Algorithm design & data structure
6.62K subscribers
927 photos
142 videos
175 files
521 links
این کانال برای تمامی علاقه‌مندان به کامپیوتر، مخصوصاً حوزه ساختمان داده‌ها و الگوریتم‌ها، مفید می باشد. آشنایی با ریاضیات مقدماتی، برنامه‌نویسی مقدماتی و پیشرفته و همچنین شی‌گرایی می‌تواند در درک بهتر مفاهیم این درس کمک‌ کند.

👨‍💻Admin👉 @Se_mohamad
Download Telegram
Media is too big
VIEW IN TELEGRAM
Session 14
درس: 📘 ساختمان داده‌ها و الگوریتم‌ها
موضوع: 🌳 درخت های جستجوی دودویی متوازن
مدرس: 👨‍🏫 دکتر مسعود صدیقین
دانشگاه: 🏛 صنعتی شریف

#الگوریتم
📣👨‍💻 @AlgorithmDesign_DataStructuer
Media is too big
VIEW IN TELEGRAM
Session 15
درس: 📘 ساختمان داده‌ها و الگوریتم‌ها
موضوع: 🗺 MAP و جدول در هم‌سازی
مدرس: 👨‍🏫 دکتر مسعود صدیقین
دانشگاه: 🏛 صنعتی شریف

#الگوریتم
📣👨‍💻 @AlgorithmDesign_DataStructuer
Media is too big
VIEW IN TELEGRAM
Session 16
درس: 📘 ساختمان داده‌ها و الگوریتم‌ها
موضوع: 🔢 درهم‌سازی - 2
مدرس: 👨‍🏫 دکتر مسعود صدیقین
دانشگاه: 🏛 صنعتی شریف

#الگوریتم
📣👨‍💻 @AlgorithmDesign_DataStructuer
Media is too big
VIEW IN TELEGRAM
Session 17
درس: 📘 ساختمان داده‌ها و الگوریتم‌ها
موضوع: 🔑 درهم‌سازی - درهم‌سازی دوگانه - توابع هش Universal - هش کامل
مدرس: 👨‍🏫 دکتر مسعود صدیقین
دانشگاه: 🏛 صنعتی شریف

#الگوریتم
📣👨‍💻 @AlgorithmDesign_DataStructuer
Media is too big
VIEW IN TELEGRAM
Session 18
درس: 📘 ساختمان داده‌ها و الگوریتم‌ها
موضوع: 🔄 مرتب‌سازی - 1
مدرس: 👨‍🏫 دکتر مسعود صدیقین
دانشگاه: 🏛 صنعتی شریف

#الگوریتم
📣👨‍💻 @AlgorithmDesign_DataStructuer
Media is too big
VIEW IN TELEGRAM
Session 19
درس: 📘 ساختمان داده‌ها و الگوریتم‌ها
موضوع: ⚡️ مرتب‌سازی سریع تصادفی - حد پایین بر روی مرتب‌سازی مقایسه‌ای - مرتب‌سازی خطی
مدرس: 👨‍🏫 دکتر مسعود صدیقین
دانشگاه: 🏛 صنعتی شریف

#الگوریتم
📣👨‍💻 @AlgorithmDesign_DataStructuer
Media is too big
VIEW IN TELEGRAM
Session 20
درس: 📘 ساختمان داده‌ها و الگوریتم‌ها
موضوع: 📊 مرتب‌سازی خطی - مسأله انتخاب
مدرس: 👨‍🏫 دکتر مسعود صدیقین
دانشگاه: 🏛 صنعتی شریف

#الگوریتم
📣👨‍💻 @AlgorithmDesign_DataStructuer
Media is too big
VIEW IN TELEGRAM
Session 21
درس: 📘 ساختمان داده‌ها و الگوریتم‌ها
موضوع: 🔗 گراف
مدرس: 👨‍🏫 دکتر مسعود صدیقین
دانشگاه: 🏛 صنعتی شریف

#الگوریتم
📣👨‍💻 @AlgorithmDesign_DataStructuer
Media is too big
VIEW IN TELEGRAM
Session 22
درس: 📘 ساختمان داده‌ها و الگوریتم‌ها
موضوع: 🔍 جستجوی عمق‌نخست (DFS)
مدرس: 👨‍🏫 دکتر مسعود صدیقین
دانشگاه: 🏛 صنعتی شریف

#الگوریتم
📣👨‍💻 @AlgorithmDesign_DataStructuer
Media is too big
VIEW IN TELEGRAM
Session 23
درس: 📘 ساختمان داده‌ها و الگوریتم‌ها
موضوع:🔍 جستجو در گراف‌ها - جستجوی سطح‌نخست (BFS)
مدرس: 👨‍🏫 دکتر مسعود صدیقین
دانشگاه: 🏛 صنعتی شریف

#الگوریتم
📣👨‍💻 @AlgorithmDesign_DataStructuer
Media is too big
VIEW IN TELEGRAM
Session 24
درس: 📘 ساختمان داده‌ها و الگوریتم‌ها
موضوع:🛤 کوتاه‌ترین مسیر در گراف وزن‌دار
مدرس: 👨‍🏫 دکتر مسعود صدیقین
دانشگاه: 🏛 صنعتی شریف

#الگوریتم
📣👨‍💻 @AlgorithmDesign_DataStructuer
Media is too big
VIEW IN TELEGRAM
Session 25
درس: 📘 ساختمان داده‌ها و الگوریتم‌ها
موضوع:🛤 کوتاه‌ترین مسیر در گراف
مدرس: 👨‍🏫 دکتر مسعود صدیقین
دانشگاه: 🏛 صنعتی شریف

#الگوریتم
📣👨‍💻 @AlgorithmDesign_DataStructuer
Media is too big
VIEW IN TELEGRAM
Session 26
درس: 📘 ساختمان داده‌ها و الگوریتم‌ها
موضوع:🌳 درخت پوشای کمینه
مدرس: 👨‍🏫 دکتر مسعود صدیقین
دانشگاه: 🏛 صنعتی شریف

#الگوریتم
📣👨‍💻 @AlgorithmDesign_DataStructuer
Media is too big
VIEW IN TELEGRAM
Session 27
درس: 📘 ساختمان داده‌ها و الگوریتم‌ها
موضوع:🌳 درخت پوشای کمینه - الگوریتم کراسکال
مدرس: 👨‍🏫 دکتر مسعود صدیقین
دانشگاه: 🏛 صنعتی شریف

#الگوریتم
📣👨‍💻 @AlgorithmDesign_DataStructuer
Media is too big
VIEW IN TELEGRAM
Session 28
درس: 📘 ساختمان داده‌ها و الگوریتم‌ها
موضوع:🔗 مجموعه‌های مجزا
مدرس: 👨‍🏫 دکتر مسعود صدیقین
دانشگاه: 🏛 صنعتی شریف

#الگوریتم
📣👨‍💻 @AlgorithmDesign_DataStructuer
اسلاید_ساختمان_داده_و_الگوریتم_دانشگاه_صنعتی_شریف.rar
42.8 MB
📚 اسلایدهای تدریس‌شده
درس: ساختمان داده‌ها و الگوریتم‌ها
مدرس: 👨‍🏫 دکتر مسعود صدیقین
دانشگاه: 🏛 صنعتی شریف

#الگوریتم
📣👨‍💻 @AlgorithmDesign_DataStructuer
👍4
the-growth-of-functions.pdf
522.2 KB
جزوه‌ها و مثال‌های کاربردی از مبحث رشد توابع در درس ساختمان داده که یکی از موضوعات مهم محسوب می‌شود.
📘📈

#الگوریتم
📣👨‍💻 @AlgorithmDesign_DataStructuer
یادگیری ماشین (Machine Learning) شاخه‌ای از هوش مصنوعی 🤖 است که به سیستم‌ها این قابلیت را می‌دهد تا بدون نیاز به برنامه‌نویسی دقیق، از تجربه‌ها یاد بگیرند و با گذشت زمان عملکردشان را بهبود دهند 📈. به جای استفاده از قوانین ثابت، مدل‌های یادگیری ماشین با استفاده از داده‌ها الگوها را شناسایی می‌کنند و بر اساس آن تصمیم‌گیری می‌کنند.

سه نوع اصلی یادگیری ماشین عبارتند از:

1. یادگیری نظارت‌شده (Supervised Learning): در این روش، مدل با استفاده از داده‌های ورودی و خروجی آموزش می‌بیند 📝 و هدف آن یادگیری رابطه بین آن‌هاست تا بتواند خروجی‌های جدید را پیش‌بینی کند. مثال: تشخیص ایمیل‌های اسپم ✉️.

2. یادگیری بدون نظارت (Unsupervised Learning): در این حالت، مدل تنها با داده‌های ورودی کار می‌کند و سعی می‌کند ساختارهای پنهان یا گروه‌های مشابه را پیدا کند 🔍. مثال: خوشه‌بندی مشتریان بر اساس رفتار خرید 🛒.

3. یادگیری تقویتی (Reinforcement Learning): مدل با تعامل با محیط خود و دریافت پاداش‌ها و تنبیه‌ها یاد می‌گیرد تا تصمیمات بهتری بگیرد 🏆. مثال: آموزش ربات‌ها برای حرکت در یک محیط 🚀.

یادگیری ماشین در حوزه‌های مختلف مانند تشخیص تصویر 📸، پردازش زبان طبیعی 🗣، و پیش‌بینی‌ها و توصیه‌ها (مانند پیشنهاد فیلم یا محصولات 🎥🛍) کاربرد دارد.

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer
👌7👍1💯1