فلش‌کارت‌های آموزشی برنامه‌نویسی رقابتی با Python: تکنیک‌های بهینه‌سازی و حل مسئله

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره برنامه‌نویسی رقابتی با Python: تکنیک‌های بهینه‌سازی و حل مسئله

موضوع کلی: علوم کامپیوتر و برنامه‌نویسی

موضوع میانی: الگوریتم‌ها و ساختمان داده‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر برنامه‌نویسی رقابتی
• 2. نصب و راه‌اندازی محیط توسعه پایتون
• 3. آشنایی با PyPy و مزایای آن
• 4. اولین گام‌ها در حل مسائل الگوریتمی
• 5. مفاهیم پایه ساختمان داده‌ها
• 6. آرایه‌ها و لیست‌ها در پایتون
• 7. عملیات روی آرایه‌ها
• 8. کلاسیک‌ترین مسائل الگوریتمی
• 9. مرتب‌سازی حبابی
• 10. مرتب‌سازی انتخابی
• 11. مرتب‌سازی درجی
• 12. مرتب‌سازی ادغامی
• 13. مرتب‌سازی سریع
• 14. مرتب‌سازی هرمی
• 15. جستجو در آرایه‌ها
• 16. جستجوی خطی
• 17. جستجوی دودویی
• 18. مفاهیم پیچیدگی زمانی و فضایی
• 19. نمادگذاری O بزرگ
• 20. تحلیل پیچیدگی الگوریتم‌ها
• 21. تکنیک‌های برنامه‌نویسی پویا
• 22. مفهوم زیرمسئله‌های همپوشان
• 23. مفهوم بهینگی زیرساختار
• 24. مثال‌های کاربردی برنامه‌نویسی پویا
• 25. مسئله کوله‌پشتی (Knapsack)
• 26. مسئله کوتاه‌ترین مسیر (Shortest Path)
• 27. مسئله دنباله مشترک طولانی (Longest Common Subsequence)
• 28. مسئله برش میله (Rod Cutting)
• 29. روش عقب‌گرد (Backtracking)
• 30. مسئله هشت وزیر (N-Queens)
• 31. مسئله مسیریابی فروشنده دوره‌گرد (TSP)
• 32. مفهوم برش (Divide and Conquer)
• 33. مثال‌های برش
• 34. جستجوی اول سطح (BFS)
• 35. جستجوی اول عمق (DFS)
• 36. کاربرد BFS و DFS در گراف‌ها
• 37. درختان جستجوی دودویی (BST)
• 38. عملیات روی BST
• 39. درختان متوازن (AVL, Red-Black)
• 40. هرم‌ها (Heaps)
• 41. هرم دودویی
• 42. عملیات روی هرم‌ها
• 43. صف‌های اولویت (Priority Queues)
• 44. کیسه‌های هش (Hash Tables)
• 45. مدیریت برخورد در کیسه‌های هش
• 46. توابع هش
• 47. گراف‌ها
• 48. مفاهیم پایه گراف
• 49. نمایش گراف (ماتریس مجاورت، لیست مجاورت)
• 50. پیمایش گراف
• 51. الگوریتم دایکسترا (Dijkstra)
• 52. الگوریتم بلمن-فورد (Bellman-Ford)
• 53. کوتاه‌ترین مسیر در گراف‌های بدون وزن
• 54. ک کلاه‌برف (Kruskal)
• 55. کلاه‌برف (Prim)
• 56. درخت پوشای کمینه (Minimum Spanning Tree)
• 57. مجموعه جدا (Disjoint Set Union)
• 58. کاربرد DSU
• 59. الگوریتم‌های رشته‌ای
• 60. جستجوی رشته‌ای ساده
• 61. الگوریتم KMP
• 62. الگوریتم Rabin-Karp
• 63. ساختمان داده تری (Trie)
• 64. کاربرد Trie
• 65. مقدمه‌ای بر هندسه محاسباتی
• 66. مفاهیم پایه هندسی
• 67. محاسبه مساحت چندضلعی
• 68. الگوریتم جارو خطی (Sweep Line)
• 69. مسائل بهینه‌سازی در هندسه
• 70. مقدمه‌ای بر نظریه اعداد
• 71. حساب پیمانه‌ای (Modular Arithmetic)
• 72. قضیه باقی‌مانده چینی (Chinese Remainder Theorem)
• 73. فاکتورسازی اعداد
• 74. کاربرد نظریه اعداد در برنامه‌نویسی رقابتی
• 75. مقدمه‌ای بر الگوریتم‌های تصادفی
• 76. انتخاب تصادفی
• 77. تکنیک‌های نمونه‌گیری
• 78. مقدمه‌ای بر بهینه‌سازی ترکیبیاتی
• 79. مسائل شمارشی
• 80. روش‌های شمارش پیشرفته
• 81. مقدمه‌ای بر گراف‌های جهت‌دار (Directed Graphs)
• 82. قوی‌ترین مؤلفه‌های همبند (Strongly Connected Components)
• 83. الگوریتم Tarjan
• 84. الگوریتم Kosaraju
• 85. مقدمه‌ای بر بازی‌ها (Game Theory)
• 86. بازی‌های ساده
• 87. استراتژی بهینه
• 88. کاربرد PyPy در شبیه‌سازی بازی‌ها
• 89. بهینه‌سازی با استفاده از PyPy
• 90. تکنیک‌های اشکال‌زدایی پیشرفته
• 91. استراتژی‌های حل مسائل پیچیده
• 92. تمرین و تکرار مسائل چالش‌برانگیز
• 93. مسائل سطح پیشرفته
• 94. مقدمه‌ای بر الگوریتم‌های موازی
• 95. مفاهیم پایه موازی‌سازی
• 96. کاربرد موازی‌سازی در برنامه‌نویسی رقابتی
• 97. راهنمای نهایی برای موفقیت در مسابقات
• 98. نکات کاربردی برای مسابقات آنلاین
• 99. مدیریت زمان در مسابقات
• 100. بررسی راه‌حل‌های دیگران