دوره مبانی ساختمان داده‌ها و الگوریتم‌ها در پایتون: از اصول تا کاربرد همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی ساختمان داده‌ها و الگوریتم‌ها در پایتون: از اصول تا کاربرد

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: ساختمان داده‌ها و الگوریتم‌ها

📋 سرفصل‌های دوره

• 1. مقدمه ای بر علوم کامپیوتر و اهمیت ساختمان داده ها
• 2. مبانی الگوریتم ها و تحلیل پیچیدگی محاسباتی
• 3. نمادگذاری اُو (Big O Notation) و تحلیل زمانی
• 4. تحلیل حافظه و پیچیدگی فضا
• 5. انواع داده های اولیه و ساختار آن ها
• 6. آرایه ها و عملیات روی آن ها
• 7. آرایه های پویا و تغییر اندازه
• 8. لیست های پیوندی یک طرفه
• 9. عملیات روی لیست های پیوندی یک طرفه
• 10. لیست های پیوندی دو طرفه
• 11. عملیات روی لیست های پیوندی دو طرفه
• 12. لیست های دایره ای پیوندی
• 13. کاربرد لیست های پیوندی
• 14. مبانی پشته ها (Stacks)
• 15. عملیات پشته با استفاده از آرایه
• 16. عملیات پشته با استفاده از لیست پیوندی
• 17. کاربردهای پشته در مسائل محاسباتی
• 18. مبانی صف ها (Queues)
• 19. عملیات صف با استفاده از آرایه
• 20. عملیات صف با استفاده از لیست پیوندی
• 21. صف های دوطرفه (Deques)
• 22. کاربردهای صف در مسائل محاسباتی
• 23. مبانی درخت ها (Trees)
• 24. درخت های دودویی (Binary Trees)
• 25. پیمایش درخت های دودویی (Inorder, Preorder, Postorder)
• 26. درخت های جستجوی دودویی (Binary Search Trees)
• 27. عملیات درج و حذف در BST
• 28. تنظیم مجدد (Balancing) درخت های جستجوی دودویی
• 29. درخت های AVL
• 30. درخت های قرمز-سیاه (Red-Black Trees)
• 31. هرم ها (Heaps)
• 32. هرم دودویی (Binary Heap)
• 33. عملیات درج و حذف در هرم دودویی
• 34. هرم ها و مرتب سازی هرمی (Heapsort)
• 35. مبانی گراف ها (Graphs)
• 36. نمایش گراف ها (ماتریس مجاورت، لیست مجاورت)
• 37. پیمایش گراف ها (BFS, DFS)
• 38. مسیرهای کوتاه در گراف ها (الگوریتم دایکسترا)
• 39. درخت پوشای کمینه (Minimum Spanning Tree - Prim's Algorithm)
• 40. درخت پوشای کمینه (Kruskal's Algorithm)
• 41. مبانی جدول های هش (Hash Tables)
• 42. توابع هش (Hash Functions)
• 43. روش های برخورد (Collision Resolution): زنجیره سازی
• 44. روش های برخورد: آدرس دهی باز (Linear Probing, Quadratic Probing)
• 45. کاربرد جدول های هش
• 46. مرتب سازی (Sorting Algorithms)
• 47. مرتب سازی حبابی (Bubble Sort)
• 48. مرتب سازی انتخابی (Selection Sort)
• 49. مرتب سازی درجی (Insertion Sort)
• 50. مرتب سازی ادغامی (Merge Sort)
• 51. مرتب سازی سریع (Quick Sort)
• 52. مرتب سازی هیپ (Heap Sort)
• 53. مرتب سازی سطلی (Bucket Sort)
• 54. مرتب سازی شمارشی (Counting Sort)
• 55. مرتب سازی مبنایی (Radix Sort)
• 56. جستجو (Searching Algorithms)
• 57. جستجوی خطی (Linear Search)
• 58. جستجوی دودویی (Binary Search)
• 59. الگوریتم های جستجوی پیشرفته
• 60. مبانی الگوریتم های حریصانه (Greedy Algorithms)
• 61. مثال هایی از الگوریتم های حریصانه
• 62. مبانی برنامه نویسی پویا (Dynamic Programming)
• 63. مثال هایی از برنامه نویسی پویا
• 64. الگوریتم های تقسیم و حل (Divide and Conquer)
• 65. الگوریتم های بازگشتی (Recursive Algorithms)
• 66. مبانی الگوریتم های گراف (Graph Algorithms)
• 67. الگوریتم فلوید-وارشال (Floyd-Warshall Algorithm)
• 68. الگوریتم های یافتن مؤلفه های همبند (Connected Components)
• 69. مبانی پیچیدگی محاسباتی (Computational Complexity)
• 70. کلاس های پیچیدگی P و NP
• 71. مسائل NP-Complete
• 72. کاربرد ساختمان داده ها و الگوریتم ها در مسائل واقعی
• 73. بهینه سازی ساختمان داده ها و الگوریتم ها
• 74. پیاده سازی ساختمان داده ها و الگوریتم ها در پایتون
• 75. ساختمان داده های سفارشی در پایتون
• 76. تحلیل کارایی ساختمان داده ها و الگوریتم ها
• 77. نکات پیشرفته در طراحی الگوریتم
• 78. الگوریتم های موازی و توزیع شده (مقدماتی)
• 79. مقایسه ساختمان داده ها و الگوریتم های مختلف
• 80. تست و اشکال زدایی ساختمان داده ها و الگوریتم ها
• 81. بهترین روش ها در کدنویسی ساختمان داده ها و الگوریتم ها
• 82. کاربرد ساختمان داده ها در پایگاه داده ها
• 83. کاربرد الگوریتم ها در هوش مصنوعی (مقدماتی)
• 84. کاربرد ساختمان داده ها در شبکه های کامپیوتری
• 85. ساختمان داده ها و الگوریتم ها در امنیت سایبری (مقدماتی)
• 86. بازبینی و جمع بندی مفاهیم کلیدی
• 87. تمرینات عملی و پروژه های کاربردی
• 88. ساختمان داده ها و الگوریتم ها برای مصاحبه های شغلی
• 89. روند یادگیری مستمر در حوزه ساختمان داده ها و الگوریتم ها