کتاب هوش مصنوعی پایدار و محاسبات سبز با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هوش مصنوعی پایدار و محاسبات سبز

موضوع کلی: برنامه نویسی

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

📋 سرفصل‌های دوره

• 1. مبانی هوش مصنوعی
• 2. مقدمه‌ای بر هوش مصنوعی پایدار
• 3. مقدمه‌ای بر محاسبات سبز
• 4. ارتباط بین هوش مصنوعی، پایداری و محاسبات سبز
• 5. فلسفه و اصول هوش مصنوعی پایدار
• 6. اخلاق در هوش مصنوعی پایدار
• 7. استانداردهای پایداری در فناوری اطلاعات
• 8. مفاهیم اساسی انرژی و کربن در محاسبات
• 9. اندازه‌گیری ردپای کربن هوش مصنوعی
• 10. محاسبات موازی (Parallel Computing)
• 11. مبانی محاسبات سطح بالا (HPC)
• 12. معماری‌های سیستم‌های HPC
• 13. پردازنده‌های CPU و GPU
• 14. حافظه و سیستم‌های ذخیره‌سازی در HPC
• 15. شبکه‌های ارتباطی در HPC
• 16. مدل‌های برنامه‌نویسی موازی (MPI, OpenMP)
• 17. اصول طراحی الگوریتم‌های موازی
• 18. بهینه‌سازی الگوریتم‌های موازی
• 19. آشنایی با زبان‌های برنامه‌نویسی HPC (Fortran, C++, Python)
• 20. یادگیری ماشین (Machine Learning)
• 21. یادگیری عمیق (Deep Learning)
• 22. شبکه‌های عصبی (Neural Networks)
• 23. شبکه‌های عصبی کانولوشونی (CNNs)
• 24. شبکه‌های عصبی بازگشتی (RNNs)
• 25. ترنسفورمرها (Transformers)
• 26. یادگیری تقویتی (Reinforcement Learning)
• 27. مدل‌های زبانی بزرگ (LLMs)
• 28. پیاده‌سازی مدل‌های ML/DL
• 29. ابزارها و چارچوب‌های ML/DL (TensorFlow, PyTorch)
• 30. داده‌کاوی (Data Mining)
• 31. پیش‌پردازش داده‌ها
• 32. مهندسی ویژگی (Feature Engineering)
• 33. ارزیابی مدل‌های ML/DL
• 34. روش‌های ارزیابی پایداری در ML/DL
• 35. استفاده بهینه از داده‌ها در ML/DL
• 36. انتقال یادگیری (Transfer Learning)
• 37. یادگیری فدرال (Federated Learning)
• 38. یادگیری با نظارت محدود (Semi-Supervised Learning)
• 39. یادگیری بدون نظارت (Unsupervised Learning)
• 40. یادگیری خودنظارت (Self-Supervised Learning)
• 41. تکنیک‌های کاهش مصرف انرژی در ML/DL
• 42. بهینه‌سازی مدل‌های ML/DL برای مصرف انرژی
• 43. کاهش ابعاد مدل‌ها (Model Compression)
• 44. کوانتیزاسیون (Quantization)
• 45. هرس کردن شبکه (Network Pruning)
• 46. تقطیر دانش (Knowledge Distillation)
• 47. کارایی سخت‌افزاری در ML/DL
• 48. سخت‌افزارهای تخصصی برای ML/DL (TPUs, ASICs)
• 49. سیستم‌های محاسباتی توزیع شده (Distributed Computing)
• 50. کلاسترها و ابررایانه‌ها (Clusters and Supercomputers)
• 51. مدیریت منابع در HPC
• 52. زمان‌بندی وظایف (Job Scheduling)
• 53. مانیتورینگ سیستم در HPC
• 54. بهینه‌سازی الگوریتم‌های HPC برای بهره‌وری انرژی
• 55. الگوریتم‌های سبز در HPC
• 56. محاسبات از راه دور (Edge Computing)
• 57. معماری‌های محاسبات از راه دور
• 58. پیاده‌سازی ML/DL در محاسبات از راه دور
• 59. چالش‌های انرژی در محاسبات از راه دور
• 60. اینترنت اشیا (IoT) و پایداری
• 61. شبکه‌های حسگر و مصرف انرژی
• 62. بهینه‌سازی الگوریتم‌های IoT برای پایداری
• 63. هوش مصنوعی برای مدیریت انرژی
• 64. کاربرد AI در شبکه‌های هوشمند (Smart Grids)
• 65. AI برای بهینه‌سازی مصرف انرژی در ساختمان‌ها
• 66. AI برای پیش‌بینی و مدیریت منابع انرژی تجدیدپذیر
• 67. AI در حمل و نقل پایدار
• 68. AI در کشاورزی پایدار
• 69. AI در مدیریت پسماند
• 70. AI در زنجیره تامین پایدار
• 71. AI برای مدل‌سازی آب و هوا و پیش‌بینی تغییرات اقلیمی
• 72. AI در تحقیقات زیست‌محیطی
• 73. استانداردهای نرم‌افزاری برای محاسبات سبز
• 74. الگوهای طراحی نرم‌افزار برای بهره‌وری انرژی
• 75. توسعه نرم‌افزارهای سبک و بهینه
• 76. مدیریت چرخه عمر نرم‌افزار و پایداری
• 77. ابزارهای مانیتورینگ انرژی نرم‌افزار
• 78. پیمانه‌های نرم‌افزاری برای محاسبات سبز
• 79. بازیافت و استفاده مجدد سخت‌افزار
• 80. مدیریت داده و پایداری
• 81. ذخیره‌سازی داده‌های بهینه
• 82. فشرده‌سازی داده‌ها
• 83. از بین بردن داده‌های اضافی
• 84. فرایندهای ابری (Cloud Computing) و پایداری
• 85. بهینه‌سازی مصرف انرژی در مراکز داده ابری
• 86. استفاده از انرژی‌های تجدیدپذیر در مراکز داده
• 87. معماری‌های محاسباتی سبز
• 88. خنک‌سازی کارآمد در مراکز داده
• 89. استفاده از سخت‌افزارهای کم‌مصرف
• 90. معماری‌های توزیع شده و بهینه‌سازی انرژی
• 91. محاسبات کوانتومی (Quantum Computing) و آینده آن
• 92. تاثیر محاسبات کوانتومی بر پایداری
• 93. پتانسیل کوانتومی برای حل مسائل HPC
• 94. چالش‌ها و فرصت‌های هوش مصنوعی پایدار
• 95. مقررات و سیاست‌گذاری در زمینه محاسبات سبز
• 96. مطالعات موردی (Case Studies) در هوش مصنوعی پایدار
• 97. آینده پژوهی در هوش مصنوعی پایدار و محاسبات سبز
• 98. مسئولیت اجتماعی شرکت‌ها در قبال پایداری محاسبات
• 99. ارتباطات علمی و انتقال دانش در زمینه محاسبات سبز
• 100. کاربرد AI در ارزیابی و بهبود پایداری کلی