کتاب مبانی الگوریتم‌های موازی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

قدرت پردازش را در دستان خود بگیرید: کشف دنیای الگوریتم‌های موازی در دنیای امروز که داده‌ها هر لحظه در حال رشد انفجاری هستند و نیاز به پردازش سریع‌تر از همیشه احساس می‌شود، رویکردهای سنتی برنامه‌نویسی ...

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی الگوریتم‌های موازی

موضوع کلی: برنامه نویسی

موضوع میانی: محاسبات سطح بالا (High-Performance Computing)

📋 سرفصل‌های دوره

  • 1. مبانی الگوریتم‌های موازی
  • 2. آشنایی با مفاهیم پایه: چرا به محاسبات موازی نیاز داریم؟
  • 3. معرفی معماری‌های کامپیوتری: حافظه اشتراکی، حافظه توزیع‌شده، هیبریدی
  • 4. مدل‌های برنامه‌نویسی موازی: پردازش داده‌ها، پردازش وظایف، داده‌محور
  • 5. مفاهیم اولیه: همزمانی، موازی‌سازی، توالی
  • 6. قانون آمدهال و قانون گستف: محدودیت‌های سرعت بخشیدن
  • 7. معرفی MPI: مبانی و ساختارهای اولیه
  • 8. پیاده‌سازی Hello World با MPI
  • 9. ارتباطات نقطه به نقطه در MPI: ارسال و دریافت
  • 10. ارتباطات جمعی در MPI: جمع، ضرب، پخش
  • 11. آشنایی با گروه‌ها و ارتباط‌دهنده‌ها در MPI
  • 12. مدیریت خطا در MPI
  • 13. معرفی OpenMP: مبانی و دستورالعمل‌های اولیه
  • 14. پیاده‌سازی Hello World با OpenMP
  • 15. مفاهیم اولیه OpenMP: بخش‌های موازی، دستورالعمل‌ها
  • 16. آشنایی با متغیرهای مشترک و خصوصی در OpenMP
  • 17. همگام‌سازی در OpenMP: قفل‌ها، اتمیک‌ها
  • 18. آشنایی با ترازوهای بار در OpenMP
  • 19. مقایسه MPI و OpenMP: مزایا و معایب
  • 20. آشنایی با کتابخانه‌های موازی: BLAS، LAPACK
  • 21. معرفی الگوریتم‌های مرتب‌سازی موازی
  • 22. مرتب‌سازی سریع موازی با MPI
  • 23. مرتب‌سازی ادغامی موازی با MPI و OpenMP
  • 24. حل معادلات خطی موازی: روش‌های مستقیم
  • 25. حل معادلات خطی موازی: روش‌های تکراری
  • 26. معرفی الگوریتم‌های گراف موازی
  • 27. جستجوی گسترده اول (BFS) موازی
  • 28. جستجوی عمق اول (DFS) موازی
  • 29. الگوریتم‌های کوتاهترین مسیر (Dijkstra) موازی
  • 30. مبانی الگوریتم‌های موازی در پردازش تصویر
  • 31. فیلتر کردن تصویر به صورت موازی
  • 32. تبدیلات فوریه گسسته (FFT) موازی
  • 33. آشنایی با CUDA: معماری و مفاهیم پایه
  • 34. نصب و راه‌اندازی CUDA
  • 35. ساختار یک هسته CUDA
  • 36. مدیریت حافظه در CUDA: میزبان و دستگاه
  • 37. الگوریتم‌های CUDA: جمع برداری، ضرب ماتریس
  • 38. مفاهیم پیشرفته CUDA: Warp، Block
  • 39. همگام‌سازی در CUDA: __syncthreads()
  • 40. الگوریتم‌های موازی در یادگیری ماشینی
  • 41. موازی‌سازی آموزش شبکه‌های عصبی
  • 42. پیاده‌سازی موازی الگوریتم‌های خوشه‌بندی
  • 43. موازی‌سازی درخت‌های تصمیم
  • 44. بهینه‌سازی عملکرد برنامه‌های موازی
  • 45. پروفایل کردن و عیب‌یابی برنامه‌های موازی
  • 46. ابزارهای پروفایلینگ: Valgrind، Intel VTune
  • 47. استفاده از ابزارهای اشکال‌زدایی: GDB، TotalView
  • 48. موازی‌سازی I/O: خواندن و نوشتن داده‌ها
  • 49. مدیریت حافظه در برنامه‌های موازی: تخصیص و آزادسازی
  • 50. آشنایی با سیستم‌های فایل موازی
  • 51. سیستم فایل Lustre
  • 52. سیستم فایل GPFS
  • 53. آشنایی با پردازنده‌های چند هسته‌ای و معماری NUMA
  • 54. تاثیر معماری حافظه بر عملکرد برنامه‌های موازی
  • 55. بهینه‌سازی کد برای معماری‌های مختلف
  • 56. معرفی OpenCL: برنامه‌نویسی موازی ناهمگن
  • 57. ساختارهای داده در OpenCL
  • 58. مدیریت حافظه در OpenCL
  • 59. مثال‌های OpenCL: پردازش تصویر، پردازش سیگنال
  • 60. آشنایی با کتابخانه‌های Pthreads
  • 61. استفاده از Pthreads برای موازی‌سازی
  • 62. همگام‌سازی با Pthreads: mutex، شرط‌ها
  • 63. آشنایی با الگوریتم‌های تقسیم و حل (Divide and Conquer) موازی
  • 64. پیاده‌سازی الگوریتم‌های موازی با تقسیم و حل
  • 65. تحلیل پیچیدگی زمانی الگوریتم‌های موازی
  • 66. ارزیابی عملکرد برنامه‌های موازی: سرعت بخشیدن، کارایی
  • 67. اندازه‌گیری عملکرد: زمان اجرا، سربار
  • 68. مطالعه موردی: شبیه‌سازی‌های علمی
  • 69. شبیه‌سازی دینامیک مولکولی موازی
  • 70. شبیه‌سازی دینامیک سیالات محاسباتی (CFD) موازی
  • 71. شبیه‌سازی آب و هوا موازی
  • 72. آشنایی با ابر رایانه‌ها (Supercomputers)
  • 73. ساختار و معماری ابر رایانه‌ها
  • 74. شبکه‌های اتصال در ابر رایانه‌ها: InfiniBand
  • 75. آشنایی با مفهوم GPU خوشه (GPU Clusters)
  • 76. استفاده از GPU خوشه برای محاسبات موازی
  • 77. آشنایی با مفهوم MapReduce
  • 78. پیاده‌سازی MapReduce
  • 79. MapReduce در Apache Hadoop
  • 80. معرفی Spark و برنامه‌نویسی RDD
  • 81. آشنایی با جریان داده‌ها (Data Streams)
  • 82. پردازش جریان داده‌ها با Spark Streaming
  • 83. طراحی و معماری نرم‌افزارهای موازی
  • 84. الگوهای طراحی موازی: تقسیم و غلبه، کارگران موازی
  • 85. آشنایی با الگوریتم‌های ناهمزمان (Asynchronous)
  • 86. الگوریتم‌های ناهمزمان در برنامه‌های موازی
  • 87. کاربرد الگوریتم‌های ناهمزمان در شبکه‌های حسگر
  • 88. آشنایی با الگوریتم‌های خودتنظیم (Self-tuning)
  • 89. بهینه‌سازی خودکار برنامه‌های موازی
  • 90. آشنایی با انرژی و محاسبات موازی
  • 91. مدیریت مصرف انرژی در ابررایانه‌ها
  • 92. آشنایی با محاسبات کوانتومی و موازی‌سازی
  • 93. آشنایی با پردازش ابری (Cloud Computing)
  • 94. موازی‌سازی در محیط‌های ابری
  • 95. امنیت در محاسبات موازی
  • 96. مدیریت خطا و تحمل خطا در برنامه‌های موازی
  • 97. آشنایی با کتابخانه‌های C++ برای محاسبات موازی: Intel TBB
  • 98. آشنایی با کتابخانه‌های C++ برای محاسبات موازی: HPX
  • 99. بررسی روندها و آینده محاسبات موازی
  • 100. چالش‌ها و فرصت‌های محاسبات موازی
تگ‌ها: High-Performance Computing HPC Parallel Algorithms Parallel programming آموزش برنامه نویسی الگوریتم الگوریتم‌های موازی برنامه نویسی برنامه نویسی موازی پردازش موازی دوره الگوریتم محاسبات سطح بالا موازی سازی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.