مخصوص اعضای ویژه 
قیمت این دوره با تخفیف 70% : 540,000 تومان مهلت استفاده از این تخفیف تا :
قیمت این دوره: 1,800,000 540,000 تومان
- مدرس دوره : ابوالفضل گنج تابش ( رزومه )
- تعداد ویدیوها : 26 ویدیو
- مدت زمان دوره : 5:37:00
- سطح دوره : متوسط
- وضعیت دوره : به اتمام رسیده
آموزش بررسی و پیاده سازی ساختمان داده ها و الگوریتم ها با پایتون + تئوری و پروژه محور
دوره ساختمان داده و الگوریتم به زبان پایتون | آموزش کاربردی و گرافیکی
بسیاری از برنامهنویسها میتوانند کد بنویسند، اما وقتی پای حل مسئله، بهینهسازی کد یا سوالات مصاحبه فنی به میان میآید، کار سخت میشود. دلیل اصلی این است که پایهی ساختمان داده و الگوریتم به درستی یاد گرفته نشده است.
در این دوره، این مفاهیم را به صورت ساده، گرافیکی، کاربردی و همراه با پیادهسازی واقعی در پایتون بررسی میکنیم. به جای حفظ کردن تعریفها، به صورت سناریو محور یاد میگیرید که هر ساختار داده یا الگوریتم کجا استفاده میشود و چرا اهمیت دارد.
سرفصلهای کلیدی دوره:
پیچیدگی زمانی و حافظه (Time & Space Complexity)
انواع ساختمان داده (آرایه، لیست پیوندی، پشته، صف، هش جدول)
درختها (درخت دودویی، BST، پیمایشهای مختلف)
پیادهسازی الگوریتمها در پایتون قدم به قدم
این دوره به چه درد شما میخورد؟
پس از گذراندن این دوره، میتوانید از مفاهیم یاد گرفته شده در موقعیتهای زیر استفاده کنید:
حل بهتر مسائل برنامهنویسی
آمادگی برای مصاحبههای فنی برنامهنویسی در شرکتهای معتبر
درک بهتر کدهای پیچیده در پروژههای واقعی
استفاده در توسعه وب، مهندسی نرمافزار، بازیسازی و پروژههای الگوریتمی
تقویت تفکر الگوریتمی برای طراحی سیستمها
این دوره مناسب چه کسانی است؟
اگر برنامهنویسی بلدید اما احساس میکنید در تحلیل مسئله و طراحی الگوریتم ضعف دارید، این دوره میتواند دید بسیار بهتری به شما بدهد. پیشنیاز دوره، آشنایی حداقل در سطح متوسط با پایتون یا یک زبان برنامهنویسی دیگر است.
همین حالا با یادگیری اصولی ساختمان داده و الگوریتم، پایه علمی و عملی خود را در علوم کامپیوتر قوی کنید و از سایر برنامهنویسان متمایز شوید.
سرفصلهای دوره جامع ساختمان داده و الگوریتم با پایتون
در این دوره، مباحث به صورت کاملاً عملی و گامبهگام از پایه تا پیشرفته پوشش داده میشود:
نقشه راه یادگیری ساختمان داده و الگوریتم – مسیر صحیح مطالعه و اولویتبندی مباحث
ساختمان داده چیست؟ – تعریف، مفاهیم پایه و چرایی اهمیت آن در برنامهنویسی
انواع ساختمان داده و پیادهسازی آنها با پایتون – آرایه، لیست پیوندی، پشته، صف، هش جدول و ...
بررسی و پیادهسازی الگوریتمها در پایتون – الگوریتمهای جستجو، مرتبسازی، بازگشتی و ...
پیچیدگی زمانی و پیچیدگی حافظه (Time & Space Complexity) – تحلیل کارایی الگوریتمها با نمادهای Big O
تریدآف زمان-حافظه (Time-Memory Trade-off) – چگونه بین سرعت اجرا و مصرف حافظه تعادل برقرار کنیم؟
بررسی و پیادهسازی درخت (Tree) – مفاهیم پایه، اصطلاحات و انواع درخت
انواع پیمایشهای درخت (Tree Traversals) – پیشترتیب، میانترتیب، پسترتیب و سطحی
بررسی و پیادهسازی درخت دودویی (Binary Tree) – ویژگیها، عملیات و کاربردهای عملی
فهرستـــ ویدیوها
مدت زمان دوره 5:37:00با مشاهده آنلاین جلسات در سایت ، هزینه اینترنت شما به صورت نیم بها محاسبه خواهد شد.
2
ساختمان داده چیست؟ دلیل اهمیت آن ؟
00:09:08
در این جلسه با کانسپت و مفهوم ساختمان داده اشنا میشیم و همچنین دلیل اهمیت ساختمان داده در دنیای برنامه نویسی و مهندسی نرم افزار رو بررسی میکنیم
3
بررسی Array
00:11:23
در این قسمت به بررسی کامل اولین ساختمان داده دوره یعنی ارایه میپردازیم و تمام نقاط قوت و ضعف ارایه رو بررسی میکنیم همچنین با یک سناریو متوجه کاربرد ارایه میشویم
4
پیاده سازی Array
00:10:53
در این قسمت به پیاده سازی ارایه و کار با انواع متد ها میپردازیم و سناریو جلسه قبل رو پیاده سازی میکنیم
5
بررسی Linked List
00:12:53
در این قسمت به بررسی Linked List میپردازیم و با سناریو جلسات قبل میایم مزایا و مشکلات این ساختمان داده رو بررسی میکنیم
6
پیاده سازی LinkedList
00:26:00
در این قسمت به پیاده سازی LinkedList و متد هایش میپردازیم و سناریو جلسه قبل رو پیش میبریم
7
بررسی HashTable
00:11:26
در این قسمت به بررسی مفهوم HashTable میپردازیم و با تمام مزیت ها و معایبش اشنا میشیم و همچنین در قالب سناریو جلسات قبل HashTable رو بررسی میکنیم
8
پیاده سازی HashTable
00:28:00
در این قسمت به پیاده سازی HashTable و متد های آن میپردازیم و در قالب سناریو جلسات قبلی HashTable رو بررسی میکنیم
9
بررسی و پیاده سازی Queue
00:15:00
در این قسمت به بررسی و پیاده سازی Queue میپردازیم و طبق روند جلسات قبل جلو میریم
10
بررسی و پیاده سازی Stack
00:15:00
در این قسمت به بررسی و پیاده سازی Stack میپردازیم و طبق روند جلسات قبل جلو میریم
11
Algorithm Complexity
00:08:03
در این قسمت مبحث پیچیدگی رو در الگوریتم مورد بررسی قرار میدیم و برای جلسات اینده اماده میشیم
12
ابزار Big O
00:12:11
در این قسمت به بررسی دقیق تر Big O میپردازیم و کاربردش در طراحی الگوریتم رو بررسی میکنیم
13
Time vs space complexity
00:14:00
در این قسمت به trade-off بین زمان-حافظه همچنین مقایسه پیچیدگی ان ها میپردازیم
14
بررسی merge sort
00:08:00
در این قسمت وارد مبحث الگوریتم های مرتب سازی میشویم و در اولین قسمت ازین بخش merge sort رو باهم بررسی میکنیم تا در جلسات اینده پیاده سازی این الگوریتم و الگوریتم های دیگر رو باهم داشته باشیم
17
بررسی و پیاده سازی Bubble Sort
00:17:56
در این قسمت با یک الگوریتم مرتب سازی دیگه به نام Bubble sort اشنا میشیم و در این جلسه هم بررسیش میکنیم و هم پیاده سازیش با پایتون رو انجام میدم
18
بررسی و پیاده سازی Selection Sort
00:14:30
در این قسمت به بررسی و پیاده سازی Selection Sort میپردازیم
22
بررسی و پیاده سازی پیمایش preorder
00:09:52
در این جلسه میریم سراغ پیمایش ها که روی درخت دودویی ساده جلسه قبلمون پیمایش کنیم و در این جلسه پیمایش preorder رو بررسی و پیاده سازی میکنیم
23
بررسی و پیاده سازی پیمایش postorder
00:07:40
در این قسمت پیمایش postorder رو بررسی و پیاده سازی میکنیم
24
بررسی و پیاده سازی پیمایش inorder
00:08:30
در این قسمت به پیمایش inorder میپردازیم و بررسی و پیاده سازیش میکنیم
نظرات کاربران در رابطه با این دوره