کتاب صوتی ساختمان داده ها و الگوریتم ها: خارق العاده تر از همیشه

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب ساختمان داده ها و الگوریتم ها: خارق العاده تر از همیشه

موضوع کلی: برنامه نویسی

موضوع میانی: الگوریتم‌ها و ساختمان داده‌ها

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مبانی ریاضی و مفاهیم اولیه الگوریتم ها
• 2. مروری بر مفاهیم پایه برنامه نویسی و زبان انتخابی
• 3. معرفی الگوریتم و ویژگی های آن
• 4. روش های تحلیل الگوریتم (پیچیدگی زمانی و فضایی)
• 5. نماد O بزرگ (Big O notation) و انواع پیچیدگی ها
• 6. ساختمان داده و انواع آن
• 7. آرایه ها و عملیات اصلی بر روی آنها
• 8. لیست های پیوندی (Linked Lists) و انواع آن
• 9. پیاده سازی لیست پیوندی در زبان های برنامه نویسی
• 10. مقایسه آرایه ها و لیست های پیوندی
• 11. پشته ها (Stacks) و پیاده سازی آنها
• 12. صف ها (Queues) و پیاده سازی آنها
• 13. کاربرد پشته ها و صف ها در حل مسائل
• 14. مروری بر ساختمان داده های درختی
• 15. درخت دودویی (Binary Tree) و مفاهیم اولیه
• 16. پیاده سازی درخت دودویی
• 17. پیمایش درخت دودویی (Traversals)
• 18. درخت جستجوی دودویی (Binary Search Tree)
• 19. عملیات جستجو، درج و حذف در BST
• 20. درخت های متوازن (Balanced Trees) - معرفی و اهمیت
• 21. درخت AVL: ساختار و عملیات
• 22. درخت قرمز-سیاه: ساختار و عملیات
• 23. درخت B و B+: ساختار و کاربرد
• 24. درخت های هرم (Heaps) و انواع آن
• 25. هرم مین و هرم ماکس
• 26. پیاده سازی هرم و عملیات
• 27. کاربرد هرم در مرتب سازی هرمی (Heap Sort)
• 28. جدول های درهم سازی (Hash Tables)
• 29. تابع درهم سازی و انواع آن
• 30. برخورد (Collision) در جداول درهم سازی و راه حل ها
• 31. کاربرد جدول های درهم سازی
• 32. مرتب سازی (Sorting) و انواع الگوریتم های مرتب سازی
• 33. مرتب سازی حبابی (Bubble Sort)
• 34. مرتب سازی انتخابی (Selection Sort)
• 35. مرتب سازی درج (Insertion Sort)
• 36. مرتب سازی ادغامی (Merge Sort)
• 37. مرتب سازی سریع (Quick Sort)
• 38. مرتب سازی هرمی (Heap Sort)
• 39. مرتب سازی شمارشی (Counting Sort)
• 40. مرتب سازی مبنایی (Radix Sort)
• 41. مقایسه الگوریتم های مرتب سازی
• 42. جستجو (Searching) و انواع الگوریتم های جستجو
• 43. جستجوی خطی (Linear Search)
• 44. جستجوی دودویی (Binary Search)
• 45. جستجو در درخت جستجوی دودویی
• 46. جستجو در گراف (Graph Search) - معرفی
• 47. گراف (Graph) و مفاهیم اولیه
• 48. نمایش گراف (Graph Representation)
• 49. پیمایش گراف: DFS و BFS
• 50. الگوریتم های مسیر یابی (Pathfinding) در گراف
• 51. الگوریتم دایکسترا (Dijkstra's Algorithm)
• 52. الگوریتم بلمن-فورد (Bellman-Ford Algorithm)
• 53. الگوریتم A* (A-star Algorithm)
• 54. درخت پوشای کمینه (Minimum Spanning Tree)
• 55. الگوریتم پریم (Prim's Algorithm)
• 56. الگوریتم کروسکال (Kruskal's Algorithm)
• 57. برنامه نویسی پویا (Dynamic Programming) - معرفی
• 58. زیرمسئله بهینه (Optimal Substructure)
• 59. همپوشانی زیرمسئله ها (Overlapping Subproblems)
• 60. حل مسائل با برنامه نویسی پویا: Fibonacci
• 61. حل مسائل با برنامه نویسی پویا: Longest Common Subsequence
• 62. حل مسائل با برنامه نویسی پویا: Knapsack
• 63. حل مسائل با برنامه نویسی پویا: Edit Distance
• 64. الگوریتم های حریصانه (Greedy Algorithms) - معرفی
• 65. مسائل بهینه سازی و الگوریتم های حریصانه
• 66. الگوریتم Huffman
• 67. الگوریتم های تقسیم و حل (Divide and Conquer) - معرفی
• 68. مرتب سازی ادغامی (Merge Sort) به عنوان مثال
• 69. مرتب سازی سریع (Quick Sort) به عنوان مثال
• 70. توابع بازگشتی (Recursion) و اهمیت آن
• 71. بهینه سازی الگوریتم ها (Optimization)
• 72. پیچیدگی فضایی (Space Complexity) و اهمیت آن
• 73. بهبود پیچیدگی زمانی الگوریتم ها
• 74. استفاده از حافظه کش (Caching)
• 75. طراحی و تحلیل الگوریتم های تصادفی
• 76. فیلتر Bloom
• 77. مروری بر داده های بزرگ (Big Data) و الگوریتم ها
• 78. معرفی MapReduce و کاربرد آن
• 79. آشنایی با الگوریتم های موازی (Parallel Algorithms)
• 80. ساختمان داده های غیرمتعارف
• 81. Trie
• 82. Segment Tree
• 83. Fenwick Tree
• 84. Union-Find
• 85. مسائل NP-Completeness و NP-Hardness
• 86. مفاهیم اولیه تئوری محاسبات
• 87. کاربرد ساختمان داده ها و الگوریتم ها در هوش مصنوعی
• 88. کاربرد ساختمان داده ها و الگوریتم ها در یادگیری ماشین
• 89. کاربرد ساختمان داده ها و الگوریتم ها در وب
• 90. کاربرد ساختمان داده ها و الگوریتم ها در پایگاه داده ها
• 91. انتخاب ساختمان داده و الگوریتم مناسب
• 92. بهترین روش های تست و اشکال زدایی (Debugging)
• 93. طراحی الگو (Design Patterns) مرتبط با ساختمان داده ها
• 94. بهبود عملکرد برنامه ها با استفاده از الگوریتم ها و ساختمان داده ها
• 95. مفاهیم پیشرفته در تحلیل الگوریتم ها
• 96. انتخاب زبان برنامه نویسی مناسب برای پیاده سازی الگوریتم ها
• 97. بررسی کتابخانه های آماده برای ساختمان داده ها و الگوریتم ها
• 98. مدیریت حافظه و بهینه سازی آن
• 99. بررسی مسائل و چالش های پیش رو در ساختمان داده ها و الگوریتم ها
• 100. نگاهی به آینده ساختمان داده ها و الگوریتم ها