فلش‌کارت‌های آموزشی آمادگی برای مصاحبه‌های شغلی برنامه‌نویسی با پایتون: ساختمان داده‌ها و الگوریتم‌ها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آمادگی برای مصاحبه‌های شغلی برنامه‌نویسی با پایتون: ساختمان داده‌ها و الگوریتم‌ها

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: ساختمان داده‌ها و الگوریتم‌ها در برنامه‌نویسی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم کامپیوتر و مهندسی نرم‌افزار
• 2. آشنایی با زبان برنامه‌نویسی پایتون
• 3. ساختمان داده‌ها: مفاهیم اولیه
• 4. آرایه‌ها و لیست‌ها در پایتون
• 5. عملیات روی آرایه‌ها و لیست‌ها
• 6. ماتریس‌ها و عملیات آن‌ها
• 7. رشته‌ها و پردازش آن‌ها
• 8. پشته‌ها (Stacks) و کاربردها
• 9. صف‌ها (Queues) و کاربردها
• 10. لیست‌های پیوندی (Linked Lists)
• 11. انواع لیست‌های پیوندی
• 12. درخت‌ها (Trees): مفاهیم پایه
• 13. درخت‌های دودویی (Binary Trees)
• 14. پیمایش درخت‌های دودویی
• 15. درخت‌های جستجوی دودویی (BST)
• 16. عملیات روی BST
• 17. هرم‌ها (Heaps) و انواع آن‌ها
• 18. هرم دودویی و پیاده‌سازی
• 19. گراف‌ها (Graphs): مفاهیم و نمایش
• 20. نمایش ماتریسی و لیستی گراف‌ها
• 21. پیمایش گراف: جستجوی اول سطح (BFS)
• 22. پیمایش گراف: جستجوی اول عمق (DFS)
• 23. الگوریتم‌های مرتب‌سازی: مقدمه
• 24. مرتب‌سازی حبابی (Bubble Sort)
• 25. مرتب‌سازی انتخابی (Selection Sort)
• 26. مرتب‌سازی درجی (Insertion Sort)
• 27. مرتب‌سازی ادغامی (Merge Sort)
• 28. مرتب‌سازی سریع (Quick Sort)
• 29. مرتب‌سازی هرمی (Heap Sort)
• 30. مرتب‌سازی شمارشی (Counting Sort)
• 31. مرتب‌سازی مبنایی (Radix Sort)
• 32. الگوریتم‌های جستجو: مقدمه
• 33. جستجوی خطی (Linear Search)
• 34. جستجوی دودویی (Binary Search)
• 35. توابع هش (Hash Functions)
• 36. جداول هش (Hash Tables)
• 37. مدیریت تصادم در جداول هش
• 38. کاربردهای توابع هش
• 39. ساختمان داده‌های پیشرفته: تری‌ها (Tries)
• 40. کاربرد تری‌ها در پردازش رشته‌ها
• 41. داده‌ساختارهای گراف: درخت پوشای کمینه (MST)
• 42. الگوریتم پریم (Prim's Algorithm)
• 43. الگوریتم کروسکال (Kruskal's Algorithm)
• 44. کوتاه‌ترین مسیر در گراف‌ها
• 45. الگوریتم دایکسترا (Dijkstra's Algorithm)
• 46. الگوریتم بلمن-فورد (Bellman-Ford Algorithm)
• 47. مسیرهای چندوجهی (All-Pairs Shortest Path)
• 48. الگوریتم فلوید-وارشال (Floyd-Warshall Algorithm)
• 49. مفاهیم پیچیدگی زمانی و مکانی
• 50. نمادگذاری O بزرگ (Big O Notation)
• 51. تحلیل پیچیدگی الگوریتم‌های مرتب‌سازی
• 52. تحلیل پیچیدگی الگوریتم‌های جستجو
• 53. تحلیل پیچیدگی ساختمان داده‌ها
• 54. طراحی الگوریتم: روش برنامه‌نویسی پویا (DP)
• 55. مثال‌های برنامه‌نویسی پویا
• 56. طراحی الگوریتم: روش تقسیم و حل (Divide and Conquer)
• 57. مثال‌های تقسیم و حل
• 58. طراحی الگوریتم: روش حریصانه (Greedy Approach)
• 59. مثال‌های روش حریصانه
• 60. مقدمه‌ای بر الگوریتم‌های تصادفی
• 61. کاربرد الگوریتم‌های تصادفی
• 62. مفاهیم جریان شبکه (Network Flow)
• 63. قضیه فورد-فالکرسون (Ford-Fulkerson Theorem)
• 64. کاربردهای جریان شبکه
• 65. مقدمه‌ای بر الگوریتم‌های موازی
• 66. اصول طراحی الگوریتم‌های موازی
• 67. مفاهیم داده‌ساختارهای درختی متعادل
• 68. درخت‌های AVL
• 69. عملیات روی درخت‌های AVL
• 70. درخت‌های قرمز-سیاه (Red-Black Trees)
• 71. عملیات روی درخت‌های قرمز-سیاه
• 72. مقدمه‌ای بر ساختمان داده‌های فضایی
• 73. ساختمان داده‌های K-D Tree
• 74. کاربردهای ساختمان داده‌های فضایی
• 75. مفاهیم پیچیدگی محاسباتی
• 76. کلاس‌های پیچیدگی P و NP
• 77. مسائل NP-Complete
• 78. روش‌های اثبات NP-Completeness
• 79. مقدمه‌ای بر الگوریتم‌های تقریبی
• 80. کاربرد الگوریتم‌های تقریبی
• 81. ساختمان داده‌ها و الگوریتم‌ها در پایگاه داده
• 82. کاربردها در تحلیل داده
• 83. بهینه‌سازی ساختمان داده‌ها
• 84. تکنیک‌های بهینه‌سازی در پایتون
• 85. تمرین‌های جامع حل مسئله
• 86. آمادگی برای مصاحبه‌های LeetCode
• 87. استراتژی‌های موفقیت در مصاحبه
• 88. مرور نهایی ساختمان داده‌ها و الگوریتم‌ها
• 89. مفاهیم تکمیلی و پیشرفته