آموزش تفکر محاسباتی برای حل مسئله - آخرین آپدیت

ستون‌های تفکر محاسباتی Pillars of Computational Thinking

• 1.1 مقدمه 1.1 Introduction

• 1.2 تجزیه (Decomposition) 1.2 Decomposition

• 1.3 تشخیص الگو 1.3 Pattern Recognition

• 1.4 نمایش داده‌ها و انتزاع 1.4 Data Representation and Abstraction

• 1.5 الگوریتم‌ها 1.5 Algorithms

• 1.6 بررسی موردی (Case Studies) 1.6 Case Studies

بیان و تحلیل الگوریتم‌ها Expressing and Analyzing Algorithms

• 2.1 یافتن بزرگترین مقدار 2.1 Finding the Largest Value

• 2.2 جستجوی خطی 2.2 Linear Search

• 2.3 پیچیدگی الگوریتمی 2.3 Algorithmic Complexity

• 2.4 جستجوی دودویی (Binary Search) 2.4 Binary Search

• 2.5 الگوریتم‌های جستجوی فراگیر (Brute Force) 2.5 Brute Force Algorithms

• 2.6 الگوریتم‌های حریصانه (Greedy) 2.6 Greedy Algorithms

• 2.7 بررسی موردی (Case Studies) 2.7 Case Studies

عملیات‌های بنیادی یک کامپیوتر مدرن Fundamental Operations of a Modern Computer

• 3.1 تاریخچه کامپیوتر 3.1 A History of the Computer

• 3.2 مقدمه‌ای بر معماری فون نویمان 3.2 Intro to the von Neumann Architecture

• 3.3 داده‌ها در معماری فون نویمان 3.3 von Neumann Architecture Data

• 3.4 جریان کنترل در معماری فون نویمان 3.4 von Neumann Architecture Control Flow

• 3.5 بیان الگوریتم‌ها در قالب شبه‌کد 3.5 Expressing Algorithms in Pseudocode

• 3.6 بررسی موردی (Case Studies) 3.6 Case Studies

تفکر محاسباتی کاربردی با استفاده از پایتون Applied Computational Thinking Using Python

• 4.1 مقدمه‌ای بر پایتون 4.1 Introduction to Python

• 4.2 متغیرها 4.2 Variables

• 4.3 جملات شرطی 4.3 Conditional Statements

• 4.4 لیست‌ها 4.4 Lists

• 4.5 تکرار (Iteration) 4.5 Iteration

• 4.6 توابع 4.6 Functions

• 4.7 کلاس‌ها و اشیاء 4.7 Classes and Objects

• 4.8 بررسی موردی (Case Studies) 4.8 Case Studies

• 4.9 نتیجه‌گیری دوره 4.9 Course Conclusion