دوره تحلیل و طراحی الگوریتم‌های بهینه (با تمرکز بر کلاس P و NP) همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل و طراحی الگوریتم‌های بهینه (با تمرکز بر کلاس P و NP)

موضوع کلی: علوم کامپیوتر و الگوریتم‌ها

موضوع میانی: نظریه پیچیدگی محاسباتی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل الگوریتم‌ها
• 2. تحلیل پیچیدگی زمانی و مکانی
• 3. نمادگذاری Big-O، Big-Omega و Big-Theta
• 4. مرتب‌سازی ساده: مرتب‌سازی حبابی، درج و انتخاب
• 5. مرتب‌سازی سریع و ادغامی
• 6. هرم‌ها و مرتب‌سازی هرمی
• 7. جستجوی دودویی
• 8. ساختارهای داده: آرایه‌ها و لیست‌های پیوندی
• 9. درختان جستجوی دودویی
• 10. درختان متوازن: AVL و درختان قرمز-سیاه
• 11. جداول هش
• 12. گراف‌ها: نمایش و پیمایش (BFS و DFS)
• 13. کوتاه‌ترین مسیر در گراف‌ها (Dijkstra و Bellman-Ford)
• 14. حداقل درخت پوشا (Prim و Kruskal)
• 15. برنامه‌ریزی پویا: مقدمه
• 16. مثال‌های برنامه‌ریزی پویا: رشته مشترک طولانی
• 17. مثال‌های برنامه‌ریزی پویا: کوله‌پشتی
• 18. مثال‌های برنامه‌ریزی پویا: برش میله
• 19. مثال‌های برنامه‌ریزی پویا: ضرب ماتریس
• 20. حسابگری حریصانه: مقدمه
• 21. مثال‌های حریصانه: انتخاب فعالیت
• 22. مثال‌های حریصانه: کدگذاری هافمن
• 23. مثال‌های حریصانه: مسئله کوله‌پشتی کسری
• 24. کلاس پیچیدگی P
• 25. کلاس پیچیدگی NP
• 26. مسائل NP-کامل: مقدمه
• 27. مسئله رضایت‌پذیری بولی (SAT)
• 28. مسئله فروشنده دوره‌گرد (TSP)
• 29. مسئله کوله‌پشتی (نسخه تصمیم)
• 30. مسئله رنگ‌آمیزی گراف
• 31. مسئله مجموعه مستقل
• 32. کاهش NP
• 33. اثبات NP-کامل بودن مسائل
• 34. الگوریتم‌های تقریبی برای مسائل NP-سخت
• 35. روش‌های اکتشافی
• 36. الگوریتم‌های تصادفی
• 37. کاربرد نظریه پیچیدگی در رمزنگاری
• 38. امنیت مبتنی بر دشواری محاسباتی
• 39. پیچیدگی محاسبات کوانتومی
• 40. مقدمه‌ای بر ماشین‌های تورینگ
• 41. ماشین‌های تورینگ غیرقطعی
• 42. نظریه محاسبه‌پذیری
• 43. مسائل غیرقابل حل
• 44. پیچیدگی فضا
• 45. پیچیدگی زمان چندجمله‌ای
• 46. پیچیدگی چندجمله‌ای محدود شده (PSPACE)
• 47. ارتباط بین P، NP و PSPACE
• 48. مرتب‌سازی درجا (In-place sorting)
• 49. تحلیل الگوریتم‌های بازگشتی
• 50. رویکرد تقسیم و حل
• 51. مغالطه در تحلیل الگوریتم‌ها
• 52. خطاهای رایج در طراحی الگوریتم
• 53. اشکال‌زدایی الگوریتم‌ها
• 54. مستندسازی الگوریتم‌ها
• 55. ارزیابی کارایی الگوریتم‌ها
• 56. بهینه‌سازی الگوریتم‌ها
• 57. انتخاب بهترین الگوریتم
• 58. الگوریتم‌های موازی
• 59. الگوریتم‌های توزیع‌شده
• 60. مقدمه‌ای بر علوم داده
• 61. نقش الگوریتم‌ها در علوم داده
• 62. یادگیری ماشین: مقدمه
• 63. یادگیری نظارت شده
• 64. یادگیری نظارت نشده
• 65. یادگیری تقویتی
• 66. پردازش زبان طبیعی
• 67. بینایی ماشین
• 68. شبکه‌های عصبی مصنوعی
• 69. یادگیری عمیق
• 70. کاربرد الگوریتم‌ها در هوش مصنوعی
• 71. اخلاق در الگوریتم‌ها
• 72. سوگیری در الگوریتم‌ها
• 73. شفافیت الگوریتمی
• 74. مسئولیت‌پذیری الگوریتمی
• 75. آینده الگوریتم‌ها
• 76. الگوریتم‌های بهینه‌سازی محدودیت
• 77. الگوریتم‌های ژنتیک
• 78. بهینه‌سازی ازدحام ذرات
• 79. الگوریتم‌های جستجوی محلی
• 80. الگوریتم‌های جستجوی سراسری
• 81. الگوریتم‌های مبتنی بر عامل
• 82. شبیه‌سازی و مدل‌سازی
• 83. تحلیل عدم قطعیت
• 84. مدل‌های پیش‌بینی‌کننده
• 85. ارزیابی مدل‌ها
• 86. تفسیر نتایج الگوریتمی
• 87. کاربرد الگوریتم‌ها در علوم مالی
• 88. کاربرد الگوریتم‌ها در پزشکی
• 89. کاربرد الگوریتم‌ها در مهندسی
• 90. کاربرد الگوریتم‌ها در تحقیقات علمی
• 91. تکنیک‌های پیشرفته تحلیل الگوریتم
• 92. الگوریتم‌های تصادفی قطعی
• 93. الگوریتم‌های تصادفی چندگانه
• 94. پیچیدگی فضای چندجمله‌ای
• 95. پیچیدگی زمان لگاریتمی
• 96. مقدمه‌ای بر پیچیدگی محاسباتی پیشرفته