فلش‌کارت‌های آموزشی مبانی ساختار داده‌ها و الگوریتم‌ها در جاوا اسکریپت: پیاده‌سازی کاربردی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی ساختار داده‌ها و الگوریتم‌ها در جاوا اسکریپت: پیاده‌سازی کاربردی

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: ساختار داده‌ها و الگوریتم‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم کامپیوتر و اهمیت ساختار داده‌ها
• 2. چرا جاوا اسکریپت برای ساختار داده‌ها و الگوریتم‌ها؟
• 3. مروری بر مفاهیم پایه‌ای برنامه‌نویسی در جاوا اسکریپت
• 4. انواع داده‌ها و ساختارهای اولیه در جاوا اسکریپت
• 5. آرایه‌ها: ساختار دادهٔ بنیادی
• 6. عملیات اساسی روی آرایه‌ها
• 7. مفهوم پیچیدگی زمانی و فضایی (Big O Notation)
• 8. تحلیل پیچیدگی زمانی الگوریتم‌ها
• 9. تحلیل پیچیدگی فضایی الگوریتم‌ها
• 10. آرایه‌های چندبعدی و کاربردهای آن‌ها
• 11. مفهوم لیست پیوندی (Linked List)
• 12. پیاده‌سازی لیست پیوندی یک‌طرفه
• 13. عملیات روی لیست پیوندی یک‌طرفه
• 14. لیست پیوندی دوطرفه: ساختار و عملکرد
• 15. کاربرد لیست پیوندی در مدیریت حافظه
• 16. پشته (Stack): ساختار دادهٔ LIFO
• 17. پیاده‌سازی پشته با آرایه
• 18. پیاده‌سازی پشته با لیست پیوندی
• 19. کاربردهای پشته در ارزیابی عبارات ریاضی
• 20. صف (Queue): ساختار دادهٔ FIFO
• 21. پیاده‌سازی صف با آرایه
• 22. پیاده‌سازی صف با لیست پیوندی
• 23. کاربردهای صف در شبیه‌سازی و مدیریت وظایف
• 24. مفهوم درخت (Tree)
• 25. درخت دودویی (Binary Tree): ساختار و خواص
• 26. پیمایش درخت دودویی (In-order, Pre-order, Post-order)
• 27. درخت دودویی جستجو (Binary Search Tree - BST)
• 28. عملیات درج و حذف در BST
• 29. بهینه‌سازی BST: درختان خودمتوازن
• 30. درختان AVL و خودمتوازن‌سازی
• 31. درختان قرمز-سیاه (Red-Black Trees)
• 32. درختان B و B+ برای پایگاه‌های داده
• 33. هرم (Heap): ساختار دادهٔ اولویت‌دار
• 34. هرم دودویی (Binary Heap)
• 35. عملیات درج و حذف در هرم
• 36. کاربرد هرم در الگوریتم‌های مرتب‌سازی
• 37. گراف (Graph): نمایش روابط پیچیده
• 38. انواع گراف‌ها: جهت‌دار و بدون جهت
• 39. نمایش گراف: ماتریس مجاورت و لیست مجاورت
• 40. پیمایش گراف: جستجوی اول سطح (BFS)
• 41. پیمایش گراف: جستجوی اول عمق (DFS)
• 42. الگوریتم دایکسترا برای کوتاه‌ترین مسیر
• 43. الگوریتم پریم و کروسکال برای درخت پوشای کمینه
• 44. کدگذاری و فشرده‌سازی داده‌ها
• 45. کدگذاری هافمن (Huffman Coding)
• 46. الگوریتم‌های جستجو
• 47. جستجوی خطی (Linear Search)
• 48. جستجوی دودویی (Binary Search)
• 49. کاربرد جستجوی دودویی در داده‌های مرتب‌شده
• 50. مفهوم الگوریتم‌های مرتب‌سازی
• 51. مرتب‌سازی حبابی (Bubble Sort)
• 52. مرتب‌سازی انتخابی (Selection Sort)
• 53. مرتب‌سازی درجی (Insertion Sort)
• 54. مرتب‌سازی ادغامی (Merge Sort)
• 55. مرتب‌سازی سریع (Quick Sort)
• 56. تحلیل پیچیدگی الگوریتم‌های مرتب‌سازی
• 57. مرتب‌سازی هرمی (Heap Sort)
• 58. مقدمه‌ای بر الگوریتم‌های بازگشتی
• 59. الگوریتم‌های حریصانه (Greedy Algorithms)
• 60. الگوریتم‌های برنامه‌ریزی پویا (Dynamic Programming)
• 61. مسئله کوله‌پشتی (Knapsack Problem)
• 62. مسئله زیردنبالهٔ مشترک طولانی (Longest Common Subsequence)
• 63. مفهوم هشینگ (Hashing)
• 64. جدول هش (Hash Table)
• 65. توابع هش (Hash Functions)
• 66. مدیریت تصادم در جداول هش (Collision Resolution)
• 67. روش زنجیره‌سازی (Chaining)
• 68. روش آدرس‌دهی باز (Open Addressing)
• 69. کاربرد جداول هش در جستجوی سریع
• 70. ساختارهای دادهٔ پیشرفته
• 71. درخت سگمنت (Segment Tree)
• 72. درخت تری (Trie) یا درخت پیشوندی
• 73. کاربرد تری در جستجوی رشته‌ای
• 74. ساختارهای دادهٔ متنی (String Data Structures)
• 75. مقدمه‌ای بر بهینه‌سازی الگوریتم‌ها
• 76. تحلیل و مقایسهٔ الگوریتم‌های مرتب‌سازی
• 77. انتخاب ساختار دادهٔ مناسب برای مسئله
• 78. پیاده‌سازی ساختارهای داده در جاوا اسکریپت مدرن
• 79. استفاده از کلاس‌ها و توابع در پیاده‌سازی
• 80. اصول طراحی الگوریتم‌های کارآمد
• 81. اهمیت تست و اشکال‌زدایی الگوریتم‌ها
• 82. چالش‌های عملی در پیاده‌سازی ساختار داده‌ها
• 83. مقدمه‌ای بر پیچیدگی محاسباتی
• 84. مسائل NP-Complete و NP-Hard
• 85. مروری بر الگوریتم‌های موازی و توزیع‌شده
• 86. کاربرد ساختار داده‌ها در وب و برنامه‌های کاربردی
• 87. ساختارهای داده در توسعهٔ بازی
• 88. کاربردها در هوش مصنوعی و یادگیری ماشین
• 89. ساختارهای داده در پردازش زبان طبیعی
• 90. امنیت داده‌ها و ساختارهای مربوطه
• 91. اصول کدنویسی تمیز و خوانا
• 92. مستندسازی ساختار داده‌ها و الگوریتم‌ها
• 93. مروری بر منابع آموزشی تکمیلی
• 94. پروژه‌های کاربردی برای تمرین
• 95. جمع‌بندی و نگاه به آیندهٔ ساختار داده‌ها