4 - Source Coding (Entropy, Huffman & Shannon-Fano Coding) Explained + Solved Problems - Part 2

في هذا الفيديو نشرح مجموعة من مسائل Source Coding ضمن مادة الاتصالات الرقمية، مع التركيز على مفاهيم Entropy و Huffman Coding و Shannon-Fano Coding، وحلها خطوة بخطوة. نستعرض كيفية التعامل مع مسائل شائعة في الامتحانات، مع توضيح طريقة التفكير أثناء الحل وليس فقط الوصول إلى النتيجة. يتضمن الفيديو: حساب الإنتروبي (Entropy) لمجموعة من الرسائل باحتمالات مختلفة التحقق من كون الكود قابلًا للفك بشكل وحيد (Uniquely Decipherable) أو لحظي (Instantaneous) بناء أكواد Huffman خطوة بخطوة مقارنة بين Huffman Coding و Shannon-Fano Coding حساب متوسط طول الكود (Average Codeword Length) وكفاءة الترميز (Efficiency) التعامل مع مصادر عديمة الذاكرة (Discrete Memoryless Source - DMS) الشرح موجه لطلاب هندسة الاتصالات وكل من يدرس الاتصالات الرقمية أو نظرية المعلومات، خاصة لمن يبحث عن شرح Entropy و Huffman Coding بالعربي بطريقة واضحة. إذا كان لديك أي استفسار، يمكنك كتابته في التعليقات. Entropy, Huffman Coding, and Shannon-Fano explained with solved problems In this video, I work through a set of source coding problems from digital communications, focusing on entropy, Huffman coding, and Shannon–Fano coding. I go step by step through the calculations and try to explain the reasoning behind each step, especially in building Huffman trees and evaluating code efficiency. The problems we cover include: Calculating entropy for a given set of message probabilities Checking whether a code is uniquely decipherable or instantaneous Constructing Huffman codes for different probability sets Comparing Huffman and Shannon–Fano coding Finding average codeword length and coding efficiency Working with discrete memoryless sources (DMS) Some of these are typical exam questions, so the idea is to focus on the method you can reuse, not just the final answer. This video is intended for students studying digital communications or information theory. If anything isn’t clear, feel free to leave a comment.