عمق بازگشت به تعداد دفعاتی اطلاق میشود که یک تابع بازگشتی خود را فراخوانی میکند. هرچه عمق بازگشتی بیشتر باشد، خطر بروز stack overflow بیشتر خواهد بود.
آرایه چندبعدی (Multidimensional Array) یکی از انواع آرایهها است که میتواند دادهها را در بیش از یک بعد ذخیره کند. برخلاف آرایههای یکبعدی که دادهها را تنها در یک خط ذخیره میکنند، آرایههای چندبعدی میتوانند دادهها را در یک جدول، ماتریس یا ابعاد پیچیدهتر ذخیره کنند. به عبارت دیگر، آرایه چندبعدی یک ساختار دادهای است که دادهها را در قالب ردیفها و ستونها (یا ابعاد دیگر) ذخیره میکند و به این ترتیب امکان ذخیرهسازی دادههای پیچیدهتر را فراهم میآورد.
آرایه دو بعدی یکی از رایجترین انواع آرایههای چندبعدی است که دادهها را در قالب یک جدول (ماتریس) ذخیره میکند. این نوع آرایه از دو بعد (ردیف و ستون) برای ذخیرهسازی دادهها استفاده میکند. در زبانهای برنامهنویسی مانند C، C++ و Python، آرایههای دو بعدی به راحتی قابل پیادهسازی هستند. در مثال زیر نحوه تعریف و استفاده از یک آرایه دو بعدی در زبان Python نشان داده شده است:
matrix = [
[1, 2, 3],
[4, 5, 6],
[7, 8, 9] ] print(matrix[0][1]) # دسترسی به عنصر در ردیف اول و ستون دوم، خروجی: 2 در این مثال، matrix یک آرایه دو بعدی است که شامل سه ردیف و سه ستون است. برای دسترسی به هر عنصر، از دو اندیس (یکی برای ردیف و دیگری برای ستون) استفاده میشود.
آرایههای سه بعدی از سه بعد برای ذخیره دادهها استفاده میکنند. این نوع آرایهها میتوانند برای ذخیره دادهها در ساختارهایی مانند تصاویر رنگی یا دادههای سهبعدی مورد استفاده قرار گیرند. برای مثال، یک آرایه سه بعدی میتواند برای ذخیرهسازی دادههای مربوط به یک تصویر RGB که شامل سه کانال رنگی (قرمز، سبز و آبی) است، استفاده شود.
array_3d = [
[
[1, 2, 3],
[4, 5, 6]
],
[
[7, 8, 9],
[10, 11, 12]
] ] print(array_3d[1][0][2]) # دسترسی به عنصر در سطح دوم، ردیف اول و ستون سوم، خروجی: 9 در این مثال، array_3d یک آرایه سه بعدی است که شامل دو صفحه، هر کدام دارای دو ردیف و سه ستون است. برای دسترسی به یک عنصر خاص، از سه اندیس استفاده میشود.
آرایههای چندبعدی در بسیاری از زمینهها کاربرد دارند، از جمله:
در نهایت، آرایههای چندبعدی یکی از ابزارهای مهم در ذخیرهسازی و پردازش دادهها هستند که به برنامهنویسان این امکان را میدهند که دادهها را در قالبهای پیچیدهتری سازماندهی کنند. برای آشنایی بیشتر با مفاهیم آرایههای چندبعدی و دیگر ساختارهای دادهای، میتوانید به سایت saeidsafaei.ir مراجعه کنید و از اسلایدهای محمد سعید صفایی بهرهمند شوید.
در این مبحث، به شناخت، انواع و طرز استفاده از آرایهها پرداخته میشود و چندین مثال عملی با استفاده از فلوچارت و آرایهها رسم خواهیم کرد. همچنین، با توجه به اهمیت فلوچارت در طراحی الگوریتمها، در بخش دوم اسلایدها، چندین تمرین مهم با رسم فلوچارت در اختیار شما قرار خواهد گرفت تا مهارتهای عملی شما در این زمینه تقویت شود.
عمق بازگشت به تعداد دفعاتی اطلاق میشود که یک تابع بازگشتی خود را فراخوانی میکند. هرچه عمق بازگشتی بیشتر باشد، خطر بروز stack overflow بیشتر خواهد بود.
فلوچارت نمایشی گرافیکی از فرایندهای یک الگوریتم است که به کمک آن میتوان دستورات و مراحل مختلف را به شکل تصویری سادهتری نمایش داد.
تداخل زمانی رخ میدهد که دو یا چند دستگاه به طور همزمان اقدام به ارسال داده بر روی یک مسیر انتقال مشترک کنند و باعث میشود دادهها با هم ترکیب شوند.
از ادغام دو یا چند توپولوژی شبکه متفاوت با یکدیگر توپولوژی ترکیبی به وجود میآید.
دروازه منطقی NOT که عملیات معکوس را انجام میدهد و ورودی 1 را به 0 و ورودی 0 را به 1 تبدیل میکند.
محاسبات پایدار به استفاده از تکنولوژیهای سبز و کممصرف برای انجام محاسبات پیچیده و تحلیل دادهها اطلاق میشود.
تعداد تکرارهای یک موج در یک ثانیه، که معمولاً بر حسب هرتز (Hz) اندازهگیری میشود.
اطلاعات خامی که وارد کامپیوتر میشود تا پردازشی روی آن صورت گیرد. دادهها پس از پردازش به صورت اطلاعات ذخیره یا در خروجی نمایش داده میشوند.
آدرسهای IP که از subnet maskهای غیر استاندارد استفاده میکنند، ناشی از عملیاتهای Subnetting و Supernetting.
رقم یک واحد کوچک در سیستمهای عددی است که معمولاً یکی از ارقام پایه را در بر دارد و با استفاده از آن عددهایی مانند 10، 100، 1000 ساخته میشود.
بهینهسازی یادگیری عمیق به تکنیکهایی اطلاق میشود که برای بهبود عملکرد مدلهای یادگیری عمیق به کار میروند.
تابع بازگشتی تابعی است که خود را در درون بدنه خود فراخوانی میکند. این نوع توابع معمولاً برای مسائل بازگشتی مانند محاسبه فاکتوریل یا دنباله فیبوناچی استفاده میشود.
شاخص یا موقعیتی است که برای اشاره به جایگاه هر رقم در سیستم عددی استفاده میشود.
عبور پس از پیش به معنای بازدید از گرهها به ترتیب: ابتدا گرههای زیرین، سپس گره ریشه.
انتقال داده به نحوی که توسط تمام دستگاههای موجود در شبکه دریافت شود.
کابلهای زوج به هم تابیده با غلاف فلزی برای کاهش تداخل الکترومغناطیسی.
جدولی که برای تبدیل اعداد از یک سیستم عددی به سیستم عددی دیگر استفاده میشود، مانند تبدیل از مبنای دو به هشت یا شانزده.
یکی از نخستین شبکههای کامپیوتری که به عنوان پیشگام توسعه اینترنت شناخته میشود.
معماری میکروسرویسها به رویکردی در طراحی نرمافزار گفته میشود که سیستمها به بخشهای کوچک و مستقل تقسیم میشوند تا توسعه و مدیریت آنها سادهتر شود.
پروتکلی که برای ارتباطات شبکههای محلی (LAN) از آن استفاده میشود.
عملیات ماشین یادگیری (MLOps) شامل توسعه و استقرار مدلهای یادگیری ماشین به صورت مقیاسپذیر و کارآمد است.
متغیر سراسری متغیری است که در خارج از توابع و بلوکهای کد تعریف میشود و در سراسر برنامه قابل دسترسی است.
شبکههای مولد رقابتی (GANs) دو شبکه عصبی را برای تولید دادههای جدید از دادههای واقعی به کار میگیرد.
کامپیوتر شخصی است که برای استفاده فردی طراحی شده و شامل انواع مختلفی مانند لپتاپ، دسکتاپ و گوشیهای هوشمند است.
دستگاه سختافزاری که بستههای داده را از یک دستگاه دریافت کرده و به دستگاه مقصد ارسال میکند.
فلش در فلوچارت برای نشان دادن جریان فرایندها و ترتیب انجام مراحل مختلف استفاده میشود.
ابرکامپیوترها بزرگترین و سریعترین نوع رایانهها هستند که برای پردازش حجم زیادی از دادهها و انجام محاسبات پیچیده طراحی شدهاند.
اینترنت کوانتومی به شبکهای گفته میشود که بر اساس اصول فیزیک کوانتومی برای انتقال دادهها با امنیت بالا عمل میکند.
عدد مورد استفاده توسط روترها برای تعیین اعتبار و اولویت مسیرهای مختلف که از پروتکلهای مختلف به مقصدهای یکسان ارسال میشود.
فناوری دفترکل توزیعشده به سیستمهایی اطلاق میشود که دادهها را بهصورت غیرمتمرکز و شفاف ذخیره میکنند.
سوییچهایی که در لایه 2 مدل OSI کار میکنند و برای هدایت بستهها از آدرسهای MAC استفاده میکنند.
آدرس IP روتری که دستگاهها برای ارسال دادهها به خارج از شبکه محلی خود از آن استفاده میکنند.
روش دسترسی به رسانه که در آن از برخورد جلوگیری میشود، بهویژه در شبکههای بیسیم مانند Wi-Fi.
مدلسازی سهبعدی به فرآیند ایجاد مدلهای دیجیتالی از اشیاء یا محیطها با استفاده از نرمافزارهای کامپیوتری اطلاق میشود.
تشخیص تقلب مبتنی بر هوش مصنوعی به استفاده از الگوریتمهای یادگیری ماشین برای شناسایی و پیشبینی فعالیتهای مشکوک در دادهها اطلاق میشود.