فلش‌کارت‌های آموزشی تحلیل و طراحی ساختمان داده‌ها و الگوریتم‌های کارآمد

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل و طراحی ساختمان داده‌ها و الگوریتم‌های کارآمد

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: مبانی ساختمان داده‌ها و الگوریتم‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل و طراحی الگوریتم‌ها
• 2. مروری بر پیچیدگی زمانی و مکانی
• 3. نمادگذاری O بزرگ، امگا، تتا
• 4. تحلیل الگوریتم‌های بازگشتی
• 5. روش حل بازگشت: تقسیم و غلبه
• 6. تحلیل با استفاده از درخت بازگشت
• 7. تحلیل با استفاده از قضیه اصلی
• 8. مبانی ساختمان داده‌ها
• 9. آرایه‌ها و لیست‌های پیوندی
• 10. پشته‌ها و صف‌ها
• 11. درخت‌های جستجوی دودویی
• 12. عمق و ارتفاع درخت‌ها
• 13. توازن در درخت‌های جستجوی دودویی
• 14. درخت‌های AVL
• 15. درخت‌های قرمز-سیاه
• 16. هرم‌ها و کاربردهای آن‌ها
• 17. هرم دودویی
• 18. هرم دو‌سو
• 19. کیسه‌ها و صف‌های اولویت
• 20. تابع هش و جداول هش
• 21. روش‌های حل تصادم در جداول هش
• 22. جداول هش خطی
• 23. جداول هش زنجیره‌ای
• 24. درخت‌های B و B+
• 25. کاربرد درخت‌های B در پایگاه داده‌ها
• 26. گراف‌ها: مفاهیم پایه
• 27. نمایش گراف‌ها: ماتریس مجاورت و لیست مجاورت
• 28. پیمایش گراف: جستجوی اول سطح (BFS)
• 29. پیمایش گراف: جستجوی اول عمق (DFS)
• 30. مرتب‌سازی: مرتب‌سازی ادغامی
• 31. مرتب‌سازی سریع
• 32. مرتب‌سازی هرمی
• 33. مرتب‌سازی سطلی
• 34. مرتب‌سازی شمارشی
• 35. مفاهیم پایه الگوریتم‌های حریصانه
• 36. مسئله انتخاب فعالیت
• 37. مسئله یافتن کوتاه‌ترین مسیر در گراف‌های بدون وزن
• 38. مسئله یافتن درخت پوشای کمینه (Prim)
• 39. مسئله یافتن درخت پوشای کمینه (Kruskal)
• 40. مفاهیم پایه برنامه‌نویسی پویا
• 41. مسئله کوله‌پشتی
• 42. مسئله دنباله مشترک طولانی
• 43. مسئله بهینه‌سازی مسیر
• 44. الگوریتم‌های جستجو: جستجوی دودویی
• 45. الگوریتم‌های جستجو: جستجوی نمایی
• 46. ساختمان داده‌های پیشرفته
• 47. تریفایس (Tries) و کاربردهای آن
• 48. ساختمان داده‌های جبری
• 49. ساختمان داده‌های متنی
• 50. الگوریتم‌های پردازش رشته
• 51. الگوریتم KMP برای تطابق رشته
• 52. الگوریتم Boyer-Moore
• 53. الگوریتم‌های تحلیل و پردازش متن
• 54. الگوریتم‌های فشرده‌سازی داده‌ها
• 55. مقدمه‌ای بر الگوریتم‌های تصادفی
• 56. آنالیز الگوریتم‌های تصادفی
• 57. کاربرد الگوریتم‌های تصادفی در جستجو
• 58. کاربرد الگوریتم‌های تصادفی در مرتب‌سازی
• 59. مقدمه‌ای بر پیچیدگی محاسباتی
• 60. کلاس‌های پیچیدگی P و NP
• 61. مسائل NP-کامل
• 62. مسائل NP-دشوار
• 63. الگوریتم‌های تقریبی برای مسائل NP-کامل
• 64. طراحی الگوریتم‌های موازی
• 65. ساختمان داده‌ها برای محاسبات موازی
• 66. الگوریتم‌های موازی برای مرتب‌سازی
• 67. الگوریتم‌های موازی برای پیمایش گراف
• 68. مقدمه‌ای بر الگوریتم‌های توزیع‌شده
• 69. ساختمان داده‌ها برای سیستم‌های توزیع‌شده
• 70. مباحث پیشرفته در تحلیل الگوریتم‌ها
• 71. کاربرد الگوریتم‌ها در علوم داده
• 72. تحلیل کارایی الگوریتم‌ها در عمل
• 73. بهینه‌سازی ساختمان داده‌ها
• 74. انتخاب ساختمان داده مناسب برای مسائل مختلف
• 75. مقدمه‌ای بر نظریه اطلاعات و الگوریتم‌ها
• 76. الگوریتم‌های رمزنگاری و امنیت داده‌ها
• 77. تحلیل الگوریتم‌های یادگیری ماشین
• 78. استفاده از ساختمان داده‌ها در الگوریتم‌های یادگیری ماشین
• 79. مقدمه‌ای بر الگوریتم‌های هندسی
• 80. الگوریتم‌های جستجو و مرتب‌سازی در هندسه محاسباتی
• 81. کاربرد ساختمان داده‌ها در گرافیک کامپیوتری
• 82. تحلیل پیچیدگی زمانی الگوریتم‌های پیشرفته
• 83. مبانی الگوریتم‌های عددی
• 84. الگوریتم‌های حل معادلات دیفرانسیل
• 85. الگوریتم‌های بهینه‌سازی عددی
• 86. مقدمه‌ای بر الگوریتم‌های کوانتومی
• 87. ساختمان داده‌ها در محاسبات کوانتومی
• 88. تحلیل الگوریتم‌های کوانتومی
• 89. ساختمان داده‌های خاص برای پردازش موازی
• 90. الگوریتم‌های پیشرفته برای شبکه‌های کامپیوتری
• 91. کاربرد ساختمان داده‌ها در پایگاه‌های داده NoSQL
• 92. تحلیل و طراحی الگوریتم‌های مقیاس‌پذیر
• 93. مباحث نوین در تحلیل الگوریتم‌ها
• 94. پیاده‌سازی بهینه ساختمان داده‌ها
• 95. الگوریتم‌های کارآمد برای حجم عظیم داده
• 96. مقدمه‌ای بر مهندسی نرم‌افزار و الگوریتم‌ها
• 97. نقش الگوریتم‌ها در معماری نرم‌افزار
• 98. ساختمان داده‌های توزیع‌شده و کارایی
• 99. تحلیل الگوریتم‌ها در سیستم‌های بلادرنگ
• 100. مقدمه‌ای بر تحلیل آماری الگوریتم‌ها