کتاب صوتی ساختمان داده‌های پیشرفته در پایتون

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساختمان داده‌های پیشرفته در پایتون

موضوع کلی: برنامه نویسی کامپیوتری

موضوع میانی: مبانی Data Structures in Python

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر ساختمان داده‌های پیشرفته و کاربردهای آن‌ها
• 2. مرور سریع ساختمان داده‌های پایه‌ای در پایتون
• 3. آشنایی با مفهوم درخت و انواع آن
• 4. درخت دودویی (Binary Tree) و پیاده‌سازی آن در پایتون
• 5. درخت جستجوی دودویی (Binary Search Tree) و عملیات‌های اصلی آن
• 6. درخت متوازن (Balanced Tree): معرفی و اهمیت
• 7. درخت AVL: پیاده‌سازی و تحلیل
• 8. درخت قرمز-سیاه (Red-Black Tree): پیاده‌سازی و تحلیل
• 9. هشینگ (Hashing): مفهوم و کاربردها
• 10. تابع هش (Hash Function): طراحی و انتخاب مناسب
• 11. مدیریت برخورد (Collision Resolution): روش‌های مختلف
• 12. جدول هش (Hash Table): پیاده‌سازی و تحلیل
• 13. پشته (Stack) و صف (Queue) پیشرفته
• 14. صف اولویت‌دار (Priority Queue) و پیاده‌سازی آن با Heap
• 15. Heap (تپه): مفهوم، انواع و پیاده‌سازی
• 16. Heapify: الگوریتم ساخت Heap
• 17. مرتب‌سازی Heap Sort
• 18. گراف (Graph): تعریف، انواع و کاربردها
• 19. نمایش گراف: ماتریس مجاورت و لیست مجاورت
• 20. جستجوی عمق اول (Depth-First Search - DFS)
• 21. جستجوی سطح اول (Breadth-First Search - BFS)
• 22. الگوریتم‌های مسیر‌یابی: Dijkstra و Bellman-Ford
• 23. الگوریتم‌های درخت پوشا: Prim و Kruskal
• 24. برنامه‌نویسی پویا (Dynamic Programming) و ساختمان داده‌های مرتبط
• 25. درخت تصمیم (Decision Tree) و کاربردهای آن
• 26. Trie (درخت پیشوند): پیاده‌سازی و کاربردها در جستجو
• 27. Bloom Filter: مفهوم، پیاده‌سازی و کاربردها
• 28. Segment Tree: پیاده‌سازی و کاربردها
• 29. Fenwick Tree (Binary Indexed Tree): پیاده‌سازی و کاربردها
• 30. ساختمان داده‌های مبتنی بر گراف برای مسائل خاص
• 31. کاربرد ساختمان داده‌های پیشرفته در تحلیل داده
• 32. بهینه‌سازی الگوریتم‌ها با استفاده از ساختمان داده‌های مناسب
• 33. تحلیل پیچیدگی زمانی و مکانی ساختمان داده‌های پیشرفته
• 34. پیاده‌سازی ساختمان داده‌های پیشرفته در پایتون با استفاده از کتابخانه‌های استاندارد
• 35. معرفی کتابخانه‌های پیشرفته ساختمان داده در پایتون