اپلیکیشن اندرویدی فلش‌کارت آموزشی مقدمه‌ای بر محاسبات در بهینه‌سازی داده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر محاسبات در بهینه‌سازی داده

موضوع کلی: برنامه نویسی

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

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر برنامه نویسی
• 2. مبانی ساختار داده
• 3. مبانی الگوریتم‌ها
• 4. مبانی پیچیدگی الگوریتمی
• 5. مقدمه‌ای بر زبان برنامه نویسی
• 6. متغیرها و انواع داده
• 7. عملگرها و عبارات
• 8. دستورات شرطی
• 9. حلقه‌ها
• 10. توابع
• 11. مدیریت خطا
• 12. ساختارهای داده پایه (لیست‌ها، تاپل‌ها، دیکشنری‌ها)
• 13. کلاس‌ها و اشیاء
• 14. وراثت
• 15. چندریختی
• 16. برنامه نویسی شی گرا
• 17. مدیریت فایل
• 18. مقدمه‌ای بر پایگاه داده
• 19. مبانی SQL
• 20. ارتباط با پایگاه داده از طریق برنامه
• 21. مقدمه‌ای بر محاسبات سطح بالا (HPC)
• 22. چرا به HPC نیاز داریم؟
• 23. معماری‌های HPC
• 24. پردازنده‌های چند هسته‌ای
• 25. کارت‌های گرافیک (GPU)
• 26. حافظه در HPC
• 27. شبکه‌های پرسرعت
• 28. مدل‌های موازی سازی
• 29. موازی سازی داده‌ای
• 30. موازی سازی وظیفه‌ای
• 31. رابط انتقال پیام (MPI)
• 32. مقدمه‌ای بر MPI
• 33. ارسال و دریافت پیام
• 34. جمع آوری و پخش پیام
• 35. مبادله پیام‌های غیرهمزمان
• 36. توپولوژی‌های MPI
• 37. کتابخانه‌های موازی سازی
• 38. OpenMP
• 39. مقدمه‌ای بر OpenMP
• 40. دستورات OpenMP
• 41. انواع موازی سازی با OpenMP
• 42. مدیریت داده در OpenMP
• 43. همگام سازی در OpenMP
• 44. نکات و ترفندهای OpenMP
• 45. CUDA
• 46. مقدمه‌ای بر CUDA
• 47. معماری CUDA
• 48. کرنل‌های CUDA
• 49. مدیریت حافظه در CUDA
• 50. همگام سازی در CUDA
• 51. بهینه سازی کد CUDA
• 52. نکات و ترفندهای CUDA
• 53. موازی سازی با GPU
• 54. کاربرد GPU در محاسبات علمی
• 55. کاربرد GPU در یادگیری ماشین
• 56. بهینه سازی داده برای GPU
• 57. آرایه ها و ماتریس ها در HPC
• 58. مقدمه‌ای بر محاسبات ماتریسی
• 59. عملیات برداری و ماتریسی
• 60. کتابخانه‌های خطی جبری (BLAS/LAPACK)
• 61. مقدمه‌ای بر BLAS
• 62. عملیات اصلی BLAS
• 63. مقدمه‌ای بر LAPACK
• 64. حل دستگاه معادلات خطی
• 65. محاسبه مقادیر ویژه
• 66. بهینه سازی محاسبات ماتریسی
• 67. کاربرد ماتریس‌ها در علم داده
• 68. مقدمه‌ای بر بهینه‌سازی داده
• 69. تعریف مسئله بهینه‌سازی
• 70. انواع مسائل بهینه‌سازی
• 71. بهینه‌سازی خطی
• 72. بهینه‌سازی غیرخطی
• 73. بهینه‌سازی محدب
• 74. روش‌های حل مسائل بهینه‌سازی
• 75. گرادیان نزولی
• 76. روش‌های مرتبه دوم
• 77. روش‌های دقیق
• 78. روش‌های تقریبی
• 79. الگوریتم‌های فراابتکاری
• 80. ژنتیک
• 81. مورچگان
• 82. شبیه‌سازی تبرید
• 83. بهینه سازی پارامترها
• 84. تنظیم هایپرپارامترها در مدل‌های یادگیری ماشین
• 85. استفاده از HPC در بهینه‌سازی پارامترها
• 86. موازی سازی الگوریتم‌های بهینه‌سازی
• 87. Parallel computing for optimization algorithms
• 88. بهینه سازی جستجوی گرید
• 89. توزیع محاسبات در جستجوی گرید
• 90. بهینه سازی جستجوی تصادفی
• 91. بهینه سازی در الگوریتم‌های یادگیری ماشین
• 92. بهینه سازی توابع هزینه
• 93. بهینه سازی وزن‌های شبکه عصبی
• 94. استفاده از GPU برای آموزش مدل‌ها
• 95. Parallel training of machine learning models
• 96. مقیاس پذیری الگوریتم‌های بهینه‌سازی
• 97. ملاحظات حافظه در HPC
• 98. مدیریت داده‌های بزرگ
• 99. فشرده سازی داده‌ها
• 100. دسترسی کارآمد به داده‌ها