دوره مبانی هوش مصنوعی و الگوریتم‌های محاسباتی خلاقانه همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی هوش مصنوعی و الگوریتم‌های محاسباتی خلاقانه

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: مبانی الگوریتم‌ها و طراحی نرم‌افزار

📋 سرفصل‌های دوره

• 1. فصل ۱: مقدمه‌ای بر محاسبات و زیبایی الگوریتم‌ها
• 2. فصل ۲: تاریخچهٔ مختصر علوم کامپیوتر
• 3. فصل ۳: مفاهیم بنیادی الگوریتم‌ها
• 4. فصل ۴: تحلیل پیچیدگی الگوریتمی
• 5. فصل ۵: مرتب‌سازی و جستجو: مبانی
• 6. فصل ۶: الگوریتم‌های تقسیم و غلبه
• 7. فصل ۷: الگوریتم‌های حریصانه
• 8. فصل ۸: برنامه‌نویسی پویا
• 9. فصل ۹: الگوریتم‌های گراف
• 10. فصل ۱۰: پیمایش گراف
• 11. فصل ۱۱: کوتاه‌ترین مسیرها در گراف
• 12. فصل ۱۲: شبکه‌های جریان
• 13. فصل ۱۳: الگوریتم‌های هندسی
• 14. فصل ۱۴: خوشه‌بندی و تفکیک داده‌ها
• 15. فصل ۱۵: الگوریتم‌های مبتنی بر درخت
• 16. فصل ۱۶: درخت جستجوی دودویی
• 17. فصل ۱۷: درخت‌های متوازن
• 18. فصل ۱۸: درخت‌های پوشای مینیمم
• 19. فصل ۱۹: الگوریتم‌های رشته‌ای
• 20. فصل ۲۰: تطابق رشته
• 21. فصل ۲۱: الگوریتم‌های پردازش اعداد
• 22. فصل ۲۲: نظریهٔ اعداد در الگوریتم‌ها
• 23. فصل ۲۳: الگوریتم‌های فاکتورگیری
• 24. فصل ۲۴: رمزنگاری متقارن
• 25. فصل ۲۵: رمزنگاری نامتقارن
• 26. فصل ۲۶: امضاهای دیجیتال
• 27. فصل ۲۷: توابع هش
• 28. فصل ۲۸: اصول اولیهٔ هوش مصنوعی
• 29. فصل ۲۹: جستجوی هیوریستیک
• 30. فصل ۳۰: بازی‌ها و درخت‌های جستجو
• 31. فصل ۳۱: منطق در هوش مصنوعی
• 32. فصل ۳۲: سیستم‌های خبره
• 33. فصل ۳۳: یادگیری ماشین: مقدمه
• 34. فصل ۳۴: یادگیری نظارت‌شده
• 35. فصل ۳۵: رگرسیون خطی
• 36. فصل ۳۶: طبقه‌بندی‌کننده‌های بیزین ساده
• 37. فصل ۳۷: ماشین‌های بردار پشتیبان
• 38. فصل ۳۸: درخت‌های تصمیم
• 39. فصل ۳۹: یادگیری نظارت‌نشده
• 40. فصل ۴۰: خوشه‌بندی K-Means
• 41. فصل ۴۱: کاهش ابعاد
• 42. فصل ۴۲: شبکه‌های عصبی مصنوعی
• 43. فصل ۴۳: پرسپترون
• 44. فصل ۴۴: شبکه‌های عصبی عمیق
• 45. فصل ۴۵: شبکه‌های عصبی کانولوشنی
• 46. فصل ۴۶: شبکه‌های عصبی بازگشتی
• 47. فصل ۴۷: پردازش زبان طبیعی: مبانی
• 48. فصل ۴۸: مدل‌سازی زبانی
• 49. فصل ۴۹: استخراج ویژگی متنی
• 50. فصل ۵۰: تحلیل احساسات
• 51. فصل ۵۱: ترجمهٔ ماشینی
• 52. فصل ۵۲: بینایی ماشین: مقدمه
• 53. فصل ۵۳: تشخیص اشیاء
• 54. فصل ۵۴: بخش‌بندی تصاویر
• 55. فصل ۵۵: تولید تصاویر
• 56. فصل ۵۶: رباتیک و هوش مصنوعی
• 57. فصل ۵۷: برنامه‌ریزی حرکتی
• 58. فصل ۵۸: یادگیری تقویتی
• 59. فصل ۵۹: عامل‌های هوشمند
• 60. فصل ۶۰: بهینه‌سازی و الگوریتم‌های فراابتکاری
• 61. فصل ۶۱: الگوریتم‌های ژنتیک
• 62. فصل ۶۲: بهینه‌سازی کلونی مورچگان
• 63. فصل ۶۳: شبیه‌سازی تبرید
• 64. فصل ۶۴: الگوریتم‌های ازدحام ذرات
• 65. فصل ۶۵: طراحی نرم‌افزار: اصول
• 66. فصل ۶۶: معماری نرم‌افزار
• 67. فصل ۶۷: الگوهای طراحی نرم‌افزار
• 68. فصل ۶۸: مهندسی نیازمندی‌ها
• 69. فصل ۶۹: مدل‌سازی فرآیندهای کسب‌وکار
• 70. فصل ۷۰: مهندسی نیازمندی‌های نرم‌افزار
• 71. فصل ۷۱: طراحی رابط کاربری
• 72. فصل ۷۲: اصول طراحی تجربه کاربری
• 73. فصل ۷۳: توسعهٔ چابک
• 74. فصل ۷۴: متدولوژی اسکرام
• 75. فصل ۷۵: تست نرم‌افزار: مبانی
• 76. فصل ۷۶: تست واحد
• 77. فصل ۷۷: تست یکپارچه‌سازی
• 78. فصل ۷۸: تست سیستم
• 79. فصل ۷۹: تست پذیرش
• 80. فصل ۸۰: تضمین کیفیت نرم‌افزار
• 81. فصل ۸۱: مدیریت پروژهٔ نرم‌افزار
• 82. فصل ۸۲: برنامه‌ریزی پروژه
• 83. فصل ۸۳: تخمین پروژه
• 84. فصل ۸۴: مدیریت ریسک
• 85. فصل ۸۵: مدیریت تیم
• 86. فصل ۸۶: ابزارهای توسعهٔ نرم‌افزار
• 87. فصل ۸۷: سیستم‌های کنترل نسخه
• 88. فصل ۸۸: ابزارهای CI/CD
• 89. فصل ۸۹: محیط‌های توسعهٔ یکپارچه
• 90. فصل ۹۰: مباحث پیشرفته در الگوریتم‌ها
• 91. فصل ۹۱: الگوریتم‌های موازی
• 92. فصل ۹۲: محاسبات توزیع‌شده
• 93. فصل ۹۳: الگوریتم‌های تقریبی
• 94. فصل ۹۴: پیچیدگی محاسباتی
• 95. فصل ۹۵: نظریهٔ پیچیدگی
• 96. فصل ۹۶: مسائل NP-Complete
• 97. فصل ۹۷: الگوریتم‌های کوانتومی (مقدمه)
• 98. فصل ۹۸: کاربردهای خلاقانهٔ الگوریتم‌ها
• 99. فصل ۹۹: طراحی الگوریتم‌های نوآورانه
• 100. فصل ۱۰۰: آیندهٔ هوش مصنوعی و الگوریتم‌ها