اپلیکیشن اندرویدی فلشکارت آموزشی تسلط بر محاسبات با عملکرد بالا: از مبانی تا کاربردهای پیشرفته (بر اساس کتاب High Performance Computing جان لووسک)
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره تسلط بر محاسبات با عملکرد بالا: از مبانی تا کاربردهای پیشرفته (بر اساس کتاب High Performance Computing جان لووسک)
موضوع کلی: علوم کامپیوتر و مهندسی
موضوع میانی: محاسبات موازی و توزیع شده
📋 سرفصلهای دوره
- 1. مبانی محاسبات با عملکرد بالا: معرفی و چشمانداز
- 2. تاریخچه و تکامل محاسبات با عملکرد بالا (HPC)
- 3. معماریهای کامپیوتری: مروری بر سختافزار HPC
- 4. سیستمهای حافظه: سلسله مراتب حافظه و تاثیر آن بر عملکرد
- 5. مفاهیم اساسی موازیسازی: چرا و چگونه
- 6. معرفی مدلهای برنامهنویسی موازی
- 7. موازیسازی در سطح دستورالعمل (ILP)
- 8. موازیسازی در سطح داده (DLP)
- 9. موازیسازی در سطح وظیفه (TLP)
- 10. قانون آmdahl و قانون Gustavson: محدودیتها و فرصتهای موازیسازی
- 11. معرفی سیستمهای چند هستهای و معماری NUMA
- 12. ساختارهای پردازشی گرافیکی (GPU) و کاربرد آنها در HPC
- 13. معرفی معماریهای مبتنی بر تراشه (Chip Multiprocessors - CMP)
- 14. آشنایی با شبکههای ارتباطی در HPC
- 15. مبانی طراحی شبکه: توپولوژیها و پروتکلها
- 16. شبکههای با تأخیر کم: InfiniBand و Omni-Path
- 17. ذخیرهسازی با عملکرد بالا: معرفی و اهمیت آن
- 18. سیستمهای فایل موازی: Lustre, GPFS, Ceph
- 19. مدیریت منابع در HPC: سیستمهای زمانبندی (SLURM, PBS)
- 20. معرفی ابزارهای مانیتورینگ و پروفایلینگ
- 21. اصول اولیه بهینهسازی کد برای HPC
- 22. شناسایی گلوگاههای عملکرد
- 23. بهینهسازی حافظه و استفاده از حافظه پنهان
- 24. بهینهسازی محاسبات نقطه شناور
- 25. بهینهسازی ورودی/خروجی (I/O)
- 26. ابزارهای پروفایلینگ: Gprof, Perf, VTune
- 27. مبانی OpenMP: معرفی و کاربردها
- 28. ساختارها و دستورالعملهای OpenMP
- 29. بهینهسازی حلقهها با OpenMP
- 30. مدیریت دادهها و همگامسازی در OpenMP
- 31. OpenMP و معماریهای مختلف
- 32. معرفی MPI: مبانی و اصول
- 33. پیامرسانی نقطه به نقطه در MPI
- 34. پیامرسانی جمعی در MPI
- 35. بهینهسازی MPI: تکنیکها و استراتژیها
- 36. MPI و معماریهای مختلف
- 37. آشنایی با کتابخانههای محاسباتی: BLAS, LAPACK, ScaLAPACK
- 38. استفاده از کتابخانههای ریاضی برای بهینهسازی
- 39. معرفی CUDA و برنامهنویسی GPU
- 40. معماری CUDA و مدل حافظه
- 41. هستهها، شبکهها و بلوکها در CUDA
- 42. بهینهسازی کد CUDA: تکنیکها و روشها
- 43. CUDA و کتابخانههای CUDA (cuBLAS, cuFFT)
- 44. برنامهنویسی هیبریدی: ترکیب OpenMP و MPI
- 45. برنامهنویسی هیبریدی: ترکیب MPI و CUDA
- 46. مدیریت دادهها در برنامهنویسی هیبریدی
- 47. ابزارهای اشکالزدایی برای برنامههای موازی
- 48. روشهای اعتبارسنجی و تست برنامههای HPC
- 49. معرفی الگوریتمهای موازی: تقسیم و غلبه (Divide and Conquer)
- 50. الگوریتمهای مرتبسازی موازی
- 51. الگوریتمهای جستجوی موازی
- 52. بهینهسازی الگوریتمهای موازی
- 53. شبیهسازیهای دینامیک مولکولی (MD) با HPC
- 54. دینامیک سیالات محاسباتی (CFD) با HPC
- 55. پردازش دادههای بزرگ (Big Data) و HPC
- 56. یادگیری ماشینی با HPC
- 57. شبکههای عصبی عمیق (Deep Learning) و HPC
- 58. هوش مصنوعی و HPC
- 59. پردازش تصویر و ویدئو با HPC
- 60. بیوانفورماتیک و HPC
- 61. علوم مواد و HPC
- 62. اقتصاد محاسباتی و HPC
- 63. مدلسازی آب و هوا و اقیانوسها با HPC
- 64. آشنایی با سیستمهای HPC ابررایانهای
- 65. آشنایی با معماریهای نسل جدید HPC
- 66. سیستمهای ناهمگن: CPU+GPU+FPGA
- 67. معرفی شتابدهندههای سختافزاری (FPGA)
- 68. برنامهنویسی FPGA برای HPC
- 69. امنیت در سیستمهای HPC
- 70. محاسبات ابری و HPC
- 71. Virtualization در HPC
- 72. مدیریت دادهها در محیطهای توزیعشده
- 73. معرفی Hadoop و Spark برای HPC
- 74. مبانی MapReduce و Spark
- 75. بهینهسازی عملکرد Hadoop و Spark
- 76. آشنایی با کتابخانههای موازی برای پردازش گراف (Graph Processing)
- 77. ساختارهای داده موازی
- 78. طراحی و پیادهسازی برنامههای HPC مقیاسپذیر
- 79. مقیاسپذیری و عملکرد در HPC
- 80. ارزیابی عملکرد برنامههای HPC
- 81. شناسایی و رفع گلوگاههای مقیاسپذیری
- 82. بهینهسازی انرژی در HPC
- 83. مدیریت خطا و تحملپذیری خطا در HPC
- 84. آشنایی با تکنیکهای تحملپذیری خطا
- 85. استفاده از چکپوینتینگ
- 86. ابزارهای اشکالزدایی موازی پیشرفته
- 87. بهینهسازی I/O موازی پیشرفته
- 88. مدلهای برنامهنویسی جدید برای HPC
- 89. آشنایی با زبانهای جدید (Julia, Chapel)
- 90. استفاده از کتابخانههای موازی مدرن (Kokkos, RAJA)
- 91. معرفی فناوریهای آینده در HPC
- 92. فناوریهای Quantum Computing و HPC
- 93. آشنایی با HPC در فضای ابری (Cloud HPC)
- 94. استفاده از HPC برای تحلیل دادههای علمی بزرگ
- 95. HPC و اینترنت اشیا (IoT)
- 96. توسعه نرمافزار HPC: بهترین شیوهها و الگوها
- 97. پروژههای عملی و نمونهکارهای HPC
- 98. آینده محاسبات با عملکرد بالا
- 99. چالشها و فرصتهای HPC در قرن ۲۱
این اپلیکیشن فارسی برای یادگیری و مرور محتوای آموزشی از طریق فلشکارت طراحی شده است. کارتها را یکییکی مرور کنید، پاسخ پرسشها را به یاد بیاورید و نتیجه هر پاسخ را ثبت کنید. محتوای دوره پس از نصب درون برنامه در دسترس است تا برای مطالعه روزمره معمولاً به اتصال مداوم اینترنت نیاز نداشته باشید.
محتوای آموزشی در قالبهای متنوع ارائه میشود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموختهها قابل استفاده باشد.
- رابط کاربری فارسی و راستچین با فونت وزیر.
- تم روشن و تیره مطابق تنظیمات سیستم.
- صفحهبندی ساده برای انتخاب دوره و شروع مرور.
- نمایش تعداد دفعات مرور هر فصل.
- انتخاب چند فصل برای مرور همزمان.
- امکان تمرکز بر فصلهایی که هنوز مرور نشدهاند.
این اپلیکیشن برای دانشآموزان، دانشجویان، داوطلبان آزمونها و علاقهمندان به یادگیری طراحی شده است؛ بهویژه کسانی که میخواهند مطالب آموزشی را در زمانهای کوتاه مرور کنند، دانستههای خود را بسنجند و مطالعه منظمتری داشته باشند.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.