دوره ساختمان داده ها و الگوریتم ها: متفاوت باشید همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب ساختمان داده ها و الگوریتم ها: متفاوت باشید

موضوع کلی: برنامه نویسی

موضوع میانی: الگوریتم‌ها و ساختمان داده‌ها

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مبانی برنامه نویسی و تفکر الگوریتمی
• 2. آشنایی با مفاهیم داده و اطلاعات
• 3. متغیرها، انواع داده ها و عملگرها
• 4. ورودی و خروجی در برنامه نویسی
• 5. ساختارهای کنترلی: شرطی و حلقه
• 6. توابع و رویه ها: تعریف و کاربرد
• 7. آرایه ها: تعریف، دسترسی و عملیات
• 8. آرایه های چند بعدی
• 9. مفهوم ساختمان داده و انواع آن
• 10. الگوریتم چیست؟ ویژگی ها و اهمیت
• 11. روش های نمایش الگوریتم: فلوچارت و شبه کد
• 12. تحلیل الگوریتم: زمان و حافظه
• 13. پیچیدگی زمانی و مکانی: O(n)، Ω(n)، Θ(n)
• 14. نرخ رشد توابع و مقایسه الگوریتم ها
• 15. آشنایی با لیست های پیوندی: یک طرفه
• 16. لیست های پیوندی: دو طرفه و حلقوی
• 17. پیاده سازی لیست پیوندی با آرایه و اشاره گر
• 18. عملیات درج، حذف و جستجو در لیست پیوندی
• 19. پشته: تعریف و کاربرد
• 20. پیاده سازی پشته با آرایه و لیست پیوندی
• 21. کاربردهای پشته: ارزیابی عبارات و بازگشت
• 22. صف: تعریف و کاربرد
• 23. پیاده سازی صف با آرایه و لیست پیوندی
• 24. انواع صف: صف حلقوی و صف اولویت
• 25. درخت: مفاهیم پایه و اصطلاحات
• 26. درخت دودویی: تعریف و خواص
• 27. پیاده سازی درخت دودویی
• 28. پیمایش درخت دودویی: پیشوندی، میانوندی، پسوندی
• 29. درخت جستجوی دودویی (BST): تعریف و خواص
• 30. عملیات جستجو، درج و حذف در BST
• 31. درخت AVL: تعریف و متعادل سازی
• 32. درخت قرمز-سیاه: تعریف و خواص
• 33. هیپ (Heap): تعریف و انواع (Min Heap، Max Heap)
• 34. پیاده سازی هیپ با آرایه
• 35. صف اولویت با استفاده از هیپ
• 36. گراف: مفاهیم پایه و انواع
• 37. روش های نمایش گراف: ماتریس مجاورت و لیست مجاورت
• 38. پیمایش گراف: جستجوی عمقی (DFS)
• 39. پیمایش گراف: جستجوی سطحی (BFS)
• 40. الگوریتم های کوتاهترین مسیر: Dijkstra
• 41. الگوریتم های کوتاهترین مسیر: Bellman-Ford
• 42. درخت پوشای کمینه: Prim
• 43. درخت پوشای کمینه: Kruskal
• 44. مرتب سازی: مفاهیم پایه و انواع
• 45. مرتب سازی حبابی (Bubble Sort)
• 46. مرتب سازی انتخابی (Selection Sort)
• 47. مرتب سازی درجی (Insertion Sort)
• 48. مرتب سازی ادغامی (Merge Sort)
• 49. مرتب سازی سریع (Quick Sort)
• 50. مرتب سازی هیپ (Heap Sort)
• 51. مرتب سازی شمارشی (Counting Sort)
• 52. مرتب سازی مبنایی (Radix Sort)
• 53. جستجو: مفاهیم پایه و انواع
• 54. جستجوی خطی (Linear Search)
• 55. جستجوی دودویی (Binary Search)
• 56. درهم سازی (Hashing): مفهوم و جداول درهم سازی
• 57. توابع درهم سازی و روش های برخورد
• 58. روش های حل برخورد: زنجیره سازی جداگانه
• 59. روش های حل برخورد: آدرس دهی باز
• 60. درهم سازی کامل (Perfect Hashing)
• 61. الگوریتم های رشته ای: جستجوی الگو
• 62. الگوریتم های رشته ای: KMP
• 63. الگوریتم های رشته ای: Boyer-Moore
• 64. برنامه نویسی پویا (Dynamic Programming): مفهوم و کاربرد
• 65. الگوریتم های برنامه نویسی پویا: کوله پشتی
• 66. الگوریتم های برنامه نویسی پویا: طولانی ترین زیردنباله مشترک
• 67. الگوریتم های حریصانه (Greedy Algorithms): مفهوم و کاربرد
• 68. الگوریتم های حریصانه: کوله پشتی کسری
• 69. الگوریتم های حریصانه: کدگذاری هافمن
• 70. بازگشت به عقب (Backtracking): مفهوم و کاربرد
• 71. مسئله n وزیر
• 72. مسئله فروشنده دوره گرد
• 73. انشعاب و تحدید (Branch and Bound): مفهوم و کاربرد
• 74. بهینه سازی ترکیبی
• 75. الگوریتم های تقریبی (Approximation Algorithms)
• 76. مقدمه ای بر الگوریتم های موازی
• 77. ساختمان داده های موازی
• 78. مقدمه ای بر الگوریتم های تصادفی
• 79. تست اولیه بودن اعداد
• 80. فیلتر بلوم
• 81. الگوریتم مونت کارلو
• 82. الگوریتم لاس وگاس
• 83. مدیریت حافظه پویا
• 84. آشنایی با Garbage Collection
• 85. انتخاب ساختمان داده مناسب برای مسئله
• 86. طراحی و تحلیل الگوریتم های پیچیده
• 87. ساختمان داده های پیشرفته: درخت بازه
• 88. ساختمان داده های پیشرفته: درخت فن ویک
• 89. ساختمان داده های پیشرفته: تلاش (Trie)
• 90. ساختمان داده های هندسی: پوش محدب
• 91. مسائل NP-Complete و NP-Hard
• 92. کاهش مسائل
• 93. روش های مقابله با مسائل NP-Complete
• 94. بهینه سازی کد و پروفایلینگ
• 95. آشنایی با کتابخانه های ساختمان داده و الگوریتم
• 96. کاربرد ساختمان داده ها و الگوریتم ها در دنیای واقعی
• 97. پیاده سازی پروژه های عملی با ساختمان داده ها و الگوریتم ها
• 98. مفاهیم پیشرفته در طراحی الگوریتم
• 99. مرور و جمع بندی دوره
• 100. منابع و مراجع تکمیلی برای یادگیری بیشتر