دوره بهینه‌سازی الگوریتم‌ها و ساختارهای داده برای مقیاس‌پذیری در پردازش داده‌های عظیم همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب بهینه‌سازی الگوریتم‌ها و ساختارهای داده برای مقیاس‌پذیری در پردازش داده‌های عظیم

موضوع کلی: پردازش و تحلیل داده‌های حجیم با الگوریتم‌ها و ساختارهای داده

موضوع میانی: الگوریتم‌های مقیاس‌پذیر و ساختارهای داده برای داده‌های حجیم

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر پردازش داده‌های عظیم
• 2. چالش‌های مقیاس‌پذیری در الگوریتم‌ها
• 3. مفاهیم کلیدی ساختارهای داده برای داده‌های عظیم
• 4. تحلیل پیچیدگی الگوریتمی در مقیاس بزرگ
• 5. حافظه نهان و تاثیر آن بر عملکرد
• 6. الگوریتم‌های توزیع شده و موازی
• 7. مفاهیم پایگاه داده‌های ستونی
• 8. مفاهیم پایگاه داده‌های گراف
• 9. فشرده‌سازی داده‌ها و تکنیک‌های آن
• 10. فیلترهای بلوم و کاربردهای آن
• 11. جداول هش و مقیاس‌پذیری
• 12. ساختارهای داده درخت و انواع آن
• 13. درخت‌های B و B+
• 14. درخت‌های T
• 15. درخت‌های Merkle
• 16. الگوریتم‌های مرتب‌سازی در مقیاس بزرگ
• 17. مرتب‌سازی خارجی
• 18. مرتب‌سازی توزیع شده
• 19. الگوریتم‌های جستجو در مقیاس بزرگ
• 20. جستجوی دودویی در داده‌های عظیم
• 21. جستجوی درختی در داده‌های عظیم
• 22. جستجو در جداول هش توزیع شده
• 23. الگوریتم‌های گراف در مقیاس بزرگ
• 24. پیمایش گراف در مقیاس بزرگ
• 25. یافتن کوتاه‌ترین مسیر در گراف‌های عظیم
• 26. یافتن مولفه‌های همبند در گراف‌های عظیم
• 27. تحلیل شبکه در مقیاس بزرگ
• 28. فشرده‌سازی گراف
• 29. ساختارهای داده برای داده‌های جریانی
• 30. الگوریتم‌های تخمین در داده‌های جریانی
• 31. تخمین تعداد عناصر منحصر به فرد (Count-Distinct)
• 32. تخمین فراوانی عناصر (Frequency Estimation)
• 33. الگوریتم‌های یادگیری ماشین برای داده‌های عظیم
• 34. آموزش مدل‌های خطی در مقیاس بزرگ
• 35. آموزش مدل‌های درختی در مقیاس بزرگ
• 36. آموزش شبکه‌های عصبی در مقیاس بزرگ
• 37. پردازش زبان طبیعی در مقیاس بزرگ
• 38. کشف الگو در داده‌های عظیم
• 39. کشف قواعد انجمنی (Association Rule Mining)
• 40. خوشه‌بندی داده‌ها در مقیاس بزرگ
• 41. طبقه‌بندی داده‌ها در مقیاس بزرگ
• 42. کاهش ابعاد در داده‌های عظیم
• 43. تحلیل مولفه‌های اصلی (PCA) در مقیاس بزرگ
• 44. نمودارهای تصادفی (Random Projections)
• 45. ذخیره‌سازی داده‌های عظیم
• 46. سیستم‌های فایل توزیع شده (HDFS)
• 47. پایگاه داده‌های NoSQL
• 48. مفاهیم MapReduce
• 49. پیاده‌سازی MapReduce
• 50. الگوهای MapReduce
• 51. فریم‌ورک‌های پردازش داده‌های عظیم (Spark)
• 52. معماری Spark
• 53. Spark SQL
• 54. Spark Streaming
• 55. GraphX در Spark
• 56. Machine Learning Library (MLlib) در Spark
• 57. مدیریت حافظه در پردازش داده‌های عظیم
• 58. تکنیک‌های مدیریت حافظه در Spark
• 59. بهینه‌سازی اجرای کوئری در Spark
• 60. کشف ناهنجاری در داده‌های عظیم
• 61. شناسایی داده‌های پرت (Outlier Detection)
• 62. الگوریتم‌های تشخیص ناهنجاری در داده‌های جریانی
• 63. امنیت و حریم خصوصی در داده‌های عظیم
• 64. رمزنگاری در داده‌های عظیم
• 65. حفظ حریم خصوصی در یادگیری ماشین
• 66. موازنه بار (Load Balancing) در سیستم‌های توزیع شده
• 67. مکانیسم‌های تحمل خطا (Fault Tolerance)
• 68. همگام‌سازی در سیستم‌های توزیع شده
• 69. استراتژی‌های فشرده‌سازی داده‌ها برای کاهش I/O
• 70. فشرده‌سازی اسناد متنی
• 71. فشرده‌سازی داده‌های عددی
• 72. استفاده از ساختارهای داده مرتب برای جستجوی کارآمد
• 73. جستجوی فضایی در داده‌های عظیم
• 74. ساختارهای داده برای داده‌های مکانی
• 75. الگوریتم‌های پردازش داده‌های مکانی
• 76. تکنیک‌های نمونه‌گیری در داده‌های عظیم
• 77. نمونه‌گیری تصادفی ساده
• 78. نمونه‌گیری طبقه‌بندی شده
• 79. نمونه‌گیری تطبیقی
• 80. تحلیل داده‌های شبکه‌های اجتماعی
• 81. الگوریتم‌های پیشنهاد دهنده (Recommender Systems)
• 82. خوشه‌بندی کاربران
• 83. تحلیل احساسات در داده‌های متنی
• 84. پردازش داده‌های صوتی و تصویری در مقیاس بزرگ
• 85. فشرده‌سازی و استخراج ویژگی از داده‌های چندرسانه‌ای
• 86. الگوریتم‌های پردازش داده‌های سری زمانی
• 87. پیش‌بینی در سری‌های زمانی عظیم
• 88. کشف الگوهای فصلی و روند در سری‌های زمانی
• 89. مفاهیم Data Lakes و Data Warehouses
• 90. مقایسه و انتخاب بین Data Lakes و Data Warehouses
• 91. نقش هوش مصنوعی در پردازش داده‌های عظیم
• 92. یادگیری تقویتی در مقیاس بزرگ
• 93. یادگیری عمیق برای داده‌های عظیم
• 94. بهینه‌سازی الگوریتم‌ها با استفاده از سخت‌افزار تخصصی
• 95. پردازنده‌های گرافیکی (GPU) و کاربرد آن
• 96. شتاب‌دهنده‌های سخت‌افزاری برای پردازش داده
• 97. طراحی الگوریتم‌ها برای معماری‌های توزیع شده ناهمگن
• 98. مدیریت داده‌های پویا و تغییرپذیر
• 99. انواع داده‌های عظیم: ساختاریافته، نیمه ساختاریافته، بدون ساختار
• 100. استخراج اطلاعات از داده‌های بدون ساختار