کتاب صوتی مقدمه‌ای بر بهینه‌سازی با پایتون: مبانی و کاربردها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر بهینه‌سازی با پایتون: مبانی و کاربردها

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: بهینه‌سازی و الگوریتم‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر بهینه‌سازی در علوم کامپیوتر
• 2. اهمیت بهینه‌سازی در مهندسی نرم‌افزار
• 3. مبانی الگوریتم‌های جستجو
• 4. جستجوی دودویی و کاربردهای آن
• 5. الگوریتم‌های مرتب‌سازی و تحلیل پیچیدگی
• 6. مرتب‌سازی ادغامی و مزایای آن
• 7. مرتب‌سازی سریع و بهینه‌سازی‌های آن
• 8. الگوریتم‌های حریصانه
• 9. مسئله کوله‌پشتی و رویکردهای حریصانه
• 10. مسئله زمان‌بندی وظایف
• 11. الگوریتم‌های برنامه‌ریزی پویا
• 12. مبانی برنامه‌ریزی پویا
• 13. مسئله زیردنباله مشترک طولانی
• 14. مسئله کوتاه‌ترین مسیر در گراف
• 15. الگوریتم دایکسترا
• 16. الگوریتم بلمن-فورد
• 17. الگوریتم فلوید-وارشال
• 18. درختان پوشای کمینه
• 19. الگوریتم پریم
• 20. الگوریتم کروسکال
• 21. مبانی گراف‌ها و کاربردها
• 22. نمایش گراف‌ها: ماتریس مجاورت و لیست مجاورت
• 23. پیمایش گراف: جستجوی اول سطح (BFS)
• 24. پیمایش گراف: جستجوی اول عمق (DFS)
• 25. مسائل جریان در شبکه
• 26. قضیه فورد-فالکرسون
• 27. حداکثر جریان و حداقل برش
• 28. تقسیم‌بندی مسائل به زیرمسائل
• 29. تکنیک‌های تقسیم و حل
• 30. تحلیل پیچیدگی الگوریتم‌ها
• 31. نمادگذاری O بزرگ، اُمگا و تتا
• 32. کلاس‌های پیچیدگی: P و NP
• 33. مسائل NP-کامل
• 34. مسائل NP-دشوار
• 35. تقریب الگوریتم‌ها
• 36. الگوریتم‌های تصادفی
• 37. کاربرد پایتون در پیاده‌سازی الگوریتم‌ها
• 38. محیط توسعه پایتون
• 39. ساختارهای داده در پایتون
• 40. لیست‌ها، تاپل‌ها و دیکشنری‌ها
• 41. استفاده از کتابخانه‌های علمی پایتون
• 42. NumPy برای محاسبات عددی
• 43. SciPy برای الگوریتم‌های علمی
• 44. مبانی بهینه‌سازی پیوسته
• 45. توابع هدف و توابع محدودیت
• 46. بهینه‌سازی بدون محدودیت
• 47. روش نزول گرادیان
• 48. روش نیوتن
• 49. روش شبه‌نیوتن
• 50. بهینه‌سازی با محدودیت
• 51. روش لاگرانژین
• 52. روش پروجکشن گرادیان
• 53. روش‌های نقطه داخلی
• 54. مقدمه‌ای بر بهینه‌سازی گسسته
• 55. مسائل بهینه‌سازی ترکیبی
• 56. برنامه‌ریزی خطی
• 57. روش سیمپلکس
• 58. برنامه‌ریزی عدد صحیح
• 59. برنامه‌ریزی غیرخطی
• 60. مقدمه‌ای بر الگوریتم‌های فراابتکاری
• 61. الگوریتم ژنتیک
• 62. بهینه‌سازی ازدحام ذرات
• 63. تبرید شبیه‌سازی شده
• 64. جستجوی ممنوعه
• 65. بهینه‌سازی با استفاده از هوش جمعی
• 66. کاربرد بهینه‌سازی در یادگیری ماشین
• 67. آموزش مدل‌های رگرسیون
• 68. آموزش مدل‌های طبقه‌بندی
• 69. تنظیم ابرپارامترها
• 70. کاربرد بهینه‌سازی در پردازش تصویر
• 71. فشرده‌سازی تصویر
• 72. تشخیص لبه
• 73. تقسیم‌بندی تصویر
• 74. کاربرد بهینه‌سازی در شبکه‌های عصبی
• 75. آموزش شبکه‌های عصبی عمیق
• 76. پس‌انتشار خطا
• 77. بهینه‌سازی مدل‌های یادگیری عمیق
• 78. کاربرد بهینه‌سازی در هوش مصنوعی
• 79. برنامه‌ریزی ربات‌ها
• 80. سیستم‌های توصیه‌گر
• 81. پردازش زبان طبیعی
• 82. مقدمه‌ای بر بهینه‌سازی در پایگاه داده
• 83. بهینه‌سازی کوئری‌ها
• 84. طراحی ایندکس‌ها
• 85. مدیریت تراکنش‌ها
• 86. بهینه‌سازی در شبکه‌های کامپیوتری
• 87. مسیریابی بسته‌ها
• 88. تخصیص پهنای باند
• 89. مدیریت ازدحام
• 90. کاربرد بهینه‌سازی در سیستم‌های توزیع‌شده
• 91. زمان‌بندی وظایف در خوشه‌ها
• 92. مدیریت منابع
• 93. همگام‌سازی
• 94. مباحث پیشرفته در بهینه‌سازی
• 95. بهینه‌سازی چندهدفه
• 96. بهینه‌سازی تصادفی
• 97. یادگیری تقویتی
• 98. مقدمه‌ای بر بهینه‌سازی با پایتون
• 99. کتابخانه‌های بهینه‌سازی در پایتون
• 100. SciPy Optimize