فلش‌کارت‌های آموزشی مقدمه‌ای بر محاسبات در پردازش واقعیت مجازی و افزوده با مقیاس بزرگ

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر محاسبات در پردازش واقعیت مجازی و افزوده با مقیاس بزرگ

موضوع کلی: برنامه نویسی

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

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر دنیای محاسبات
• 2. تاریخچه محاسبات
• 3. مبانی سخت‌افزار کامپیوتر
• 4. مبانی نرم‌افزار کامپیوتر
• 5. معرفی سیستم‌عامل
• 6. مفاهیم اولیه شبکه‌ها
• 7. مبانی اینترنت
• 8. مقدمه‌ای بر گرافیک کامپیوتری
• 9. مبانی ریاضیات برای گرافیک
• 10. مبانی فیزیک برای گرافیک
• 11. مقدمه‌ای بر واقعیت مجازی (VR)
• 12. مقدمه‌ای بر واقعیت افزوده (AR)
• 13. کاربردها و فرصت‌های VR/AR
• 14. مبانی توسعه VR/AR
• 15. معرفی موتورهای بازی‌سازی (Unity, Unreal Engine)
• 16. مبانی برنامه‌نویسی در Unity
• 17. مبانی برنامه‌نویسی در Unreal Engine
• 18. مفاهیم اولیه الگوریتم‌ها
• 19. ساختارهای داده پایه
• 20. مبانی برنامه‌نویسی شیءگرا (OOP)
• 21. مفاهیم ارث‌بری و چندریختی
• 22. اصول طراحی نرم‌افزار
• 23. مقدمه‌ای بر پایگاه داده
• 24. انواع پایگاه داده
• 25. مبانی SQL
• 26. معرفی زبان‌های برنامه‌نویسی پرکاربرد در HPC
• 27. مبانی C++
• 28. مبانی Python
• 29. معرفی زبان‌های مناسب برای پردازش موازی
• 30. مقدمه‌ای بر پردازش موازی
• 31. مبانی پردازش چندنخی (Multithreading)
• 32. مبانی پردازش چندپردازنده‌ای (Multiprocessing)
• 33. معماری‌های کامپیوتر برای HPC
• 34. پردازنده‌های مرکزی (CPU)
• 35. پردازنده‌های گرافیکی (GPU)
• 36. حافظه سیستم و کش
• 37. شبکه‌های ارتباطی بین پردازنده‌ها
• 38. مبانی محاسبات توزیع‌شده (Distributed Computing)
• 39. موازی‌سازی در سطح داده (Data Parallelism)
• 40. موازی‌سازی در سطح وظیفه (Task Parallelism)
• 41. مدل برنامه‌نویسی MPI
• 42. اصول کار با MPI
• 43. مثال‌های ساده MPI
• 44. مدل برنامه‌نویسی OpenMP
• 45. اصول کار با OpenMP
• 46. مثال‌های ساده OpenMP
• 47. معرفی CUDA برای برنامه‌نویسی GPU
• 48. مبانی برنامه‌نویسی CUDA
• 49. مدل حافظه در CUDA
• 50. کرنل‌های CUDA
• 51. مدیریت نخ‌ها و بلوک‌ها در CUDA
• 52. بهینه‌سازی عملکرد در CUDA
• 53. معرفی OpenCL
• 54. مبانی برنامه‌نویسی OpenCL
• 55. مقایسه CUDA و OpenCL
• 56. مقدمه‌ای بر محاسبات با مقیاس بزرگ (Large-Scale Computing)
• 57. محیط‌های خوشه‌بندی (Cluster Computing)
• 58. سیستم‌های مدیریت منابع (Resource Managers)
• 59. زمان‌بندی وظایف (Job Scheduling)
• 60. مبانی ذخیره‌سازی داده در مقیاس بزرگ
• 61. سیستم‌های فایل توزیع‌شده (Distributed File Systems)
• 62. محاسبات ابری (Cloud Computing)
• 63. مبانی AWS, Azure, GCP
• 64. پلتفرم‌های HPC در فضای ابری
• 65. معماری‌های سه‌بعدی و هندسه در VR/AR
• 66. رندرینگ سه‌بعدی (3D Rendering)
• 67. مبانی Shading و Texturing
• 68. نورپردازی (Lighting) در صحنه‌های سه‌بعدی
• 69. پردازش تصویر در VR/AR
• 70. فیلترهای تصویر
• 71. تکنیک‌های تشخیص ویژگی
• 72. استفاده از GPU برای پردازش تصویر
• 73. مبانی یادگیری ماشین (Machine Learning)
• 74. یادگیری عمیق (Deep Learning)
• 75. شبکه‌های عصبی کانولوشنال (CNN)
• 76. کاربرد CNN در پردازش تصویر VR/AR
• 77. کاربرد CNN در تشخیص اشیاء
• 78. کاربرد CNN در بخش‌بندی تصویر
• 79. شبکه‌های عصبی بازگشتی (RNN)
• 80. کاربرد RNN در پردازش دنباله‌های زمانی
• 81. مفاهیم پردازش زبان طبیعی (NLP)
• 82. کاربرد NLP در VR/AR
• 83. معرفی فریم‌ورک‌های یادگیری عمیق (TensorFlow, PyTorch)
• 84. مبانی TensorFlow
• 85. مبانی PyTorch
• 86. آموزش مدل‌های یادگیری عمیق
• 87. ارزیابی و بهینه‌سازی مدل‌ها
• 88. مباحث پیشرفته در VR/AR
• 89. دنبال کردن حرکت (Motion Tracking)
• 90. ردیابی چشم (Eye Tracking)
• 91. ردیابی دست (Hand Tracking)
• 92. هپتیک (Haptics) و بازخورد لمسی
• 93. شبیه‌سازی فیزیکی (Physics Simulation)
• 94. مدل‌سازی رفتار اجسام
• 95. تشخیص برخورد (Collision Detection)
• 96. بهینه‌سازی عملکرد گرافیکی در VR/AR
• 97. تکنیک‌های ضد الیاسینگ (Anti-Aliasing)
• 98. فشرده‌سازی بافت (Texture Compression)
• 99. تکنیک‌های LOD (Level of Detail)
• 100. بهینه‌سازی محاسباتی برای HPC در VR/AR