کلاس آفلاین آموزش ساختمان داده و طراحی الگوریتم (درس)

کلاس آفلاین آموزش ساختمان داده و طراحی الگوریتم (درس)

کلاس آفلاین آموزش ساختمان داده و طراحی الگوریتم بر اساس ویراست‌های جدید چهار نویسنده مشهور این درس یعنی توماس اچ کورمن، چارلز ای لیزرسان، رونالد ال ریوست و کلیفورد استین موسوم به CLRS برگزار می‌گردد.

درس ساختمان داده یکی از مهمترین دروس کنکور ارشد مهندسی کامپیوتر و مهندسی فناوری اطلاعات است که بهترین منبع و بهترین کتاب ساختمان داده از نگاه دانشجویان و رتبه‌های برتر کنکور ارشد کامپیوتر و فناوری اطلاعات کتاب ساختمان داده ابوالفضل گیلک انتشارات راهیان ارشد و دکتری است.

برای شنیدن دیدگاه دانشجویان عزیز خانواده صمیمی بابان در قسمت نظرات کتاب و کلاس ساختمان داده و طراحی الگوریتم به صورت صوتی روی دکمه پلی کلیک کنید.

از سوی وزارت علوم، تحقیقات و فناوری منبع دروس ساختمان داده و طراحی الگوریتم کتاب توماس اچ کورمن، چارلز ای لیزرسان، رونالد ال ریوست و کلیفورد استین موسوم به CLRS معرفی شده‌است.

این کلاس شامل بیانی جامع، شیوا، کامل و دقیق در بخش تشریح درس و حل فوق تشریحی بخشی از تست‌های کنکور دولتی از سال 1390 تا 1403 در بخش حل تست خواهد بود.

کلاس ساختمان داده و طراحی الگوریتم، بر اساس جدیدترین ویرایش کتاب‌ CLRS خواهد بود.

شیوه ما در تدریس، یادگیری همراه با حل مساله است. نقطه ضعف اغلب دوره‌های آموزشی این است که دانشجوها مطلب درسی را یاد می‌گیرند ولی توانایی حل مساله ندارند. جهت‌گیری ما از همان ابتدا، توانایی حل مساله است. دانشجویان کلاس بعد از چند جلسه اول خواهند دید که چگونه اعتماد به نفس و توانایی حل مساله را پیدا کرده اند. طراحی الگوریتم به درسی شیرین و تا حدودی ساده تبدیل می‌شود.

کتاب ساختمان داده و طراحی الگوریتم ابوالفضل گیلک منتشر شده از سوی انتشارات بابان و انتشارات راهیان ارشد، مطالب ارزشمندی جهت درک درس ساختمان داده و طراحی الگوریتم ارائه کرده است، که تهیه آن را توصیه می‌کنیم.

با توجه به گستردگی درس ساختمان داده و طراحی الگوریتم در کنکور ارشد کامپیوتر‌ و اهمیت بسیار بالای این درس به دانشجویان توصیه می‌کنیم برای این درس در کلاس ساختمان داده و طراحی الگوریتم شرکت کنند.

اگر نیاز به تهیه کتاب به صورت فیزیکی دارید می توانید به سایت انتشارات بابان مراجعه نمایید.

در صورت نیاز به راهنمایی در خصوص کلاس ها و نحوه خرید با ما در ارتباط باشید.

فهرست مطالب کلاس آفلاین آموزش ساختمان داده و طراحی الگوریتم (درس)

فصل اول:  مقدمات پایه
تعریف الگوریتم، درستی الگوریتم، نرخ رشد توابع، معرفی مفاهیم: پایایی حلقه، تقسیم و غلبه، آنالیز احتمالات و محاسبه متوسط زمان مورد نیاز.
واژه های کلیدی:
Algorithms, loop invariant, Divided_and_Conquer
Growth of Functions

فصل دوم: مرتب سازی و آماره ترتیبی

فرض کنید لیستی از n داده عددی داشته باشیم:
x₁ x₂ . . . xₙ
اگر این لیست را به شکل صعودی مرتب کنیم لیست مرتب شده را به این صورت نامگذاری میکنیم:
x₍₁₎ x₍₂₎ . . . x₍ₙ₎
مثلا x₍₁₎ کوچکترین داده است و x₍₂₎ دومین کوچکترین داده است و … x₍ₙ₎ بزرگترین داده است. اینها را آماره های ترتیبی مینامند.
در این فصل، روشهای مرسوم مرتب سازی معرفی شده اند.هر کدام از این روشها مرتبه زمانی خود را دارند. البته هر کدام مزیت ها و محدودیتهایی دارند. مثلا برخی از آنها فقط برای اعداد صحیح کارایی دارند و برخی برای اعداد حقیقی( اعشاری) .
واژه های کلیدی این فصل:
Heap sort, Quick sort, Radix sort,
Worst case.

فصل سوم: ساختمان داده ها

پیش از جلوتر رفتن در طراحی الگوریتم، نیاز به معرفی ساختارهای ذخیره و بازیابی داده ها داریم. در واقع مهم است که ورودی یا خروجی یک برنامه با چه فرمتی داده میشود.
میدانید که ساختمان های متنوعی برای داده ها وجود دارد. هر کدام از آنها مزیتها و محدودیتهایی دارند. به ویژه نحوه درج یک داده جدید یا حذف یک داده در هر کدام از این ساختارها برای ما اهمیت دارد. این ساختارها عبارتند از: پشته، صف،آرایه های یک بعدی و چند بعدی، لیست پیوندی….
واژه های کلیدی این فصل:
Stacks, Queues, Linked lists,
Rooted Trees, Hash table,
Binary search trees,
Insertion and Deletion,

فصل چهارم: طراحی الگوریتم پیشرفته

در بسیاری از مسائل کاربردی حوزه اقتصاد، صنعت و مدیریت، با مفهوم #بهینه_سازی روبرو هستیم.
یافتن بیشترین سود ممکن، یافتن کمترین هزینه ممکن، یافتن کوتاهترین مسیر، و … همه اینها نمونه هایی از بهینه سازی هستند.
برای حل مسئله بهینه سازی در قالب یک الگوریتم، دو راه اصلی وجود دارد:
روش #پویا (dynamic) و روش #حریصانه (greedy). تعریف دقیق این روشها مشکل است اما به طور کلی میتوان گفت:
اگر بتوانیم ابتدا یک معیار برای انتخاب بهینه پیدا کنیم و اشیاء را طبق آن اولویت بندی کنیم و بعد با رعایت آن اولویت کار را انجام دهیم، روش حریصانه را انجام داده ایم.
اما اگر نتوانیم آن اولویت را ایجاد کنیم و بخواهیم در ضمن انجام کار و گام به گام مراقب انتخاب بهینه باشیم، روش پویا را در پیش گرفته ایم. در روش پویا معمولا یک فرمول بازگشتی هم داریم که به بهینه کردن کار در هر مرحله کمک میکند.
مثلا سارقی را تصور کنید که با یک کوله پشتی به مغازه حبوبات رفته است. او ابتدا قیمت هر کیلو از حبوبات مختلف را در نظر میگیرد، سپس با گران قیمت ترین کالا شروع میکند و آنقدر ادامه میدهد تا کوله اش پر شود. این یک روش حریصانه است. او از همان ابتدا میداند که اولویتش چیست.
حالا همان سارق را تصور کنید که به مغازه ساعت فروشی رفته است. دیگر نمیتواند با خیال راحت از گران قیمت ترین ساعت شروع کند زیرا ممکن است گران قیمت ترین ساعت به دلیل شکل هندسی اش دیگر اجازه ورود ساعت های دیگر به کوله را ندهد.
ممکن است انتخاب ۵ ساعت ارزانتر و کوچکتر بهتر از انتخاب یک ساعت بزرگ و گران قیمت باشد. حالا او معیار انتخابش را از دست داده و باید در بین همه حالات ممکن، بهترین انتخاب ها را پیدا کند. او نیاز به یک روش پویا دارد.
در فصل ۴، نمونه هایی از حل مسایل با دو روش بالا را خواهید دید:
ضرب ماتریسها، کوله پشتی، کد هافمن، طولانی ترین زیر رشته مشترک، ….
واژه های کلیدی:
Dynamic programming
Greedy Algorithms
Huffman codes
Longest common subsequence
Optimal binary search

فصل پنجم: ساختمان داده های پیشرفته

برای پیش رفتن در طراحی الگوریتم باید با ساختارهای دیگری از داده ها آشنا شویم.
فصل پنجم مقدمه ای برای فصل ششم است.
واژه های کلیدی:
B.trees
Fibonacci heaps
Disjoint sets

فصل ششم: الگوریتم های مرتبط با گراف.

تعداد زیادی از کاربردهای ریاضی در اقتصاد و مدیریت، در قالب گراف مدلسازی میشوند.
در این فصل، ابتدا کمی از مباحث نظریه گرافها را مرور میکنیم مانند: نمایش های مختلف گراف به صورت ماتریس مجاورت و ماتریس تقاطع و .. جستجوی سطح نخست، جستجوی عمق نخست، درخت فراگیر، ترتیب توپولوژیک، همبندی و انواع آن، گراف ساده و وزن دار….
سپس بحث اصلی آغاز میشود:
۱. یافتن درخت فراگیر مینیمال:
پریم و کراسکال
۲. یافتن کوتاهترین مسیر با مبدا مشخص
بلمن فورد و دیجسترا
۳. یافتن کوتاهترین مسیر با مبدا و مقصد دلخواه
فلوید مارشال، جانسون،
همچنین تکرار دیجسترا یا بلمن فورد در یک حلقه نیز میتواند مساله را حل کند.
۴. یافتن حداکثر شار
واژه های کلیدی:
Depth_first search
Breadth_first search
Topological sort
Minimum spanning tree
Shortest paths
Maximum flow

فصل هفتم: عناوین انتخابی

در این فصل، تعدادی از الگوریتم های پرکاربرد در مباحث متنوع انتخاب و معرفی شده اند.
الگوریتم های چند شاخه ای، عملگرهای ماتریسی، الگوریتم های مرتبط با چند جمله ایها، روش هورنر ،برنامه ریزی خطی، الگوریتم های مرتبط با نظریه اعداد و ….همچنین بخشی در مورد رده P و NP آمده است.
واژه های کلیدی:
Multithreaded Algorithms
Matrix operations
Linear programming
Polynomials
Number theory
Np completeness

فصل هشتم: زمینه های ریاضی

این فصل در واقع یک ضمیمه است که در آن پیشنیازهای ریاضی بحث، مطرح شده اند.
مجموع های متناهی، دنباله ها، نظریه مجموعه ها و توابع، شمارش و احتمال، ماتریسها.

کانال ویدیوهای آموزش ساختمان داده و طراحی الگوریتم در آپارات