آموزش غوطه‌وری عمیق در پارادایم‌های طراحی الگوریتم - آخرین آپدیت

دانلود Deep Dive into Algorithm Design Paradigms

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

طراحی و تحلیل الگوریتم‌ها: عمیق‌کاوی در پارادایم‌های طراحی الگوریتم

با دنیای شگفت‌انگیز طراحی الگوریتم‌ها به طور عمیق آشنا شوید و مهارت‌های حل مسئله خود را ارتقا دهید.

آنچه خواهید آموخت:

  • آشنایی با پارادایم‌های مختلف طراحی الگوریتم برای حل مسائل پیچیده.
  • یادگیری تکنیک‌های مختلف مرتب‌سازی، از روش‌های مقایسه‌ای پایه تا رویکردهای پیشرفته تقسیم و حل.
  • درک پیچیدگی‌های زمانی برای ارزیابی و انتخاب الگوریتم‌های مرتب‌سازی مناسب.
  • تسلط بر مفاهیم کلیدی مانند: تقسیم و حل، برنامه‌نویسی پویا، الگوریتم‌های حریصانه، و پس‌گرد (Backtracking).
  • غوطه‌وری در الگوریتم‌های مرتب‌سازی مانند مرتب‌سازی ادغامی (Merge Sort) و مرتب‌سازی سریع (Quick Sort) و نحوه پیاده‌سازی آن‌ها.
  • کاربرد تکنیک‌های الگوریتمی در حل مسائل دنیای واقعی، شامل مرتب‌سازی، جستجو، کوتاه‌ترین مسیر در گراف‌ها، جریان شبکه و تطابق رشته‌ها.

پیش‌نیازها:

  • آشنایی با حداقل یک زبان برنامه‌نویسی مانند جاوا، سی، سی++ یا موارد مشابه.
  • مهارت‌های قوی در حل مسئله.
  • درک مفاهیم ساختمان داده‌ها.

توضیحات دوره:

به دوره "عمیق‌کاوی در پارادایم‌های طراحی الگوریتم" خوش آمدید! این دوره با هدف ارائه کاوشی عمیق در اصول و تکنیک‌های بنیادین طراحی الگوریتم طراحی شده است. این دوره برای دانشجویانی که قصد دارند درک خود از استراتژی‌های مختلف الگوریتمی و کاربردهای عملی آن‌ها در حل مسائل محاسباتی پیچیده را تعمیق بخشند، ایده‌آل است.

در طول این دوره، دانشجویان با طیف وسیعی از پارادایم‌های الگوریتمی از جمله تقسیم و حل، برنامه‌نویسی پویا، الگوریتم‌های حریصانه، پس‌گرد و شاخه و کران آشنا خواهند شد. هر پارادایم به دقت بررسی می‌شود تا اصول زیربنایی، نقاط قوت و ضعف آن آشکار گردد و مجموعه‌ای قدرتمند از ابزارها را برای مواجهه با طیف متنوعی از مسائل در اختیار دانشجویان قرار دهد.

این دوره بر اهمیت بهره‌وری و بهینه‌سازی تأکید دارد و به دانشجویان می‌آموزد که چگونه با استفاده از نمادگذاری Big O، Big Omega و Big Theta، پیچیدگی زمانی و فضایی الگوریتم‌ها را تحلیل کنند. با تسلط بر این ابزارهای تحلیلی، دانشجویان نحوه ارزیابی امکان‌سنجی و عملکرد رویکردهای الگوریتمی مختلف را در زمینه‌های گوناگون فرا خواهند گرفت.

دانشجویان همچنین با به‌کارگیری این پارادایم‌ها در مسائل دنیای واقعی مانند مرتب‌سازی و جستجو، یافتن کوتاه‌ترین مسیر در گراف‌ها، زمان‌بندی و وظایف بهینه‌سازی، تجربه عملی کسب خواهند کرد. از طریق پروژه‌ها و تکالیف عملی، دانشجویان مهارت‌های لازم برای طراحی، پیاده‌سازی و بهینه‌سازی الگوریتم‌ها را برای کاربردهای مختلف توسعه خواهند داد.

در پایان این دوره، دانشجویان درک عمیقی از پارادایم‌های متعدد الگوریتمی خواهند داشت و با دانش و مهارت لازم برای نوآوری و حل مؤثر مسائل پیچیده در مسیر شغلی و تحصیلی خود مجهز خواهند شد. به ما بپیوندید تا اعماق تفکر الگوریتمی را کاوش کرده و در هنر طراحی الگوریتم‌های کارآمد و مؤثر مهارت یابید.


سرفصل ها و درس ها

الگوریتم‌های مرتب‌سازی و جستجو Sorting and Searching Algorithms

  • جستجوی خطی در مقابل جستجوی دودویی Linear Search Vs Binary Search

  • جستجوی خطی Linear Search

  • جستجوی دودویی Binary Search

  • مرتب‌سازی حبابی – مثال، شبه‌کد و تحلیل پیچیدگی زمانی Bubble Sort - Example, Pseudocode and Time Complexity Analysis

  • مرتب‌سازی درجی – مثال Insertion Sort - Example

  • مرتب‌سازی درجی – شبه‌کد و تحلیل پیچیدگی زمانی Insertion Sort - Pseudocode and Time Complexity Analysis

  • آزمون مرتب‌سازی و الگوریتم‌های جستجو Quiz on Sorting and Searching Algorithms

مقدمه‌ای بر الگوریتم‌ها Introduction to Algorithms

  • مقدمه – الگوریتم‌ها و پارادایم‌های طراحی مختلف آن Introduction - Algorithms and its different design paradigms

روابط بازگشتی Recurrence Relations

  • مقدمه Introduction

  • روش تعویض معکوس ۱ Back Substitution Method 1

  • روش تعویض معکوس ۲ Back Substitution Method 2

  • قضیه اصلی برای توابع تقسیم‌کننده Master's Theorem for Dividing Functions

  • قضیه اصلی برای توابع کاهشی Master's Theorem for Decreasing Functions

  • آزمون روابط بازگشتی Quiz on Recurrence Relations

روش تقسیم و غلبه Divide and Conquer Method

  • مرتب‌سازی ادغامی – مثال Merge Sort - Example

  • مرتب‌سازی ادغامی – شبه‌کد و تحلیل پیچیدگی زمانی Merge Sort - Pseudocode and Time Complexity Analysis

  • مرتب‌سازی سریع – مثال Quick Sort - Example

  • مرتب‌سازی سریع – شبه‌کد و تحلیل پیچیدگی زمانی Quick Sort - Pseudocode and Time Complexity Analysis

  • جستجوی دودویی – مثال Binary Search - Example

  • جستجوی دودویی – شبه‌کد و تحلیل پیچیدگی زمانی Binary Search - Pseudocode and Time Complexity Analysis

  • یافتن حداکثر و حداقل در یک آرایه – روش بازگشتی Findind Maximum and Minimum in an array - Recursive Method

  • یافتن حداکثر و حداقل در یک آرایه – روش تکراری Finding Maximum and Minimum in an array - Iterative Method

  • ضرب ماتریس اشتراسن Strassen's Matrix Multiplication

  • بیشترین مجموع زیرآرایه در یک آرایه – روش جستجوی کامل Maximum Subarray Sum in an Array - Brute Force Method

  • بیشترین مجموع زیرآرایه در یک آرایه – روش تقسیم و غلبه Maximum Subarray Sum in an Array - Divide and Conquer Method

  • بیشترین مجموع زیرآرایه در یک آرایه – الگوریتم کادانه Maximum Subarray Sum in an Array - Kadane's Algorithm

  • آزمون روش تقسیم و غلبه Quiz on Divide and Conquer Method

روش حریصانه Greedy Method

  • روش حریصانه – مقدمه Greedy Method - Introduction

  • الگوریتم کدگذاری هافمن – مثال Huffman Coding Algorithm - Example

  • الگوریتم کدگذاری هافمن – شبه‌کد و تحلیل پیچیدگی زمانی Huffman Coding Algorithm - Pseudocode and Time Complexity Analysis

  • مسئله کوله‌پشتی کسری Fractional Knapsack Problem

  • درخت پوشای کمینه – الگوریتم پریم Minimum Spanning Tree - Prim's Algorithm

  • درخت پوشای کمینه – الگوریتم کروسکال Minimum Spanning Tree - Kruskal's Algorithm

  • پیمایش درخت Tree Traversals

  • پیمایش درخت – پیمایش درونی (In-Order) Tree Traversals - In-Order Traversal

  • پیمایش درخت – پیمایش پیشونی (Pre-Order) Tree Traversals - Pre-Order Traversal

  • پیمایش درخت – پیمایش پسونی (Post-Order) Tree Traversals - Post-Order Traversal

  • آزمون روش حریصانه Quiz on Greedy Method

برنامه‌نویسی پویا Dynamic Programming

  • مسئله کوله‌پشتی ۰/۱ 0/1 Knapsack Problem

  • طولانی‌ترین زیردنباله مشترک (LCS) Longest Common Subsequence (LCS)

  • ضرب زنجیره ماتریس – مقدمه Matrix Chain Multiplication - Introduction

  • ضرب زنجیره ماتریس – مثال Matric Chain Multiplication - Example

  • الگوریتم فلوید-وارشال Floyd-Warshall Algorithm

  • آزمون برنامه‌نویسی پویا Quiz on Dynamic Programming

بازگشت Backtracking

  • بازگشت – مقدمه Backtracking - Introduction

  • مسئله N-ملکه N-Queens Problem

  • مسئله مجموع زیرمجموعه Sum of Subset Problem

  • دور هامیلتونی Hamiltonian Cycle

  • آزمون بازگشت Quiz on Backtracking

شاخه و کران Branch and Bound

  • مسئله کوله‌پشتی ۰/۱ – شاخه و کران 0/1 Knapsack Problem - Branch and Bound

  • پیمایش گراف – جستجوی اول سطح (BFS) Graph Traversals - Breadth-First Search (BFS)

  • پیمایش گراف – جستجوی اول عمق (DFS) Graph Traversals - Depth-First Search (DFS)

  • تفاوت بین BFS و DFS Difference between BFS and DFS

  • مسئله فروشنده دوره‌گرد (TSP) Travelling Salesman Problem (TSP)

الگوریتم‌های تصادفی و تقریبی Randomized and Approximation Algorithms

  • الگوریتم‌های تصادفی و تقریبی – مقدمه Randomized and Approximation Algorithms - Introduction

  • مسئله استخدام – الگوریتم تصادفی Hiring Problem - Randomized Algorithm

  • مرتب‌سازی سریع تصادفی Randomized Quick Sort

  • مسئله کمینه پوش راس – الگوریتم تقریبی Minimum Vertex Cover Problem - Approximation Algorithm

  • کلاس‌های پیچیدگی – P، NP، NP-سخت، NP-کامل Complexity Classes - P, NP, NP-Hard, NP-Complete

  • آزمون الگوریتم‌های تصادفی و تقریبی Quiz on Randomized and Approximation Algorithms

نمایش نظرات

آموزش غوطه‌وری عمیق در پارادایم‌های طراحی الگوریتم
جزییات دوره
14 hours
53
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
727
4.8 از 5
ندارد
دارد
دارد
Dr Saranya P
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Dr Saranya P Dr Saranya P

دانشیار، موسسه علم و فناوری SRM