای شنیدن و دنبال کردن محتوا
▤
رایانه و لپتاپ
با پخشکننده صوتی سازگار
♫
هدفون و بلندگو
برای شنیدن متناسب با محیط
چطور از تجربه شنیدن بیشتر بهره ببریم؟
✦ زمان مناسبی برای شنیدن انتخاب کنید؛ زمانی که بتوانید با آرامش به محتوا توجه داشته باشید.
✦ برای مطالب آموزشی، نکتههای مهم را یادداشت کنید یا پس از پایان شنیدن، آنها را مرور کنید.
✦ اگر محتوا طولانی است، آن را در چند نوبت دنبال کنید تا فرصت بیشتری برای درک و مرور داشته باشید.
✦ هنگام رانندگی یا انجام کارهای نیازمند تمرکز، ایمنی را در اولویت قرار دهید و از شیوه شنیدنی استفاده کنید که حواس شما را مختل نکند.
هر شنیدن، فرصتی برای کشف است
با کتابهای صوتی و پادکستهای آموزشی، دنیای تازهای از ایدهها، روایتها و آموختنیها را به لحظههای خود اضافه کنید.
express24.ir
امکانات پخش، ادامه شنیدن و دسترسی آفلاین به نوع فایل، دستگاه و نرمافزار مورد استفاده بستگی دارد.
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.