کلاس آفلاین ساختمان داده و طراحی الگوریتم + کلاس نکته و تست

توجه: این کلاس 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.

توجه: 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.

توجه: دوره آفلاین درس ساختمان داده و طراحی الگوریتم، بر اساس آخرین ویرایش از کتاب‌ CLRS خواهد بود.

توجه: همه سوالات درس ساختمان داده و طراحی الگوریتم،  که در ۱۰ سال اخیر مطرح شده‌اند به شکل کاملا تشریحی، کالبد شکافی می‌شوند. هر جا که روش کوتاهی موجود باشد، گفته خواهد شد. 

توجه: 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.

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

مشخصات کلاس آفلاین ساختمان داده و طراحی الگوریتم

عنوان کلاس آنلاین: ساختمان داده و طراحی الگوریتم

مقطع: کارشناسی ارشد و دکتری

استاد: ابوالفضل گیلک

برگزار کننده: موسسه بابان

ترم: ویژه کنکور دولتی ۱۴۰۰

طول دوره: ۷۰ ساعت درس کامل + ۳۰ ساعت نکته و تست کامل، دوره شامل درس کامل و نکته و تست کامل همه در یکبار ثبت نام است.

سرفصل‌های کلاس آفلاین ساختمان داده و طراحی الگوریتم

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.

دانلود فیلم کلاس آفلاین ساختمان داده و طراحی الگوریتم

کلاس آفلاین ساختمان داده و طراحی الگوریتم

کلاس آفلاین ساختمان داده و طراحی الگوریتم

450,000 تومان 200,000 تومانافزودن به سبد خرید

2 دیدگاه برای کلاس آفلاین ساختمان داده و طراحی الگوریتم + کلاس نکته و تست

  1. نمره 4 از 5

    jomezade@gmail.com (مالک تایید شده)

    با سلام
    من این آموزش رو تهیه کردم و تا اینجای کار که نگاه کردم عالی بود… ممنون از استاد عزیز
    فقط جزوه ای داخل فایل ها نبود… کاش اسلایدهای آموزش قرار ده می شد… فقط ویدئوها بود

    • گروه بابان

      سلام و عرض تبریک

      جزوه همراه کلاس هست، جهت دریافت از فایل ورد داخل پروفایل وارد لینک کلاس شوید و یا به واحد پشتیبانی در تلگرام پیام دهید.

  2. نمره 4 از 5

    arezoo.sites@gmail.com (مالک تایید شده)

    با عرض سلام و خسته نباشید
    من دوره را تهیه کردم ولی جزوه و نکته و تست داخل موارد دانلود نیست
    ممنون میشم راهنماییم کنید با تشکر

    • گروه بابان

      سلام
      جزوه داخل لینک اختصاصی هست، لینک از پروفایل قابل دانلود است

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *