دوره طراحی و پیاده‌سازی ساختمان داده‌ها و الگوریتم‌ها در C++ با حل مسائل LeetCode همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی ساختمان داده‌ها و الگوریتم‌ها در C++ با حل مسائل LeetCode

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: ساختمان داده‌ها و الگوریتم‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم کامپیوتر و مهندسی نرم‌افزار
• 2. مبانی برنامه‌نویسی شیءگرا در C++
• 3. مروری بر انواع داده‌های پایه در C++
• 4. ساختار کنترل و جریان برنامه
• 5. توابع و مدیریت توابع
• 6. مفهوم اشاره‌گرها و مدیریت حافظه
• 7. آرایه‌ها و کاربردهای آن‌ها
• 8. رشته‌ها و عملیات روی آن‌ها
• 9. ساختمان داده‌های خطی
• 10. مفهوم پشته (Stack) و پیاده‌سازی آن
• 11. کاربرد پشته در ارزیابی عبارات ریاضی
• 12. مفهوم صف (Queue) و پیاده‌سازی آن
• 13. کاربرد صف در الگوریتم‌های مختلف
• 14. ساختمان داده‌های غیرخطی
• 15. مفهوم لیست پیوندی (Linked List)
• 16. انواع لیست پیوندی: یک‌طرفه، دوطرفه، دایره‌ای
• 17. عملیات پایه روی لیست‌های پیوندی
• 18. کاربرد لیست‌های پیوندی در پیاده‌سازی ساختارها
• 19. مفهوم درخت (Tree) و اصول آن
• 20. انواع درخت‌ها: دودویی، جستجوی دودویی، متوازن
• 21. درخت جستجوی دودویی (BST) و عملیات آن
• 22. پیاده‌سازی درخت جستجوی دودویی
• 23. درخت‌های متوازن: AVL و Red-Black Trees
• 24. کاربرد درخت‌ها در جستجو و مرتب‌سازی
• 25. مفهوم گراف (Graph) و نمایش آن
• 26. نمایش ماتریسی و لیستی گراف
• 27. الگوریتم‌های پیمایش گراف: BFS و DFS
• 28. کاربرد پیمایش گراف در مسائل مختلف
• 29. مفهوم جدول هش (Hash Table)
• 30. توابع هش و روش‌های رفع برخورد
• 31. کاربرد جدول هش در جستجو و ذخیره‌سازی
• 32. مفهوم هیپ (Heap) و انواع آن (Min-Heap, Max-Heap)
• 33. الگوریتم‌های مرتب‌سازی مبتنی بر هیپ
• 34. مفهوم و کاربرد الگوریتم‌های بازگشتی
• 35. الگوریتم تقسیم و حل (Divide and Conquer)
• 36. مرتب‌سازی سریع (Quick Sort)
• 37. مرتب‌سازی ادغامی (Merge Sort)
• 38. مرتب‌سازی شمارشی (Counting Sort)
• 39. مرتب‌سازی مبنایی (Radix Sort)
• 40. تحلیل پیچیدگی زمانی و مکانی الگوریتم‌ها
• 41. نمادگذاری Big O، Big Omega، Big Theta
• 42. الگوریتم‌های جستجو: خطی و دودویی
• 43. جستجوی دودویی پیشرفته
• 44. الگوریتم‌های گراف: دایکسترا (Dijkstra)
• 45. الگوریتم پریم (Prim) و کروسکال (Kruskal)
• 46. مسائل بهینه‌سازی گراف
• 47. مفهوم و کاربرد برنامه‌نویسی پویا (Dynamic Programming)
• 48. مثال‌های کاربردی از برنامه‌نویسی پویا
• 49. مسائل رشته‌ای و برنامه‌نویسی پویا
• 50. مسائل مربوط به زیردنباله مشترک (LCS)
• 51. مسائل مربوط به کوله‌پشتی (Knapsack)
• 52. مفهوم و کاربرد الگوریتم‌های حریصانه (Greedy Algorithms)
• 53. مسائل بهینه‌سازی با رویکرد حریصانه
• 54. مسائل زمان‌بندی کارها
• 55. مفهوم و کاربرد الگوریتم‌های جستجوی اکتشافی
• 56. جستجوی اول عمق تکراری (IDDFS)
• 57. جستجوی A*
• 58. مقدمه‌ای بر مسائل LeetCode
• 59. دسته‌بندی مسائل LeetCode بر اساس ساختمان داده
• 60. حل مسائل LeetCode مرتبط با آرایه‌ها
• 61. حل مسائل LeetCode مرتبط با رشته‌ها
• 62. حل مسائل LeetCode مرتبط با لیست‌های پیوندی
• 63. حل مسائل LeetCode مرتبط با پشته و صف
• 64. حل مسائل LeetCode مرتبط با درخت‌ها
• 65. حل مسائل LeetCode مرتبط با درخت جستجوی دودویی
• 66. حل مسائل LeetCode مرتبط با گراف‌ها
• 67. حل مسائل LeetCode مرتبط با جدول هش
• 68. حل مسائل LeetCode مرتبط با الگوریتم‌های مرتب‌سازی
• 69. حل مسائل LeetCode مرتبط با الگوریتم‌های جستجو
• 70. حل مسائل LeetCode مرتبط با برنامه‌نویسی پویا
• 71. حل مسائل LeetCode مرتبط با الگوریتم‌های حریصانه
• 72. حل مسائل LeetCode مرتبط با بازگشت و بک‌ترکینگ
• 73. مسائل LeetCode سطح آسان: تمرینات مقدماتی
• 74. مسائل LeetCode سطح متوسط: چالش‌های کاربردی
• 75. مسائل LeetCode سطح سخت: مسائل پیشرفته و بهینه‌سازی
• 76. بررسی راه حل‌های بهینه برای مسائل LeetCode
• 77. نکات و ترفندها در حل مسائل LeetCode
• 78. استفاده از C++ در پیاده‌سازی الگوریتم‌ها
• 79. بهینه‌سازی کد C++ برای زمان و حافظه
• 80. مروری بر کتابخانه استاندارد C++ (STL)
• 81. استفاده از کانتینرها و الگوریتم‌های STL
• 82. تمرین عملی: طراحی یک سیستم ساده با استفاده از ساختمان داده‌ها
• 83. تمرین عملی: پیاده‌سازی یک الگوریتم پیچیده
• 84. نکات تکمیلی در طراحی الگوریتم‌های کارآمد
• 85. فرهنگ برنامه‌نویسی تمیز و خوانا
• 86. آشنایی با ابزارهای اشکال‌زدایی (Debugging)
• 87. مروری بر مفاهیم پیچیده‌تر ساختمان داده‌ها
• 88. اصول طراحی سیستم‌های نرم‌افزاری مقیاس‌پذیر
• 89. ارتباط ساختمان داده‌ها و الگوریتم‌ها با عملکرد سیستم
• 90. آخرین روندها در علوم کامپیوتر و الگوریتم‌ها
• 91. آمادگی برای مصاحبه‌های فنی با تمرکز بر الگوریتم‌ها
• 92. جمع‌بندی و مسیر یادگیری پیش رو