دوره رایگان الگوریتم‌ها: طراحی و تجزیه و تحلیل (بخش2)
تیم تحریریه- ۱ مرداد ۱۴۰۱
دوره «الگوریتم‌ها: طراحی و تجزیه و تحلیل، قسمت 2» در دانشگاه استنفورد برگزار خواهد شد. دانشگاه استنفورد، با نام رسمی Leland Stanford Junior University، یک دانشگاه تحقیقاتی خصوصی است که در سال 1885 در استنفورد کالیفرنیا، تأسیس شد. این دانشگاه از بزرگ‌ترین دانشگاه‌های ایالات متحده است و بیش از 17000 دانشجو در آن تحصیل می‌کنند؛ در این مرکز دوره‌های آموزشی رایگان برای دانشجویان سراسر جهان برگزار می‌شود که دوره اخیر نیز از آن جمله است. الگوریتم‌ها قلب علم کامپیوتر هستند و این موضوع کاربردهای عملی بی‌شماری دارد؛ این دوره مقدمه‌ای بر الگوریتم‌ها برای دانشجویان با حداقل تجربه برنامه‌نویسی است.
دوره «الگوریتم‌ها: طراحی و تجزیه وتحلیل، قسمت 2» از 3 جولای سال جاری آغاز و در 31 آگوست پایان می‌یابد. طول دوره رایگان الگوریتم‌ها، شش هفته است و هفته‌ای یک‌بار، دو الی چهار ساعت برگزار خواهد شد. پیشرفت در این دوره، به میزان استفاده دانشجو از کلاس‌ها بستگی دارد؛ ویدیوی آموزشی کلاس‌ها پس از برگزاری جلسات آنلاین نیز، در دسترس کاربران خواهد بود.
ویژگی‌های دوره
دوره رایگان الگوریتم‌ها، مناسب برای دانشجویانی است که از حداقل تجربه برنامه‌نویسی برخوردارند. این دوره طراحی و تحلیل الگوریتم‌ها را با جزئیات آموزش می‌دهد و پس از اتمام این دوره، تقریباً از هر کسی که متخصص این موضوع نیست، تسلط بیشتری بر الگوریتم‌ها خواهید داشت.
موضوعات خاص در بخش دوم دوره رایگان الگوریتم‌ها، عبارتند از: الگوریتم‌های حریصانه (زمان‌بندی، حداقل درختان پوشای کمینه، خوشه‌بندی، کدهای هافمن)، برنامه‌نویسی پویا (کوله‌پشتی، هم‌تراز سازی توالی، درخت‌های جستجوی بهینه، کوتاه‌ترین مسیرها)، کامل بودن NP و معنای آن برای طراح الگوریتم، تجزیه و تحلیل اکتشافی، جستجوی محلی.
دانشجویان از طریق چندین نوع ارزیابی، اصول الگوریتم‌ها را تمرین کرده و به آن‌ها مسلط خواهند شد. مجموعه مسائل چند گزینه‌ای برای آزمایش درک دانشجو از مهم‌ترین مفاهیم وجود دارد. همچنین تکالیف برنامه‌نویسی وجود دارد که در آن‌ها، دانشجو یکی از الگوریتم‌های پوشش داده شده در سخنرانی را در زبان برنامه‌نویسی مورد نظر خود پیاده‌سازی می‌کند. دوره با یک سنجش نهایی چند گزینه‌ای به پایان می‌رسد. هیچ تاریخ مشخصی برای ارائه تکالیف دانشجویان وجود ندارد و شما می‌توانید مطابق با برنامه‌ریزی خود، تکالیف دوره را پیش ببرید.
مؤسسه برگزارکننده: دانشگاه استنفورد
موضوع: علم کامپیوتر
سطح: متوسط
زبان: انگلیسی
زیرنویس فیلم‌ها: انگلیسی
پیش‌نیازها: این دوره، برای دانشجویانی با کمی تجربه برنامه‌نویسی که می‌خواهند اصول الگوریتم‌ها را بیاموزند، طراحی شده است. در برنامه درسی علوم کامپیوتر دانشگاه، این دوره معمولا در سال سوم گرفته می‌شود.
آنچه در این دوره خواهید آموخت
الگوریتم‌های حریصانه (زمان‌بندی، درختان پوشای کمینه، خوشه‌بندی، کدهای هافمن)
یکی از روش‌های پرکاربرد طراحی الگوریتم‌ها، روش حریصانه (Greedy) است که در حل بسیاری از مسائل از جمله مسایل بهینه‌سازی بهکار می‌رود و جایگزینی مناسب برای روش‌هایی مانند برنامه‌ریزی پویا است. این روش نسبت به سایر روش‌های مشابه خود از سرعت و مرتبه اجرایی بهتری برخوردار است هرچند ممکن است به یک جواب بهینه منجر نشود. در این روش در هر مرحله بهترین انتخاب ممکن از میان انتخا‌ب‌های موجود برگزیده می‌شود و به همین دلیل به این روش، روش حریصانه گفته می‌شود.
برنامه‌نویسی پویا (کوله‌پشتی، هم‌تراز سازی توالی)
الگوریتم‌های برنامه‌نویسی پویا تضمین می‌کنند که هم‌ترازی بهینه، بین دو دنباله را پیدا خواهند کرد. برای بیش از چند دنباله، الگوریتم‌های دقیق از نظر محاسباتی، غیرعملی می‌شوند و الگوریتم‌های پیش‌رونده که ترازهای زوجی را تکرار می‌کنند، به‌طور گسترده مورد استفاده قرار خواهند گرفت.
درختان جستجوی بهینه، کوتاه‌ترین مسیرها
در علوم کامپیوتر، درخت جستجوی بهینه (Optimal BST)، که گاهی اوقات درخت باینری متعادل وزن نیز نامیده می‌شود، درخت جستجوی دودویی است که کم‌ترین زمان جستجوی ممکن را، برای یک توالی مشخص از دسترسی‌ها فراهم می‌کند. در تئوری گراف، مسئله کوتاه‌ترین مسیر، مسئله یافتن مسیری بین دو رأس (یا گره) در یک گراف است؛ به‌طوری که مجموع وزن یال‌های تشکیل‌دهنده آن، به حداقل برسد.
کامل بودن NP و معنای آن برای طراح الگوریتم
نظریه NP نظریه پیچیدگی محاسباتی است که شاخه‌ای از نظریه محاسبات و ریاضی به‌شمار می‌آید و به بررسی دشواری‌های حل مسائل به صورت الگوریتمی می‌پردازد. در نظریه پیچیدگی محاسباتی، NP (زمان چند جمله‌ای غیر قطعی)، یک کلاس پیچیدگی است که برای طبقه‌بندی مسائل تصمیم‌گیری، مورد استفاده قرار می‌گیرد.
تجزیه و تحلیل اکتشافی
تجزیه و تحلیل داده‌های اکتشافی به فرآیند حیاتی انجام تحقیقات اولیه روی داده‌ها به منظور کشف الگوها، تشخیص ناهنجاری‌ها، آزمایش فرضیه‌ها و بررسی آن‌ها با کمک آمار و نمایش‌های گرافیکی اشاره دارد.
جستجوی محلی
جستجوی محلی، استفاده از موتورهای جستجوی اینترنتی تخصصی است که به کاربران امکان می‌دهد جستجوهای محدود جغرافیایی را بر اساس پایگاه داده ساختاریافته فهرست‌های کسب‌و‌کار محلی انجام دهند.
درباره مربیان
تیم راگاردن از سال 2004 استاد گروه علوم کامپیوتر در دانشگاه استنفورد بوده است. او در زمینه الگوریتم‌ها و کاربردهای آن‌ها مطالب زیادی تدریس و منتشر کرده است.
چه کسانی می‌توانند در این دوره شرکت کنند؟
شرکت در دوره رایگان الگوریتم‌ها، برای همه افراد آزاد است؛ اما از آنجا که به دلیل وجود تحریم‌ها دسترسی کاربران ایرانی به دوره‌های آموزشی محدود شده، حتماً برای ثبت‌نام در این دوره از فیلترشکن استفاده کنید و آی‌پی‌تان را به آی‌پی دیگری غیر از کشور ایران تغییر دهید. همچنین برای هربار ورود به سایت مطمئن شوید که فیلترشکن روشن است تا بتوانید از دوره‌ها استفاده کنید. علاقه‌مندان می‌توانند از طریق لینک زیر در این دوره ثبت نام کنند.
