فلش‌کارت‌های آموزشی ساختمان داده‌ها و الگوریتم‌های کاربردی با جاوا اسکریپت

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساختمان داده‌ها و الگوریتم‌های کاربردی با جاوا اسکریپت

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: طراحی و تحلیل الگوریتم‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم کامپیوتر و مهندسی نرم‌افزار
• 2. مبانی برنامه‌نویسی با جاوا اسکریپت
• 3. انواع داده‌های پایه در جاوا اسکریپت
• 4. ساختمان داده‌های خطی
• 5. آرایه‌ها و کاربردهای آن‌ها
• 6. رشته‌ها و عملیات روی آن‌ها
• 7. ساختمان داده‌های پشته (Stack)
• 8. کاربرد پشته در محاسبات
• 9. ساختمان داده‌های صف (Queue)
• 10. کاربرد صف در مدیریت وظایف
• 11. ساختمان داده‌های لیست پیوندی (Linked List)
• 12. لیست پیوندی یک‌طرفه
• 13. لیست پیوندی دوطرفه
• 14. کاربرد لیست پیوندی در پیاده‌سازی
• 15. ساختمان داده‌های درخت (Tree)
• 16. درخت دودویی جستجو (BST)
• 17. عملیات پایه روی درخت دودویی جستجو
• 18. درختان متوازن (Balanced Trees)
• 19. درختان قرمز-سیاه (Red-Black Trees)
• 20. درختان B و B+
• 21. ساختمان داده‌های گراف (Graph)
• 22. نمایش گراف با ماتریس مجاورت
• 23. نمایش گراف با لیست مجاورت
• 24. پیمایش گراف: جستجوی اول سطح (BFS)
• 25. پیمایش گراف: جستجوی اول عمق (DFS)
• 26. الگوریتم‌های مرتبط با گراف
• 27. کوتاه‌ترین مسیر در گراف (Dijkstra)
• 28. کوتاه‌ترین مسیر با الگوریتم Bellman-Ford
• 29. حداقل درخت پوشا (Minimum Spanning Tree)
• 30. الگوریتم پریم (Prim)
• 31. الگوریتم کروسکال (Kruskal)
• 32. الگوریتم‌های مرتب‌سازی (Sorting Algorithms)
• 33. مرتب‌سازی حبابی (Bubble Sort)
• 34. مرتب‌سازی انتخابی (Selection Sort)
• 35. مرتب‌سازی درجی (Insertion Sort)
• 36. مرتب‌سازی سریع (Quick Sort)
• 37. مرتب‌سازی ادغامی (Merge Sort)
• 38. مرتب‌سازی هرمی (Heap Sort)
• 39. مرتب‌سازی مبتنی بر شمارش (Counting Sort)
• 40. مرتب‌سازی مبنایی (Radix Sort)
• 41. تحلیل پیچیدگی الگوریتم‌ها
• 42. نمادگذاری O بزرگ (Big O Notation)
• 43. پیچیدگی زمانی و فضایی
• 44. الگوریتم‌های جستجو (Search Algorithms)
• 45. جستجوی خطی (Linear Search)
• 46. جستجوی دودویی (Binary Search)
• 47. الگوریتم‌های حریصانه (Greedy Algorithms)
• 48. مسئله انتخاب فعالیت (Activity Selection Problem)
• 49. مسئله کوله‌پشتی (Knapsack Problem)
• 50. برنامه‌نویسی پویا (Dynamic Programming)
• 51. مفهوم زیرمسائل هم‌پوشان
• 52. مفهوم بهینگی زیرساختار
• 53. مثال: دنباله فیبوناچی با DP
• 54. مثال: مسئله کوله‌پشتی با DP
• 55. مثال: طولانی‌ترین زیردنباله مشترک
• 56. الگوریتم‌های بازگشتی (Recursive Algorithms)
• 57. قاعده پایه و گام بازگشتی
• 58. تکنیک تقسیم و حل (Divide and Conquer)
• 59. الگوریتم‌های مرتبط با رشته‌ها
• 60. الگوریتم KMP برای جستجوی رشته
• 61. الگوریتم‌های فشرده‌سازی داده‌ها
• 62. مفاهیم اولیه پایگاه داده
• 63. طراحی پایگاه داده رابطه‌ای
• 64. مفاهیم کلیدی در شبکه‌های کامپیوتری
• 65. اصول امنیت سایبری در نرم‌افزار
• 66. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
• 67. مبانی الگوریتم‌های یادگیری نظارت‌شده
• 68. مبانی الگوریتم‌های یادگیری نظارت‌نشده
• 69. الگوریتم‌های خوشه‌بندی (Clustering)
• 70. الگوریتم K-Means
• 71. مقدمه‌ای بر الگوریتم‌های ژنتیک
• 72. ساختمان داده‌های جدول هش (Hash Table)
• 73. عملیات اصلی در جدول هش
• 74. روش‌های حل برخورد (Collision Resolution)
• 75. کاربرد جدول هش در جستجو و ذخیره‌سازی
• 76. ساختمان داده‌های هیپ (Heap)
• 77. هیپ دودویی (Binary Heap)
• 78. عملیات درج و حذف در هیپ
• 79. کاربرد هیپ در صف اولویت (Priority Queue)
• 80. الگوریتم‌های گراف پیشرفته
• 81. کوچکترین درخت پوشا (MST)
• 82. مسئله یافتن دور در گراف
• 83. مسئله یافتن مولفه‌های همبند
• 84. مقدمه‌ای بر الگوریتم‌های موازی
• 85. مفاهیم اساسی در پردازش موازی
• 86. الگوریتم‌های تطبیقی (Adaptive Algorithms)
• 87. طراحی الگوریتم‌های کارآمد
• 88. تکنیک‌های بهینه‌سازی کد
• 89. معماری نرم‌افزار و الگوهای طراحی
• 90. الگوهای طراحی رایج در مهندسی نرم‌افزار
• 91. مقدمه‌ای بر تست نرم‌افزار
• 92. انواع تست در چرخه حیات نرم‌افزار
• 93. مدیریت پروژه نرم‌افزار
• 94. متدولوژی‌های توسعه نرم‌افزار Agile
• 95. مقدمه‌ای بر DevOps
• 96. اصول مهندسی نرم‌افزار پایدار
• 97. ملاحظات اخلاقی در مهندسی نرم‌افزار
• 98. کاربرد الگوریتم‌ها در تحلیل داده
• 99. مبانی پردازش زبان طبیعی
• 100. مقدمه‌ای بر رمزنگاری و امنیت داده