سپنتا کتاب اکسپرس
کتاب مبانی تئوری فیلتر و مرتب‌سازی: درک الگوریتم‌ها

کتاب مبانی تئوری فیلتر و مرتب‌سازی: درک الگوریتم‌ها

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی تئوری فیلتر و مرتب‌سازی: درک الگوریتم‌ها

موضوع کلی: مبانی کامپیوتر و نرم‌افزارهای اداری

موضوع میانی: فیلتر و مرتب‌سازی داده‌ها

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر فیلتر و مرتب‌سازی
  • 2. مفهوم داده و ساختارهای داده پایه
  • 3. انواع داده‌های عددی و رشته‌ای
  • 4. مرتب‌سازی: تعریف و اهمیت
  • 5. مقدمه‌ای بر الگوریتم‌های مرتب‌سازی
  • 6. مرتب‌سازی حبابی (Bubble Sort)
  • 7. مرتب‌سازی انتخابی (Selection Sort)
  • 8. مرتب‌سازی درجی (Insertion Sort)
  • 9. تحلیل پیچیدگی زمانی الگوریتم‌ها
  • 10. نمادگذاری Big O: معرفی
  • 11. پیچیدگی زمانی O(n)
  • 12. پیچیدگی زمانی O(n log n)
  • 13. پیچیدگی زمانی O(n^2)
  • 14. پیچیدگی زمانی O(1)
  • 15. تحلیل پیچیدگی مکانی الگوریتم‌ها
  • 16. مرتب‌سازی ادغامی (Merge Sort)
  • 17. پیاده‌سازی مرتب‌سازی ادغامی
  • 18. مرتب‌سازی سریع (Quick Sort)
  • 19. تحلیل مرتب‌سازی سریع
  • 20. محدودیت‌های مرتب‌سازی مقایسه‌ای
  • 21. مرتب‌سازی شمارشی (Counting Sort)
  • 22. محدودیت‌های مرتب‌سازی شمارشی
  • 23. مرتب‌سازی مبنایی (Radix Sort)
  • 24. کاربرد مرتب‌سازی مبنایی
  • 25. مرتب‌سازی سطلی (Bucket Sort)
  • 26. مقایسه الگوریتم‌های مرتب‌سازی
  • 27. انتخاب الگوریتم مرتب‌سازی مناسب
  • 28. فیلتر کردن داده‌ها: اصول اولیه
  • 29. مفهوم شرط و گزاره در فیلترینگ
  • 30. فیلتر کردن داده‌های عددی
  • 31. فیلتر کردن داده‌های رشته‌ای
  • 32. فیلتر کردن داده‌های تاریخ و زمان
  • 33. عملگرهای منطقی در فیلترینگ (AND, OR, NOT)
  • 34. فیلتر کردن با استفاده از الگوهای متنی (Regex)
  • 35. فیلتر کردن داده‌های تکراری
  • 36. حذف داده‌های پرت (Outliers)
  • 37. مقدمه‌ای بر فیلترهای تطبیقی
  • 38. فیلترهای خطی و غیرخطی
  • 39. فیلتر میانگین متحرک (Moving Average Filter)
  • 40. کاربرد فیلتر میانگین متحرک
  • 41. فیلتر میانه (Median Filter)
  • 42. مقایسه فیلتر میانگین و میانه
  • 43. فیلتر گوسی (Gaussian Filter)
  • 44. کاربرد فیلتر گوسی
  • 45. فیلتر سوبل (Sobel Filter) برای تشخیص لبه
  • 46. فیلتر لاپلاس (Laplacian Filter)
  • 47. اصول پردازش سیگنال دیجیتال
  • 48. نمونه‌برداری و کوانتیزاسیون سیگنال
  • 49. تبدیل فوریه گسسته (DFT)
  • 50. مفهوم فرکانس در سیگنال‌ها
  • 51. فیلترهای فرکانسی: معرفی
  • 52. فیلتر پایین‌گذر (Low-Pass Filter)
  • 53. فیلتر بالاگذر (High-Pass Filter)
  • 54. فیلتر میان‌گذر (Band-Pass Filter)
  • 55. فیلتر میان‌ناگذر (Band-Stop Filter)
  • 56. طراحی فیلترهای FIR
  • 57. طراحی فیلترهای IIR
  • 58. کاربرد فیلترها در پردازش تصویر
  • 59. فیلتر کردن تصاویر رنگی
  • 60. فیلترهای مورفولوژیکی (Morphological Filters)
  • 61. توسعه (Dilation) در فیلترهای مورفولوژیکی
  • 62. فرسایش (Erosion) در فیلترهای مورفولوژیکی
  • 63. باز و بسته (Opening & Closing)
  • 64. کاربرد فیلترها در پردازش صدا
  • 65. فیلتر کردن نویز در سیگنال‌های صوتی
  • 66. فیلترهای تطبیقی در حذف نویز
  • 67. مقدمه‌ای بر شبکه‌های عصبی و یادگیری ماشین
  • 68. یادگیری نظارت شده و بدون نظارت
  • 69. شبکه‌های عصبی کانولوشنال (CNN)
  • 70. کاربرد CNN در پردازش تصویر
  • 71. شبکه‌های عصبی بازگشتی (RNN)
  • 72. کاربرد RNN در پردازش توالی
  • 73. یادگیری تقویتی: مبانی
  • 74. انتخاب ویژگی (Feature Selection)
  • 75. مهندسی ویژگی (Feature Engineering)
  • 76. ارزیابی مدل‌های فیلترینگ و مرتب‌سازی
  • 77. معیارهای ارزیابی دقت (Precision)
  • 78. معیارهای ارزیابی بازیابی (Recall)
  • 79. معیار F1-Score
  • 80. کاربرد عملی فیلتر و مرتب‌سازی در پایگاه داده
  • 81. بهینه‌سازی کوئری‌ها با استفاده از مرتب‌سازی
  • 82. فیلتر کردن داده‌ها در جستجوگرها
  • 83. مرتب‌سازی نتایج جستجو
  • 84. کاربرد فیلتر و مرتب‌سازی در تحلیل داده‌های بزرگ (Big Data)
  • 85. ملاحظات امنیتی در پردازش داده‌ها
  • 86. اصول کدنویسی تمیز و خوانا
  • 87. مستندسازی کد و الگوریتم‌ها
  • 88. آیندهٔ فیلتر و مرتب‌سازی در هوش مصنوعی
  • 89. مرتب‌سازی و فیلتر کردن در سیستم‌های توزیع‌شده

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.