اپلیکیشن اندرویدی فلش‌کارت آموزشی مقدمه‌ای بر محاسبات در مدل‌سازی زیستی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر محاسبات در مدل‌سازی زیستی

موضوع کلی: برنامه نویسی

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

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی محاسباتی در علوم زیستی
• 2. چرا به محاسبات سطح بالا (HPC) در زیست‌شناسی نیاز داریم؟
• 3. آشنایی با محیط خط فرمان (Command Line) و شل (Shell)
• 4. دستورات پایه‌ای لینوکس: ناوبری و مدیریت فایل‌ها
• 5. کار با متن در خط فرمان: grep, sed, awk
• 6. مبانی برنامه‌نویسی: متغیرها، انواع داده‌ها و عملگرها
• 7. ساختارهای کنترلی: دستورات شرطی و حلقه‌ها
• 8. توابع و ماژول‌ها: ساختاردهی به کد
• 9. ساختارهای داده پایه: لیست‌ها، تاپل‌ها و دیکشنری‌ها
• 10. آشنایی با پایتون به عنوان زبان اصلی دوره
• 11. نصب و مدیریت پکیج‌ها در پایتون (Pip و Conda)
• 12. مقدمه‌ای بر کنترل نسخه با Git
• 13. مفاهیم اساسی Git: commit, push, pull, branch
• 14. زبان‌های کامپایلری (C++/Fortran) در مقابل زبان‌های مفسری (Python)
• 15. نوشتن و اجرای اولین اسکریپت محاسباتی
• 16. خواندن و نوشتن فایل‌ها در برنامه‌نویسی
• 17. فرمت‌های داده رایج در بیوانفورماتیک (FASTA, PDB, VCF)
• 18. مقدمه‌ای بر الگوریتم‌ها و پیچیدگی محاسباتی
• 19. اصول دیباگ کردن و رفع خطا در کد
• 20. مدیریت محیط‌های مجازی (Virtual Environments)
• 21. محاسبات عددی با کتابخانه NumPy
• 22. آرایه‌های چندبعدی و عملیات برداری در NumPy
• 23. تحلیل داده‌های جدولی با Pandas
• 24. پاکسازی و آماده‌سازی داده‌های زیستی با Pandas
• 25. مصورسازی داده‌ها با Matplotlib و Seaborn
• 26. کتابخانه SciPy و کاربردهای آن در علوم
• 27. مبانی جبر خطی برای مدل‌سازی زیستی
• 28. حل دستگاه معادلات دیفرانسیل معمولی (ODE)
• 29. بهینه‌سازی عددی و یافتن حداقل توابع
• 30. درون‌یابی و برازش منحنی (Interpolation and Curve Fitting)
• 31. انتگرال‌گیری عددی
• 32. روش‌های مونت کارلو و شبیه‌سازی تصادفی
• 33. مقدمه‌ای بر پردازش سیگنال و تصویر در بیولوژی
• 34. برنامه‌نویسی شیءگرا (Object-Oriented Programming) و کاربرد آن
• 35. پروفایلینگ (Profiling) کد پایتون برای شناسایی گلوگاه‌ها
• 36. بهینه‌سازی کدهای پایتون با Cython
• 37. واسط پایتون با کدهای C/C++ (Python C API/ctypes)
• 38. مقدمه‌ای بر C++ برای محاسبات علمی
• 39. ساختارهای داده پیشرفته در C++ (STL)
• 40. کامپایل و لینک کردن برنامه‌های C++ با g++
• 41. معماری کامپیوترهای مدرن: CPU، حافظه و کش
• 42. سلسله مراتب حافظه و تأثیر آن بر عملکرد
• 43. مفهوم محاسبات موازی و انواع آن
• 44. قانون امدال (Amdahl's Law) و محدودیت‌های موازی‌سازی
• 45. معماری کلاسترهای HPC: نودهای محاسباتی، شبکه و ذخیره‌سازی
• 46. آشنایی با سیستم‌های حافظه اشتراکی (Shared Memory)
• 47. آشنایی با سیستم‌های حافظه توزیع‌شده (Distributed Memory)
• 48. شبکه‌های اتصال داخلی (Interconnects) در کلاسترها (InfiniBand)
• 49. سیستم‌های فایل موازی (Parallel File Systems) مانند Lustre
• 50. نرم‌افزارهای مدیریت منابع و زمان‌بندها (Job Schedulers)
• 51. آشنایی با SLURM: ارسال و مدیریت جاب‌ها
• 52. نوشتن اسکریپت‌های ارسال جاب (Job Submission Scripts)
• 53. نظارت (Monitoring) بر وضعیت جاب‌ها و منابع
• 54. کامپایلرها و فلگ‌های بهینه‌سازی (Optimization Flags)
• 55. مدیریت ماژول‌های نرم‌افزاری (Environment Modules)
• 56. چالش‌های ورودی/خروجی (I/O) در مقیاس بزرگ
• 57. اصول بهینه‌سازی عملکرد (Performance Tuning)
• 58. اندازه‌گیری و تحلیل عملکرد: Benchmarking
• 59. مفهوم مقیاس‌پذیری (Scalability): Strong vs. Weak Scaling
• 60. مقدمه‌ای بر محاسبات روی پردازنده‌های گرافیکی (GPU Computing)
• 61. مدل برنامه‌نویسی حافظه اشتراکی: OpenMP
• 62. دستورات (Directives) پایه‌ای در OpenMP: parallel, for
• 63. همگام‌سازی (Synchronization) در OpenMP
• 64. متغیرهای خصوصی و اشتراکی در OpenMP
• 65. مدل برنامه‌نویسی حافظه توزیع‌شده: MPI (Message Passing Interface)
• 66. راه‌اندازی و اجرای یک برنامه MPI
• 67. ارتباطات نقطه به نقطه (Point-to-Point) در MPI
• 68. ارتباطات جمعی (Collective Communications) در MPI
• 69. انواع داده‌های سفارشی در MPI
• 70. توپولوژی‌های مجازی در MPI
• 71. ورودی/خروجی موازی با MPI-IO
• 72. دیباگ کردن برنامه‌های موازی (MPI/OpenMP)
• 73. مدل ترکیبی MPI + OpenMP
• 74. مقدمه‌ای بر معماری GPU
• 75. مدل برنامه‌نویسی CUDA: کرنل‌ها، نخ‌ها و بلاک‌ها
• 76. مدیریت حافظه در CUDA: حافظه Global, Shared, Constant
• 77. اولین برنامه CUDA: جمع برداری
• 78. بهینه‌سازی کدهای CUDA
• 79. کتابخانه‌های علمی مبتنی بر GPU (cuBLAS, cuFFT)
• 80. آشنایی با OpenACC: رویکردی ساده‌تر برای برنامه‌نویسی GPU
• 81. کاربرد HPC در هم‌ترازی توالی (Sequence Alignment)
• 82. موازی‌سازی الگوریتم BLAST
• 83. مونتاژ ژنوم در مقیاس بزرگ (Genome Assembly)
• 84. تحلیل داده‌های توالی‌یابی نسل جدید (NGS)
• 85. مقدمه‌ای بر شبیه‌سازی دینامیک مولکولی (Molecular Dynamics)
• 86. اصول الگوریتم‌های MD و میدان‌های نیرو (Force Fields)
• 87. اجرای شبیه‌سازی MD با نرم‌افزارهای GROMACS/NAMD روی کلاستر
• 88. تحلیل نتایج شبیه‌سازی‌های MD
• 89. مدل‌سازی داکینگ مولکولی (Molecular Docking) برای کشف دارو
• 90. غربالگری مجازی با توان محاسباتی بالا (High-Throughput Virtual Screening)
• 91. ساخت درخت‌های تبارزایی (Phylogenetics) با داده‌های عظیم
• 92. مدل‌سازی شبکه‌های زیستی و دینامیک سیستم‌ها
• 93. پردازش و تحلیل تصاویر میکروسکوپی در مقیاس بزرگ (Cryo-EM)
• 94. یادگیری ماشین و یادگیری عمیق در زیست‌شناسی محاسباتی
• 95. آموزش مدل‌های یادگیری عمیق روی چندین GPU
• 96. مدیریت داده‌های علمی و بهترین شیوه‌ها
• 97. مصورسازی علمی داده‌های حجیم (Scientific Visualization) با ParaView
• 98. تکرارپذیری محاسباتی: کانتینرها (Docker/Singularity)
• 99. محاسبات سطح بالا در محیط‌های ابری (Cloud HPC)
• 100. روندهای آینده در محاسبات زیستی: Exascale و هوش مصنوعی