اپلیکیشن اندرویدی فلشکارت آموزشی مقدمهای بر محاسبات با توان بالا (High-Throughput Computing)
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره مقدمهای بر محاسبات با توان بالا (High-Throughput Computing)
موضوع کلی: برنامه نویسی
موضوع میانی: محاسبات سطح بالا (High-Performance Computing)
📋 سرفصلهای دوره
- 1. مقدمهای بر دنیای محاسبات توان بالا
- 2. چرا به محاسبات توان بالا نیاز داریم؟
- 3. کاربردهای محاسبات توان بالا در علوم و مهندسی
- 4. تاریخچه مختصری از محاسبات موازی و توزیع شده
- 5. اصول اساسی محاسبات موازی
- 6. اصول اساسی محاسبات توزیع شده
- 7. تفاوت بین محاسبات موازی و توزیع شده
- 8. مفهوم تسریع (Acceleration)
- 9. مفهوم توان عملیاتی (Throughput)
- 10. مفهوم تاخیر (Latency)
- 11. مقایسه توان عملیاتی و تاخیر
- 12. مدلهای برنامهنویسی موازی
- 13. مدل پیامرسانی (Message Passing)
- 14. مدل حافظه مشترک (Shared Memory)
- 15. مدل توزیع شده با حافظه مشترک (Distributed Shared Memory)
- 16. معماریهای سختافزاری برای محاسبات توان بالا
- 17. پردازندههای مرکزی (CPU)
- 18. پردازندههای گرافیکی (GPU)
- 19. تراشههای FPGA
- 20. سیستمهای خوشهای (Clusters)
- 21. شبکههای پرسرعت برای محاسبات توان بالا
- 22. مبانی شبکههای اترنت
- 23. شبکههای InfiniBand
- 24. پروتکلهای ارتباطی در سیستمهای توزیع شده
- 25. نکات کلیدی در طراحی سیستمهای توان بالا
- 26. مفاهیم اولیه برنامهنویسی موازی
- 27. مفهوم فرایند (Process)
- 28. مفهوم نخ (Thread)
- 29. تفاوت بین فرایند و نخ
- 30. همزمانی (Concurrency)
- 31. موازیسازی (Parallelism)
- 32. تفاوت بین همزمانی و موازیسازی
- 33. مشکلات در برنامهنویسی موازی: رقابت (Race Condition)
- 34. مشکلات در برنامهنویسی موازی: بنبست (Deadlock)
- 35. مشکلات در برنامهنویسی موازی: قحطی (Starvation)
- 36. راهحلهای مدیریت همزمانی: قفلها (Locks)
- 37. راهحلهای مدیریت همزمانی: سمافورها (Semaphores)
- 38. راهحلهای مدیریت همزمانی: مانیتورها (Monitors)
- 39. کتابخانههای برنامهنویسی موازی
- 40. OpenMP برای حافظه مشترک
- 41. MPI (Message Passing Interface) برای پیامرسانی
- 42. MPI: مفاهیم پایه
- 43. MPI: ارسال و دریافت پیام
- 44. MPI: ارتباطات جمعی (Collective Communications)
- 45. MPI: ارتباطات یکطرفه (One-Sided Communications)
- 46. MPI: دستهبندی فرایندها (Communicators)
- 47. MPI: انواع دادههای مشتق شده (Derived Datatypes)
- 48. CUDA برای برنامهنویسی GPU
- 49. CUDA: معماری GPU
- 50. CUDA: مدل حافظه GPU
- 51. CUDA: نخها و بلوکهای نخ (Threads and Blocks)
- 52. CUDA: گریدها (Grids)
- 53. CUDA: زمانبندی نخها (Thread Scheduling)
- 54. CUDA: همگامسازی نخها (Thread Synchronization)
- 55. CUDA: توابع هسته (Kernel Functions)
- 56. CUDA: مدیریت حافظه در GPU
- 57. CUDA: انتقال داده بین CPU و GPU
- 58. CUDA: بهینهسازی عملکرد در CUDA
- 59. مفاهیم پردازش دادههای بزرگ (Big Data)
- 60. چالشهای پردازش دادههای بزرگ
- 61. آرشیو دادههای حجیم
- 62. ذخیرهسازی توزیع شده (Distributed Storage)
- 63. سیستم فایل توزیع شده هادوپ (HDFS)
- 64. مدل برنامهنویسی MapReduce
- 65. پیادهسازی MapReduce با هادوپ
- 66. Spark: جایگزین سریعتر برای MapReduce
- 67. Spark: ساختار و مفاهیم اصلی
- 68. Spark: RDD (Resilient Distributed Datasets)
- 69. Spark: DataFrame و DataSet
- 70. Spark: Spark SQL
- 71. Spark: Spark Streaming
- 72. Spark: MLlib (Machine Learning Library)
- 73. Spark: GraphX (Graph Processing)
- 74. پایگاه دادههای NoSQL برای دادههای بزرگ
- 75. انواع پایگاه دادههای NoSQL
- 76. کلید-مقدار (Key-Value)
- 77. ستونی (Column-Family)
- 78. مستند-محور (Document-Oriented)
- 79. گراف (Graph)
- 80. کاربرد پایگاه دادههای NoSQL در محاسبات توان بالا
- 81. مفاهیم توزیع شده و سیستمهای توزیع شده
- 82. توافق در سیستمهای توزیع شده (Distributed Consensus)
- 83. الگوریتم Paxos
- 84. الگوریتم Raft
- 85. قابلیت اطمینان (Fault Tolerance)
- 86. تحمل خرابی (Failure Detection)
- 87. بازیابی از خرابی (Recovery)
- 88. مفاهیم مدیریت منابع در خوشهها
- 89. زمانبندی وظایف (Job Scheduling)
- 90. سیستمهای مدیریت خوشه (Cluster Management Systems)
- 91. Apache Mesos
- 92. Kubernetes
- 93. Docker و کانتینرسازی (Containerization)
- 94. مفاهیم Docker
- 95. ایجاد Dockerfile
- 96. استقرار برنامههای کانتینری
- 97. مزایای کانتینرسازی برای محاسبات توان بالا
- 98. شبکهسازی در محیطهای کانتینری
- 99. ذخیرهسازی در محیطهای کانتینری
- 100. نظارت و مدیریت سیستمهای توان بالا
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.