دوره الگوهای پیچیده در ریاضیات و علوم: از فراکتال‌ها تا کدگذاری همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره الگوهای پیچیده در ریاضیات و علوم: از فراکتال‌ها تا کدگذاری

موضوع کلی: ریاضیات و علوم کامپیوتر

موضوع میانی: نظریهٔ اطلاعات و سیستم‌های پیچیده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر نظریهٔ اطلاعات
• 2. مبانی نظریهٔ اطلاعات شانون
• 3. انتروپی و اطلاعات
• 4. اطلاعات متقابل
• 5. نظریهٔ کدگذاری منبع
• 6. فشرده‌سازی داده‌ها
• 7. کدهای هافمن
• 8. کدهای آریتمتیک
• 9. نظریهٔ کانال ارتباطی
• 10. ظرفیت کانال
• 11. کدهای تصحیح خطا
• 12. کدهای بلاک خطی
• 13. کدهای کانولوشنی
• 14. کدهای توربو
• 15. کدهای LDPC
• 16. مقدمه‌ای بر سیستم‌های پیچیده
• 17. تعریف سیستم پیچیده
• 18. ویژگی‌های سیستم‌های پیچیده
• 19. خودسازماندهی
• 20. ظهور
• 21. شبکه‌های پیچیده
• 22. مقدمه‌ای بر نظریهٔ گراف
• 23. مفاهیم پایهٔ گراف
• 24. انواع گراف‌ها
• 25. کاربرد گراف‌ها در علوم کامپیوتر
• 26. شبکه‌های اجتماعی
• 27. شبکه‌های عصبی مصنوعی
• 28. مقدمه‌ای بر یادگیری ماشین
• 29. انواع یادگیری ماشین
• 30. یادگیری تحت نظارت
• 31. یادگیری بدون نظارت
• 32. یادگیری تقویتی
• 33. مقدمه‌ای بر فراکتال‌ها
• 34. تعریف فراکتال
• 35. ابعاد فراکتالی
• 36. خودماتیکی
• 37. مثال‌های فراکتال
• 38. مجموعهٔ ماندلبرو
• 39. مجموعهٔ جولیا
• 40. مقدمه‌ای بر نظریهٔ آشوب
• 41. اثر پروانه‌ای
• 42. نقشه‌های لجستیک
• 43. سیستم‌های دینامیکی
• 44. کاربرد نظریهٔ آشوب
• 45. مقدمه‌ای بر سیستم‌های پیچیدهٔ اطلاعاتی
• 46. ارتباط نظریهٔ اطلاعات و سیستم‌های پیچیده
• 47. کاربرد نظریهٔ اطلاعات در تحلیل سیستم‌های پیچیده
• 48. کدگذاری و فشرده‌سازی در سیستم‌های پیچیده
• 49. تصحیح خطا در سیستم‌های پیچیده
• 50. تحلیل شبکه‌های پیچیده با ابزارهای نظریهٔ اطلاعات
• 51. مفاهیم کلیدی تقاطع ماندلبرو و شوتزِنبرگر
• 52. تأثیر ماندلبرو بر نظریهٔ اطلاعات
• 53. نقش شوتزِنبرگر در نظریهٔ کدگذاری
• 54. همگرایی ایده‌ها: فراکتال‌ها و کدگذاری
• 55. کاربردهای عملی تقاطع ماندلبرو و شوتزِنبرگر
• 56. مدل‌سازی سیستم‌های پیچیده با استفاده از فراکتال‌ها
• 57. تحلیل داده‌های پیچیده با ابزارهای نظریهٔ اطلاعات
• 58. طراحی سیستم‌های کدگذاری مقاوم در برابر پیچیدگی
• 59. کاربردهای در علوم داده
• 60. تحلیل الگوهای داده‌های بزرگ
• 61. استخراج ویژگی از داده‌های پیچیده
• 62. پیش‌بینی در سیستم‌های پیچیده
• 63. مدل‌سازی رفتار سیستم‌های پیچیده
• 64. کاربردهای در مهندسی نرم‌افزار
• 65. طراحی معماری‌های نرم‌افزاری پیچیده
• 66. تحلیل پیچیدگی کد
• 67. تست نرم‌افزار در سیستم‌های پیچیده
• 68. توسعهٔ الگوریتم‌های کارآمد برای سیستم‌های پیچیده
• 69. کاربردهای در مخابرات
• 70. طراحی کانال‌های ارتباطی کارآمد
• 71. فشرده‌سازی داده‌ها در شبکه‌های مخابراتی
• 72. مدیریت ترافیک در شبکه‌های پیچیده
• 73. امنیت اطلاعات در سیستم‌های پیچیده
• 74. کاربردهای در زیست‌شناسی محاسباتی
• 75. مدل‌سازی سیستم‌های بیولوژیکی پیچیده
• 76. تحلیل داده‌های ژنومیک
• 77. شبکه‌های پروتئینی
• 78. کاربردهای در فیزیک آماری
• 79. مدل‌سازی پدیده‌های فیزیکی پیچیده
• 80. نظریهٔ میدان میانگین
• 81. گذار فاز
• 82. کاربردهای در اقتصاد محاسباتی
• 83. مدل‌سازی بازارهای مالی پیچیده
• 84. تحلیل ریسک
• 85. پیش‌بینی روندها
• 86. کاربردهای در علوم اجتماعی محاسباتی
• 87. مدل‌سازی انتشار اطلاعات
• 88. تحلیل شبکه‌های اجتماعی
• 89. نظریهٔ بازی در سیستم‌های پیچیده
• 90. خلاصه و چشم‌انداز آینده
• 91. مروری بر مفاهیم کلیدی
• 92. ارتباطات میان‌رشته‌ای
• 93. مسائل باز و چالش‌های تحقیقاتی
• 94. مباحث پیشرفته در نظریهٔ اطلاعات
• 95. مباحث پیشرفته در سیستم‌های پیچیده
• 96. گرایش‌های نوین در تحلیل الگوهای پیچیده
• 97. جمع‌بندی نهایی و درس آموخته‌ها