اپلیکیشن اندرویدی فلش‌کارت آموزشی تکنیک‌های نوین در طراحی و تحلیل الگوریتم‌ها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تکنیک‌های نوین در طراحی و تحلیل الگوریتم‌ها

موضوع کلی: مهندسی نرم‌افزار و الگوریتم‌ها

موضوع میانی: طراحی و بهینه‌سازی الگوریتم‌ها

📋 سرفصل‌های دوره

• 1. مبانی تحلیل پیچیدگی الگوریتم‌ها
• 2. تحلیل پیچیدگی زمانی و فضایی
• 3. نمادگذاری اُ، اُمگا، تتا
• 4. روش‌های تحلیل الگوریتم‌های بازگشتی
• 5. قضیه اصلی در تحلیل الگوریتم‌های بازگشتی
• 6. الگوریتم‌های مرتب‌سازی مقدماتی
• 7. مرتب‌سازی ادغامی (Merge Sort)
• 8. مرتب‌سازی سریع (Quick Sort)
• 9. مرتب‌سازی هرمی (Heap Sort)
• 10. مرتب‌سازی خطی (مانند شمارشی و مبنایی)
• 11. مقدمه‌ای بر ساختمان داده‌ها
• 12. آرایه‌ها و لیست‌های پیوندی
• 13. پشته‌ها و صف‌ها
• 14. درخت‌ها و درخت‌های جستجوی دودویی
• 15. جنگل‌های پوشای کمینه (Minimum Spanning Trees)
• 16. الگوریتم پریم
• 17. الگوریتم کروسکال
• 18. مسائل کوتاه‌ترین مسیر
• 19. الگوریتم دایکسترا
• 20. الگوریتم بلمن-فورد
• 21. الگوریتم فلوید-وارشال
• 22. مقدمه‌ای بر برنامه‌نویسی پویا
• 23. مسئله کوله‌پشتی
• 24. مسئله بلندترین زیردنباله مشترک
• 25. مسئله کوتاه‌ترین مسیر در گراف‌های جهت‌دار بدون وزن منفی
• 26. الگوریتم‌های حریصانه
• 27. مسئله انتخاب فعالیت
• 28. کدگذاری هافمن
• 29. مسئله سفر دور دنیا (Travelling Salesperson Problem) - رویکردهای تقریبی
• 30. الگوریتم‌های جستجو
• 31. جستجوی دودویی
• 32. جستجوی میانی
• 33. الگوریتم‌های گراف
• 34. پیمایش گراف (BFS و DFS)
• 35. مرتب‌سازی توپولوژیکی
• 36. اتصال قوی در گراف‌های جهت‌دار
• 37. الگوریتم‌های یافتن همبندها
• 38. مقدمه‌ای بر نظریه پیچیدگی محاسباتی
• 39. کلاس‌های پیچیدگی P و NP
• 40. کاهش مسئله‌ها
• 41. مسائل کامل NP
• 42. معیارهای ارزیابی الگوریتم‌ها
• 43. کارایی و مقیاس‌پذیری الگوریتم‌ها
• 44. بهینه‌سازی الگوریتم‌ها
• 45. تکنیک‌های کاهش پیچیدگی
• 46. تقسیم و غلبه (Divide and Conquer)
• 47. برنامه‌نویسی پویا (Dynamic Programming)
• 48. رویکردهای حریصانه (Greedy Algorithms)
• 49. الگوریتم‌های تصادفی
• 50. مقدمه‌ای بر الگوریتم‌های تصادفی
• 51. جستجوی تصادفی
• 52. الگوریتم‌های تقریبی
• 53. کاربرد الگوریتم‌های تقریبی در مسائل NP-Hard
• 54. الگوریتم‌های موازی و توزیع‌شده
• 55. مقدمه‌ای بر محاسبات موازی
• 56. الگوریتم‌های موازی برای مرتب‌سازی
• 57. الگوریتم‌های موازی برای پیمایش گراف
• 58. مقدمه‌ای بر ساختمان داده‌های پیشرفته
• 59. جداول هش (Hash Tables)
• 60. درخت‌های متوازن (AVL, Red-Black Trees)
• 61. درخت‌های B (B-Trees)
• 62. ساختمان داده‌های برای مسائل هندسی
• 63. ساختمان داده‌های برای پردازش رشته‌ها
• 64. الگوریتم‌های پردازش رشته‌ها
• 65. الگوریتم KMP
• 66. الگوریتم Rabin-Karp
• 67. الگوریتم‌های یافتن الگو
• 68. الگوریتم‌های جستجوی محلی
• 69. الگوریتم‌های بهینه‌سازی ترکیبیاتی
• 70. مقدمه‌ای بر بهینه‌سازی ترکیبیاتی
• 71. الگوریتم‌های جستجوی ممنوعه (Tabu Search)
• 72. الگوریتم‌های تبرید شبیه‌سازی شده (Simulated Annealing)
• 73. الگوریتم‌های ژنتیک
• 74. معماری نرم‌افزار و الگوریتم‌ها
• 75. نقش الگوریتم‌ها در معماری نرم‌افزار
• 76. طراحی الگوهای نرم‌افزاری مرتبط با الگوریتم‌ها
• 77. الگوریتم‌های مبتنی بر هوش مصنوعی
• 78. مقدمه‌ای بر یادگیری ماشین
• 79. الگوریتم‌های یادگیری بدون نظارت
• 80. الگوریتم‌های یادگیری با نظارت
• 81. شبکه‌های عصبی و الگوریتم‌های مرتبط
• 82. کاربرد الگوریتم‌ها در پردازش زبان طبیعی
• 83. الگوریتم‌های ترجمه ماشینی
• 84. الگوریتم‌های تحلیل احساسات
• 85. الگوریتم‌های بازیابی اطلاعات
• 86. کاربرد الگوریتم‌ها در سیستم‌های توصیه‌گر
• 87. الگوریتم‌های فیلترینگ مشترک
• 88. الگوریتم‌های مبتنی بر محتوا
• 89. الگوریتم‌های یادگیری تقویتی در سیستم‌های توصیه‌گر
• 90. مقدمه‌ای بر الگوریتم‌های گراف پیشرفته
• 91. جریان ماکزیمم در شبکه‌ها
• 92. مسئله تطابق در گراف‌ها
• 93. کاربرد الگوریتم‌های گراف در شبکه‌های اجتماعی
• 94. الگوریتم‌های یافتن جوامع در شبکه‌های اجتماعی
• 95. تحلیل مرکزیت در شبکه‌های اجتماعی
• 96. الگوریتم‌های بهینه‌سازی در دنیای واقعی
• 97. کاربرد الگوریتم‌ها در لجستیک و حمل و نقل
• 98. الگوریتم‌های زمان‌بندی
• 99. الگوریتم‌های مسیریابی
• 100. الگوریتم‌های بهینه‌سازی در علوم مالی