دانلود رایگان سوالات دکتری علوم کامپیوتر 1399

تحلیل ساختاری سرفصل‌ها و مباحث تخصصی آزمون دکتری علوم کامپیوتر ۱۳۹۹

آزمون دکتری علوم کامپیوتر بر سنجش تفکر الگوریتمی، قدرت اثبات ریاضی، درک نظری محاسبات و توانایی تحلیل پیچیدگی تمرکز دارد. اصلی‌ترین سرفصل‌های ارزیابی‌شده در این آزمون عبارتند از:

• طراحی و تحلیل الگوریتم‌های پیشرفته (Advanced Algorithms): الگوریتم‌های تقریبی (Approximation Algorithms) و ضرایب تقریب؛ الگوریتم‌های برخط (Online Algorithms) و تحلیل رقابتی (Competitive Analysis)؛ الگوریتم‌های تصادفی (Randomized Algorithms) مانند Las Vegas و Monte Carlo؛ تحلیل سرشکن‌شده (Amortized Analysis با روش‌های Aggregate، Accounting و Potential)؛ شار بیشینه و برش کمینه (Ford-Fulkerson, Push-Relabel)؛ الگوریتم‌های برنامه‌ریزی پویا و تقسیم و غلبه پیشرفته.
• نظریه محاسبات و پیچیدگی (Theory of Computation & Complexity): ماشین‌های تورینگ (کلاسیک، غیرقطعی، چندنواره)؛ مسائل تصمیم‌پذیری و ناپذیری (Decidability & Uncomputability، مسئله توقف / Halting Problem و قضیه رایس)؛ رده‌های پیچیدگی زمان و فضا ($P$, $NP$, $NP ext{-Complete}$, $NP ext{-Hard}$, $PSPACE$, $EXPTIME$)؛ فروکاست‌پذیری نگاشتی و چندجمله‌ای (Mapping & Polynomial-Time Reductions)؛ الگوریتم‌های پارامتری‌شده (Fixed-Parameter Tractability - FPT).
• نظریه گراف و بهینه‌سازی ترکیبیاتی (Graph Theory & Combinatorial Optimization): پوشش‌ها، تطابق‌ها (Matching، قضایای هال و تات، الگوریتم Blossom)؛ رنگ‌آمیزی گراف‌ها (شاخص کروماتیک و قضایای Brooks و Vizing)؛ دورهای هامیلتونی و اویلری؛ گشت‌ها، هم‌بندی (Vertex & Edge Connectivity، قضایای Menger)؛ گراف‌های مسطح (Planar Graphs و قضیه ایولر)؛ نظریه رمزی (Ramsey Theory) و ماتریس‌های مجاورت/لپلاسین گراف.
• هوش مصنوعی، یادگیری ماشین و علم داده (AI & Machine Learning): نظریه یادگیری آماری (Statistical Learning Theory) و بعد VC؛ الگوریتم‌های یادگیری نظارت‌شده (SVM، درخت‌های تصمیم، مدل‌های گرافیکی احتمالی)؛ یادگیری عمیق (شبکه‌های کانولوشنی CNN، شبکه‌های توالی Recurrent/Transformers)؛ یادگیری تقویتی (Q-Learning، MDPs، Policy Gradients)؛ خوشه‌بندی و کاهش ابعاد ناخودآگاه (PCA, t-SNE, SVD).
• ساختارهای داده پیشرفته (Advanced Data Structures): درخت‌های خودمتوازن (AVL, Red-Black, Splay Trees)؛ هیپ‌های پیشرفته (Fibonacci Heaps, Binomial Heaps)؛ ساختارهای داده فضایی و متنی (Kd-Trees, R-Trees, Suffix Trees, Suffix Arrays)؛ ساختارهای داده منهای حافظه و فیلترهای بلوم (Bloom Filters).
• مبانی ریاضیات و احتمالات محاسباتی (Mathematical & Probabilistic Foundations): نامساوی‌های تمرکز (Chernoff Bounds, Markov, Chebyshev)؛ زنجیره‌های مارکوف و زمان اختلاط (Mixing Time)؛ جبر خطی عددی و محاسبات ماتریسی سنگین؛ منطق ریاضی و روش‌های صورت‌بندی دقیق (Formal Methods).

جدول عناوین دروس امتحانی، سرفصل‌ها و ضرایب دکتری علوم کامپیوتر

بر اساس دفترچه رسمی سازمان سنجش آموزش کشور، عناوین و ضرایب امتحانی این آزمون به شرح زیر است:

راهکارهای کسب موفقیت در مصاحبه دکتری علوم کامپیوتر

در مصاحبه‌های دکتری علوم کامپیوتر دانشگاه‌های برتر (مانند دانشگاه صنعتی شریف، تهران، امیرکبیر و دانشگاه تربیت مدرس)، توانایی اثبات تفکر ریاضی و درک ساختاری اهمیت بسیار بالایی دارد:

1. تسلط بر اثبات‌های ریاضی و تحلیل الگوریتمی روی تخته: آمادگی برای پاسخ‌دهی بداهه به سوالات اثباتی در زمینه نظریه گراف، اثبات $NP ext{-Completeness}$ یک مسئله جدید از طریق Reduction، یا تحلیل کران‌های بالایی و پایینی پیچیدگی زمانی.
2. اشراف بر پیاده‌سازی و ابزارهای توسعه نظری: توانایی برنامه‌نویسی ساخت‌یافته و بهینه با زبان‌های Python یا C++ و تسلط بر کتابخانه‌های مطرح محاسباتی و هوش مصنوعی (PyTorch, TensorFlow, NetworkX, SciPy).
3. ارائه پروپوزال شفاف و منطبق بر مرزهای دانش: تدوین پیش‌نهاد پژوهشی در حوزه‌های داغ نظیر «توسعه الگوریتم‌های کوانتومی در بهینه‌سازی ترکیبیاتی»، «یادگیری عمیق اثبات‌پذیر و قابل تفسیر (Explainable & Provable AI)»، «الگوریتم‌های پارامتری‌شده روی گراف‌های بزرگ‌مقیاس»، یا «نظریه یادگیری در سیستم‌های چندعاملی (Multi-Agent RL)».

پرسش‌های متداول و تحلیلی کنکور دکتری علوم کامپیوتر (FAQ)