بررسی عمیق پارادایمهای طراحی الگوریتم
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- دانشجویان با پارادایمهای الگوریتمی گوناگون برای حل مسائل آشنا میشوند.
- دانشجویان تکنیکهای مختلف مرتبسازی، از متدهای اولیه مبتنی بر مقایسه تا رویکردهای پیشرفتهی تقسیم و غلبه را فرا میگیرند.
- درک پیچیدگی زمانی به ارزیابی و انتخاب الگوریتمهای مرتبسازی مناسب کمک میکند.
- آشنایی با مفاهیم کلیدی مانند تقسیم و غلبه، برنامهنویسی پویا، الگوریتمهای حریصانه و بازگشتی که برای حل مسائل پیچیده محاسباتی ضروری هستند.
- بررسی عمیق الگوریتمهای مرتبسازی از جمله مرتبسازی ادغامی و مرتبسازی سریع و یادگیری پیادهسازی آنها
- کاربرد تکنیکهای الگوریتمی برای حل مسائل دنیای واقعی، شامل مرتبسازی و جستجو، یافتن کوتاهترین مسیر در گرافها، جریان شبکه و تطبیق رشته
پیشنیازهای دوره
- آشنایی با حداقل یک زبان برنامهنویسی مانند Java و C و ++C یا موارد مشابه
- مهارت حل مسئله
- درک مفاهیم ساختارهای داده
توضیحات دوره
به دوره «بررسی عمیق در پارادایمهای مختلف الگوریتمی» خوش آمدید. این دوره برای ارائه یک بررسی جامع از اصول و تکنیکهای اساسی طراحی الگوریتم تدوین شده است. این دوره برای دانشجویانی طراحی شده که میخواهند درک خود را از استراتژیهای گوناگون الگوریتمی و کاربردهای عملی آنها در حل مسائل پیچیده محاسباتی عمیقتر کنند.
در طول این دوره، دانشجویان با طیف وسیعی از پارادایمهای الگوریتمی از جمله تقسیم و غلبه، برنامهنویسی پویا، الگوریتمهای حریصانه، بازگشتی و شاخه و حد آشنا خواهند شد. هر پارادایم به تفصیل تحلیل میشود تا اصول بنیادی، نقاط قوت و ضعف آن آشکار شود و دانشجویان به مجموعهای از ابزارهای قدرتمند برای رویارویی با مسائل متنوع مجهز شوند.
این دوره بر اهمیت کارایی و بهینهسازی تأکید دارد و به دانشجویان میآموزد که چگونه پیچیدگی زمانی و فضایی الگوریتمها را با استفاده از نمادهای Big O و Big Omega و Big Theta تحلیل کنند. با تسلط به این ابزارهای تحلیلی، دانشجویان قادر خواهند بود عملکرد رویکردهای الگوریتمی مختلف را در شرایط گوناگون ارزیابی کنند.
همچنین، دانشجویان با اعمال این پارادایمها در مسائل دنیای واقعی مانند مرتبسازی و جستجو، یافتن کوتاهترین مسیر در گراف، زمانبندی و تسک های بهینهسازی، تجربهی عملی کسب خواهند کرد. از طریق پروژهها و تمرینهای عملی، مهارتهای لازم برای طراحی، پیادهسازی و بهینهسازی الگوریتمها برای کاربردهای مختلف را توسعه خواهند داد.
در پایان این دوره، دانشجویان به درک عمیقی از پارادایمهای متعدد الگوریتمی دست خواهند یافت و با دانش و مهارتهای لازم برای نوآوری و حل کارآمد مسائل پیچیده در مسیر شغلی و تحصیلی خود مجهز خواهند شد. این دوره فرصتی است برای بررسی در اعماق تفکر الگوریتمی و کسب مهارت در هنر طراحی الگوریتمهای کارآمد و مؤثر.
این دوره برای چه کسانی مناسب است؟
- دانشجویان مقطع کارشناسی یا کارشناسی ارشد در رشتههای علوم کامپیوتر، مهندسی نرمافزار و رشتههای مرتبط که به دنبال درک عمیقتری از الگوریتمها و ساختارهای داده اساسی هستند.
- علاقهمندان و شرکتکنندگان در مسابقات برنامهنویسی مانند ACM ICPC و Google Code Jam یا LeetCode که میخواهند مهارتهای الگوریتمی خود را تقویت کرده و عملکرد خود را بهبود بخشند.
بررسی عمیق پارادایمهای طراحی الگوریتم
-
مقایسه جستجوی خطی و جستجوی دودویی 12:23
-
جستجوی خطی 10:28
-
جستجوی دودویی 16:50
-
مرتبسازی حبابی: مثال، شبهکد و تحلیل پیچیدگی زمانی 18:09
-
مرتبسازی درجی: مثال 23:38
-
مرتبسازی درجی: شبهکد و تحلیل پیچیدگی زمانی 06:19
-
آزمون الگوریتمهای مرتبسازی و جستجو None
-
مقدمه: الگوریتمها و پارادایمهای مختلف طراحی 21:55
-
مقدمه 19:06
-
متد جایگزینی بازگشتی (بخش اول) 06:59
-
متد جایگزینی بازگشتی (بخش دوم) 07:33
-
قضیه اصلی برای توابع تقسیم شونده 14:52
-
قضیه اصلی برای توابع کاهشی 11:46
-
آزمون روابط بازگشتی None
-
مرتبسازی ادغامی: مثال 17:23
-
مرتبسازی ادغامی: شبهکد و تحلیل پیچیدگی زمانی 18:24
-
مرتبسازی سریع: مثال 28:23
-
مرتبسازی سریع: شبهکد و تحلیل پیچیدگی زمانی 16:54
-
جستجوی دودویی: مثال 16:50
-
جستجوی دودویی: شبهکد و تحلیل پیچیدگی زمانی 14:19
-
یافتن کمینه و بیشینه در آرایه: متد بازگشتی 17:56
-
یافتن کمینه و بیشینه در آرایه: متد تکراری 07:15
-
ضرب ماتریس استراسن 28:22
-
بیشینه مجموع زیرآرایه: متد Brute Force 10:48
-
بیشینه مجموع زیرآرایه: متد تقسیم و غلبه 22:55
-
بیشینه مجموع زیرآرایه: الگوریتم Kadane 10:57
-
آزمون متد تقسیم و غلبه None
-
متد حریصانه: مقدمه 07:23
-
الگوریتم کدگذاری هافمن: مثال 25:01
-
الگوریتم کدگذاری هافمن: شبهکد و تحلیل پیچیدگی زمانی 11:51
-
مسئله کولهپشتی کسری 24:26
-
درخت پوشای کمینه: الگوریتم پریم 26:00
-
درخت پوشای کمینه: الگوریتم کروسکال 12:55
-
پیمایش درخت 06:44
-
پیمایش درخت: پیمایش میانترتیب 07:09
-
پیمایش درخت: پیمایش پیشترتیب 07:16
-
پیمایش درخت: پیمایش پسترتیب 07:15
-
آزمون متد حریصانه None
-
مسئله کولهپشتی صفر و یک (0/1) 28:37
-
بزرگترین زیررشته مشترک (LCS) 18:56
-
ضرب زنجیرهای ماتریسها: مقدمه 11:54
-
ضرب زنجیرهای ماتریسها: مثال 26:37
-
الگوریتم فلوید-وارشال 20:47
-
آزمون برنامهنویسی پویا None
-
روش بازگشتی: مقدمه 04:06
-
مسئله N وزیر 24:04
-
مسئله مجموع زیرمجموعهها 16:18
-
دور همیلتونی 23:03
-
آزمون روش بازگشتی None
-
مسئله کولهپشتی صفر و یک: روش شاخه و حد 22:09
-
پیمایش گراف: جستجوی اول سطح (BFS) 10:42
-
پیمایش گراف: جستجوی اول عمق (DFS) 14:49
-
تفاوت بین جستجوی BFS و DFS 07:23
-
مسئله فروشنده دورهگرد (TSP) 25:14
-
الگوریتمهای تصادفی و تقریبی: مقدمه 16:23
-
مسئله استخدام: الگوریتم تصادفی 10:15
-
مرتبسازی سریع تصادفی 15:37
-
مسئله پوشش رأسی کمینه: الگوریتم تقریبی 14:03
-
کلاسهای پیچیدگی: P, NP, NP-Hard, NP-Complete 16:47
-
آزمون الگوریتمهای تصادفی و تقریبی None
مشخصات آموزش
بررسی عمیق پارادایمهای طراحی الگوریتم
- تاریخ به روز رسانی: 1404/09/07
- سطح دوره:متوسط
- تعداد درس:60
- مدت زمان :14:04:08
- حجم :9.1GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy