اپلیکیشن اندرویدی فلش‌کارت آموزشی مقدمه‌ای بر محاسبات در توسعه بازی‌های ویدئویی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر محاسبات در توسعه بازی‌های ویدئویی

موضوع کلی: برنامه نویسی

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

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر محاسبات سطح بالا (HPC)
• 2. چرا HPC در توسعه بازی‌های ویدئویی حیاتی است؟
• 3. تاریخچه و تکامل نیاز به کارایی بالا در بازی‌ها
• 4. اهداف دوره و آنچه خواهید آموخت
• 5. چالش‌های کارایی در بازی‌های مدرن
• 6. معماری پایه کامپیوتر: CPU، حافظه و باس‌ها
• 7. نقش هسته‌ها (Cores) و رشته‌ها (Threads) در CPU
• 8. حافظه کش (Cache Memory): اصول و سلسله مراتب
• 9. انواع حافظه: RAM، VRAM و ذخیره‌سازی
• 10. آشنایی با GPU: معماری و تفاوت با CPU
• 11. مفاهیم پایه سیستم عامل: فرآیندها و زمان‌بندی
• 12. آشنایی با دستورالعمل‌های پردازنده و مجموعه دستورالعمل‌ها
• 13. مقدمه‌ای بر SIMD (Single Instruction, Multiple Data)
• 14. خط لوله (Pipeline) پردازنده و پیش‌بینی شاخه (Branch Prediction)
• 15. I/O و تأثیر آن بر کارایی
• 16. معرفی زبان‌های برنامه‌نویسی سطح پایین (مثل C/C++) برای HPC
• 17. مدل‌های حافظه: دسترسی تصادفی و دسترسی ترتیبی
• 18. مفهوم Latency و Throughput در سخت‌افزار
• 19. تأثیر سیستم عامل بر مدیریت منابع و کارایی
• 20. چگونگی تأثیرگذار بودن طراحی سخت‌افزار بر نرم‌افزار
• 21. تحلیل پیچیدگی زمانی و مکانی (Big O Notation)
• 22. مفاهیم پایه بنچمارکینگ و پروفایلینگ
• 23. ابزارهای پروفایلینگ: مقدمه و کاربردها
• 24. قوانین آمداهل (Amdahl's Law) و گاستافسون (Gustafson's Law)
• 25. شناسایی گلوگاه‌های کارایی (Performance Bottlenecks)
• 26. متریک‌های ارزیابی کارایی: FPS، زمان فریم، استفاده از CPU/GPU
• 27. اصول بهینه‌سازی کد: کمتر کار کردن، سریع‌تر کار کردن
• 28. تأثیر انتخاب الگوریتم بر کارایی
• 29. مدیریت حافظه و اجتناب از هدر رفت حافظه
• 30. اندازه‌گیری دقیق و تکرارپذیری نتایج
• 31. مقدمه‌ای بر برنامه‌نویسی موازی و همزمان
• 32. تفاوت بین موازی‌سازی (Parallelism) و همزمانی (Concurrency)
• 33. فرآیندها (Processes) در مقابل رشته‌ها (Threads)
• 34. مدل‌های حافظه مشترک و توزیع‌شده
• 35. ریس‌کاندیشن (Race Conditions) و شرایط بحرانی
• 36. قفل‌ها (Locks) و مکانیزم‌های همگام‌سازی (Synchronization)
• 37. موانع (Barriers) و سِمافورها (Semaphores)
• 38. عملیات اتمی (Atomic Operations)
• 39. استخر رشته‌ها (Thread Pools) برای مدیریت کار
• 40. زمان‌بندی رشته‌ها و اولویت‌بندی
• 41. مدل‌های برنامه‌نویسی موازی: Fork-Join، Map-Reduce
• 42. برنامه‌نویسی Task-Based: مزایا و پیاده‌سازی
• 43. آشنایی با OpenMP برای موازی‌سازی CPU
• 44. آشنایی با TBB (Threading Building Blocks)
• 45. الگوهای طراحی برای برنامه‌نویسی موازی
• 46. معماری GPU: واحدهای پردازشی، SMها و هسته‌های CUDA
• 47. مدل برنامه‌نویسی SIMT (Single Instruction, Multiple Threads)
• 48. سلسله مراتب حافظه GPU: Global, Shared, Local, Constant Memory
• 49. مقدمه‌ای بر CUDA یا OpenCL برای برنامه‌نویسی GPU
• 50. نوشتن اولین Kernel در GPU
• 51. مدیریت حافظه در GPU: تخصیص و انتقال داده
• 52. بهینه‌سازی دسترسی به حافظه در GPU: Coalesced Memory Access
• 53. Shared Memory و کاربرد آن برای افزایش کارایی
• 54. بنچمارکینگ و پروفایلینگ کدهای GPU
• 55. استفاده از Compute Shaders در موتورهای بازی (Unity/Unreal)
• 56. Graphics APIs و تعامل با Compute Shaders (DirectX/Vulkan/OpenGL)
• 57. تکنیک‌های کاهش Branch Divergence در GPU
• 58. موازی‌سازی جریان (Stream Parallelism) در CUDA
• 59. پردازش تصویر و فیلترها با GPU
• 60. شبیه‌سازی ذرات (Particle Systems) با GPU Compute
• 61. رندرینگ مبتنی بر تایل (Tile-Based Rendering) و GPU
• 62. بهینه‌سازی شیدرها برای کارایی بالا
• 63. FPGAs و سایر شتاب‌دهنده‌ها: نگاهی اجمالی
• 64. مفاهیم رندرینگ تاخیری (Deferred Rendering) و موازی‌سازی آن
• 65. محدودیت‌ها و بهترین شیوه‌ها در برنامه‌نویسی GPU
• 66. بهینه‌سازی موتور بازی: رویکردهای کلی
• 67. سیستم‌های Entity-Component-System (ECS) و مزایای کارایی
• 68. مدیریت حافظه سفارشی و Pool Allocators در بازی‌ها
• 69. Culling و LOD (Level of Detail) برای بهینه‌سازی رندرینگ
• 70. Instancing و تکنیک‌های رندرینگ هزاران شیء
• 71. بهینه‌سازی Collision Detection و پاسخ به برخورد
• 72. موازی‌سازی سیستم فیزیک (PhysX, Havok)
• 73. شبیه‌سازی Cloth/Fluid با GPU
• 74. بهینه‌سازی هوش مصنوعی: Pathfinding موازی
• 75. درخت‌های رفتار (Behavior Trees) و سیستم‌های تصمیم‌گیری موازی
• 76. سیستم‌های ذرات (Particle Systems) با GPU
• 77. تکنیک‌های بهینه‌سازی Animation و Skinning
• 78. بهینه‌سازی Input/Output در بازی‌ها (بارگذاری سریع منابع)
• 79. شبکه‌سازی: پیش‌بینی سمت کلاینت (Client-Side Prediction) و جبران تأخیر (Lag Compensation)
• 80. معماری شبکه بازی‌های چندنفره و بهینه‌سازی پهنای باند
• 81. استفاده از Data-Oriented Design (DOD) در توسعه بازی
• 82. بهینه‌سازی ساختار داده‌ها برای Cache Locality
• 83. محاسبات Inverse Kinematics (IK) با کارایی بالا
• 84. پردازش پس‌تصویر (Post-Processing Effects) با Compute Shaders
• 85. سیستم‌های صوتی و موازی‌سازی آن
• 86. مدیریت منابع (Asset Management) و Streaming
• 87. Ray Tracing و Path Tracing: مفاهیم و بهینه‌سازی‌ها
• 88. Vulkan/DX12: APIهای گرافیکی سطح پایین برای کنترل بیشتر
• 89. موتورهای بازی چندرشته‌ای: Unity Job System, Unreal Chaos
• 90. چالش‌های مقیاس‌پذیری در بازی‌های جهان باز (Open World)
• 91. ابزارهای پروفایلینگ مخصوص بازی: PIX, Nsight, RenderDoc
• 92. دیباگ کردن کدهای موازی و یافتن Race Conditions
• 93. تست کارایی (Performance Testing) و Regression
• 94. اتوماسیون پروفایلینگ و بنچمارکینگ در CI/CD
• 95. اصول توسعه مبتنی بر کارایی (Performance-Driven Development)
• 96. بهترین شیوه‌ها برای نوشتن کد با کارایی بالا در C++
• 97. اهمیت مستندسازی و نگهداری کدهای بهینه
• 98. معماری‌های توزیع‌شده برای بازی‌های آنلاین گسترده
• 99. نقش یادگیری ماشین (Machine Learning) در بهینه‌سازی بازی‌ها
• 100. نگاهی به آینده: سخت‌افزارهای جدید و پارادایم‌های محاسباتی نوظهور