دوره الگوریتم‌های کلاسیک و تحلیل پیچیدگی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب الگوریتم‌های کلاسیک و تحلیل پیچیدگی

موضوع کلی: مبانی نظری یادگیری ماشین

موضوع میانی: یادگیری نظارت شده

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه به الگوریتم‌ها
• 2. تعریف الگوریتم
• 3. ویژگی‌های الگوریتم
• 4. انواع الگوریتم‌ها
• 5. مفهوم پیچیدگی الگوریتم
• 6. چرا تحلیل پیچیدگی مهم است
• 7. نمادگذاری O بزرگ (Big O)
• 8. نمادگذاری O کوچک (Little O)
• 9. نمادگذاری O امگا (Big Omega)
• 10. نمادگذاری O تتا (Big Theta)
• 11. پیچیدگی زمانی
• 12. پیچیدگی مکانی
• 13. تحلیل بهترین حالت
• 14. تحلیل بدترین حالت
• 15. تحلیل حالت متوسط
• 16. الگوریتم‌های مرتب‌سازی مقدمه
• 17. مرتب‌سازی حبابی
• 18. مرتب‌سازی انتخابی
• 19. مرتب‌سازی درجی
• 20. مرتب‌سازی ادغامی
• 21. مرتب‌سازی سریع (Quick Sort)
• 22. پیچیدگی مرتب‌سازی ادغامی
• 23. پیچیدگی مرتب‌سازی سریع
• 24. الگوریتم‌های جستجو مقدمه
• 25. جستجوی خطی
• 26. جستجوی دودویی
• 27. پیچیدگی جستجوی خطی
• 28. پیچیدگی جستجوی دودویی
• 29. ساختارهای داده مقدمه
• 30. آرایه‌ها
• 31. لیست‌های پیوندی
• 32. پشته‌ها (Stacks)
• 33. صف‌ها (Queues)
• 34. درخت‌ها (Trees)
• 35. درخت‌های جستجوی دودویی (BST)
• 36. هرم‌ها (Heaps)
• 37. جداول درهم‌سازی (Hash Tables)
• 38. گراف‌ها (Graphs)
• 39. پیچیدگی ساختارهای داده
• 40. الگوریتم‌های حریصانه (Greedy Algorithms)
• 41. مفهوم الگوریتم حریصانه
• 42. مثال انتخاب فعالیت
• 43. مسئله کوله‌پشتی کسری
• 44. مسئله درخت پوشای کمینه (MST)
• 45. الگوریتم پریم
• 46. الگوریتم کروسکال
• 47. پیچیدگی الگوریتم‌های حریصانه
• 48. برنامه‌ریزی پویا (Dynamic Programming)
• 49. مفهوم برنامه‌ریزی پویا
• 50. ساختار زیرمسائل همپوشان
• 51. اصل بهینگی
• 52. مثال دنباله فیبوناچی
• 53. مسئله کوله‌پشتی
• 54. مسئله کوتاه‌ترین مسیر (مثال فلاید-وارشال)
• 55. مسئله ویرایش رشته (Edit Distance)
• 56. پیچیدگی برنامه‌ریزی پویا
• 57. الگوریتم‌های تقسیم و غلبه (Divide and Conquer)
• 58. مفهوم تقسیم و غلبه
• 59. مثال مرتب‌سازی ادغامی
• 60. مثال مرتب‌سازی سریع
• 61. مثال جستجوی دودویی
• 62. مسئله یافتن نزدیک‌ترین زوج نقاط
• 63. پیچیدگی الگوریتم‌های تقسیم و غلبه
• 64. بازگشت (Recursion)
• 65. مفهوم بازگشت
• 66. تفاوت بازگشت و تکرار
• 67. تحلیل پیچیدگی توابع بازگشتی
• 68. قضیه مستر (Master Theorem)
• 69. کاربرد قضیه مستر
• 70. الگوریتم‌های گراف مقدمه
• 71. نمایش گراف (ماتریس مجاورت، لیست مجاورت)
• 72. پیمایش گراف (DFS, BFS)
• 73. الگوریتم دایکسترا ( Dijkstra's Algorithm)
• 74. الگوریتم بلمن-فورد ( Bellman-Ford Algorithm)
• 75. مسئله یافتن دور در گراف
• 76. مسئله مرتب‌سازی توپولوژیکی (Topological Sort)
• 77. پیچیدگی الگوریتم‌های گراف
• 78. الگوریتم‌های رشته مقدمه
• 79. جستجوی رشته (KMP)
• 80. الگوریتم راین-کارپ (Rabin-Karp)
• 81. پیچیدگی الگوریتم‌های رشته
• 82. مقدمه به پیچیدگی محاسباتی
• 83. کلاس P (Polynomial Time)
• 84. کلاس NP (Non-deterministic Polynomial Time)
• 85. کلاس NP-Complete
• 86. کلاس NP-Hard
• 87. مسائل NP-Complete معروف (Satisfiability, Traveling Salesperson)
• 88. مفهوم کاهش (Reduction)
• 89. تقسیم‌بندی مسائل بر اساس پیچیدگی
• 90. حدود پایین (Lower Bounds)
• 91. مقدمه به الگوریتم‌های تصادفی
• 92. الگوریتم‌های تصادفی در مقابل قطعی
• 93. کاربرد الگوریتم‌های تصادفی
• 94. مقدمه به الگوریتم‌های تقریبی
• 95. مسائل NP-Hard و نیاز به الگوریتم‌های تقریبی
• 96. مفهوم فاکتور تقریب
• 97. مثال مسئله فروشنده دوره‌گرد تقریبی
• 98. مقدمه به یادگیری ماشین و الگوریتم‌ها
• 99. رابطه الگوریتم‌ها و یادگیری ماشین
• 100. مثال الگوریتم رگرسیون خطی