سازمان‌دادنِ داده‌ها به یک طریق خاص و بر پایه‌ی مدل منطقی یا ریاضی که به‌منظور استفاده بهینه از داده‌ها صورت می‌گیرد را یک داده ساختار می‌گویند. داده ساختارها انواع گوناگونی دارند که هرکدام مناسب برنامه‌های مختلفی هستند. ساختمان داده‌ها روش‌های ذخیره داده‌ها در رایانه باهدف دسترسی آسان‌تر و بهینه‌تر است در‌حالی‌که الگوریتم روشی به‌منظور حل مسئله به‌وسیله کامپیوتر است در درس ساختمان داده دانشجو با برنامه‌نویسی اصولی مبتنی بر تحلیل‌های ریاضی کارایی ازیک‌طرف و نیز مبتنی بر اصول طراحی شیءگرایی از طرف دیگر آشنا می‌شود و با انجام تمرینات متعدد مهارت برنامه‌نویسی اصولی در او نهادینه می‌شود.
باوجوداینکه این درس و درس طراحی الگوریتم از دیدگاه نظری بسیار به هم نزدیک هستند، اما اهمیت برنامه‌نویسی مطابق با اصول یک زبان برنامه‌نویسی مشخص باعث شده است که همه‌ی مؤلفینی که درک صحیحی از جایگاه این درس داشته‌اند، کتاب‌های درس ساختمان داده‌ها را برای یک زبان مشخص تألیف کنند. بعد از گذراندن این درس است که دانشجو می‌تواند مفاهیم مجردی را که در درس‌های دیگر همانند طراحی الگوریتم و یا اصول طراحی کامپایلر گفته می‌شود به‌صورت عمیق درک کند و بداند که پیاده‌سازی آنها دقیقاً به چه شکلی است. در این درس، دکتر غیاثی شیرازی ساختمان داده‌ها را با محوریت زبان‌های C++ و Java تدریس می‌کند و همچنین گاهی در جلسات کلاس از زبان پایتون برای کدنویسی استفاده می‌کند.
آموزش رایگان ساختمان داده برای چه کسانی مناسب است؟
ساختمان‌های داده مهم‌ترین درس دوره کارشناسی مهندسی کامپیوتر است. این درس بعد از دروس ریاضیات گسسته و برنامه‌سازی پیشرفته قرار دارد و خود پیش‌نیاز دروس متعدد دیگری است. دانشجو در دروس ریاضی ۱ و ریاضیات گسسته با مباحث ریاضی آشنا شده است اما رابطه‌ای بین آن مباحث و برنامه‌نویسی در ذهن او شکل نگرفته است. همچنین با مفاهیم شیءگرایی همانند کلاس، شیء و ارث‌بری در درس برنامه‌سازی پیشرفته آشنا شده است اما تمرین کافی نداشته است.
***این دوره درحال ضبط است***
***جلسه اول این دوره ضبط نشده است***
فایل‌های مرتبط با این درس از طریق سایت https://github.com/k-ghiasi قابل دسترس دانشجویان است.
دکتر سید کمال‌الدین غیاثی شیرازی مدارک کارشناسی مهندسی نرم‌افزار، کارشناسی ارشد هوش مصنوعی و دکتری هوش مصنوعی را به ترتیب از دانشگاه‌های شهید بهشتی، صنعتی شریف و صنعتی امیرکبیر در سال‌های ۱۳۸۱، ۱۳۸۳ و ۱۳۸۹ دریافت کرد. او از سال ۱۳۹۲ هیئت‌علمی گرایش هوش مصنوعی گروه مهندسی کامپیوتر دانشگاه فردوسی مشهد است. زمینه‌های تحقیقاتی او شامل شبکه‌های عصبی، یادگیری عمیق، یادگیری ماشین، بازشناسی الگو، روش‌های هسته و مدل‌های گرافی احتمالاتی است. به‌خاطر اهمیت ریاضیات در این زمینه‌های تحقیقاتی، مدرس علاوه بر دروس مهندسی کامپیوتر و هوش مصنوعی، به تدریس ریاضیات نیز توجه خاصی داشته است و تاکنون دروس آمار و احتمال مهندسی، ریاضیات مهندسی، ریاضیات گسسته، جبر خطی (به‌عنوان بخشی از درس بهینه‌سازی)، بنیادهای نظری حل مسئله در ریاضیات و ریاضیات مهندسی پیشرفته را تدریس کرده است.
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.