دوره مبانی تئوری فیلتر و مرتب‌سازی: درک الگوریتم‌ها همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی تئوری فیلتر و مرتب‌سازی: درک الگوریتم‌ها

موضوع کلی: مبانی کامپیوتر و نرم‌افزارهای اداری

موضوع میانی: فیلتر و مرتب‌سازی داده‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر فیلتر و مرتب‌سازی
• 2. مفهوم داده و ساختارهای داده پایه
• 3. انواع داده‌های عددی و رشته‌ای
• 4. مرتب‌سازی: تعریف و اهمیت
• 5. مقدمه‌ای بر الگوریتم‌های مرتب‌سازی
• 6. مرتب‌سازی حبابی (Bubble Sort)
• 7. مرتب‌سازی انتخابی (Selection Sort)
• 8. مرتب‌سازی درجی (Insertion Sort)
• 9. تحلیل پیچیدگی زمانی الگوریتم‌ها
• 10. نمادگذاری Big O: معرفی
• 11. پیچیدگی زمانی O(n)
• 12. پیچیدگی زمانی O(n log n)
• 13. پیچیدگی زمانی O(n^2)
• 14. پیچیدگی زمانی O(1)
• 15. تحلیل پیچیدگی مکانی الگوریتم‌ها
• 16. مرتب‌سازی ادغامی (Merge Sort)
• 17. پیاده‌سازی مرتب‌سازی ادغامی
• 18. مرتب‌سازی سریع (Quick Sort)
• 19. تحلیل مرتب‌سازی سریع
• 20. محدودیت‌های مرتب‌سازی مقایسه‌ای
• 21. مرتب‌سازی شمارشی (Counting Sort)
• 22. محدودیت‌های مرتب‌سازی شمارشی
• 23. مرتب‌سازی مبنایی (Radix Sort)
• 24. کاربرد مرتب‌سازی مبنایی
• 25. مرتب‌سازی سطلی (Bucket Sort)
• 26. مقایسه الگوریتم‌های مرتب‌سازی
• 27. انتخاب الگوریتم مرتب‌سازی مناسب
• 28. فیلتر کردن داده‌ها: اصول اولیه
• 29. مفهوم شرط و گزاره در فیلترینگ
• 30. فیلتر کردن داده‌های عددی
• 31. فیلتر کردن داده‌های رشته‌ای
• 32. فیلتر کردن داده‌های تاریخ و زمان
• 33. عملگرهای منطقی در فیلترینگ (AND, OR, NOT)
• 34. فیلتر کردن با استفاده از الگوهای متنی (Regex)
• 35. فیلتر کردن داده‌های تکراری
• 36. حذف داده‌های پرت (Outliers)
• 37. مقدمه‌ای بر فیلترهای تطبیقی
• 38. فیلترهای خطی و غیرخطی
• 39. فیلتر میانگین متحرک (Moving Average Filter)
• 40. کاربرد فیلتر میانگین متحرک
• 41. فیلتر میانه (Median Filter)
• 42. مقایسه فیلتر میانگین و میانه
• 43. فیلتر گوسی (Gaussian Filter)
• 44. کاربرد فیلتر گوسی
• 45. فیلتر سوبل (Sobel Filter) برای تشخیص لبه
• 46. فیلتر لاپلاس (Laplacian Filter)
• 47. اصول پردازش سیگنال دیجیتال
• 48. نمونه‌برداری و کوانتیزاسیون سیگنال
• 49. تبدیل فوریه گسسته (DFT)
• 50. مفهوم فرکانس در سیگنال‌ها
• 51. فیلترهای فرکانسی: معرفی
• 52. فیلتر پایین‌گذر (Low-Pass Filter)
• 53. فیلتر بالاگذر (High-Pass Filter)
• 54. فیلتر میان‌گذر (Band-Pass Filter)
• 55. فیلتر میان‌ناگذر (Band-Stop Filter)
• 56. طراحی فیلترهای FIR
• 57. طراحی فیلترهای IIR
• 58. کاربرد فیلترها در پردازش تصویر
• 59. فیلتر کردن تصاویر رنگی
• 60. فیلترهای مورفولوژیکی (Morphological Filters)
• 61. توسعه (Dilation) در فیلترهای مورفولوژیکی
• 62. فرسایش (Erosion) در فیلترهای مورفولوژیکی
• 63. باز و بسته (Opening & Closing)
• 64. کاربرد فیلترها در پردازش صدا
• 65. فیلتر کردن نویز در سیگنال‌های صوتی
• 66. فیلترهای تطبیقی در حذف نویز
• 67. مقدمه‌ای بر شبکه‌های عصبی و یادگیری ماشین
• 68. یادگیری نظارت شده و بدون نظارت
• 69. شبکه‌های عصبی کانولوشنال (CNN)
• 70. کاربرد CNN در پردازش تصویر
• 71. شبکه‌های عصبی بازگشتی (RNN)
• 72. کاربرد RNN در پردازش توالی
• 73. یادگیری تقویتی: مبانی
• 74. انتخاب ویژگی (Feature Selection)
• 75. مهندسی ویژگی (Feature Engineering)
• 76. ارزیابی مدل‌های فیلترینگ و مرتب‌سازی
• 77. معیارهای ارزیابی دقت (Precision)
• 78. معیارهای ارزیابی بازیابی (Recall)
• 79. معیار F1-Score
• 80. کاربرد عملی فیلتر و مرتب‌سازی در پایگاه داده
• 81. بهینه‌سازی کوئری‌ها با استفاده از مرتب‌سازی
• 82. فیلتر کردن داده‌ها در جستجوگرها
• 83. مرتب‌سازی نتایج جستجو
• 84. کاربرد فیلتر و مرتب‌سازی در تحلیل داده‌های بزرگ (Big Data)
• 85. ملاحظات امنیتی در پردازش داده‌ها
• 86. اصول کدنویسی تمیز و خوانا
• 87. مستندسازی کد و الگوریتم‌ها
• 88. آیندهٔ فیلتر و مرتب‌سازی در هوش مصنوعی
• 89. مرتب‌سازی و فیلتر کردن در سیستم‌های توزیع‌شده