اپلیکیشن اندرویدی فلش‌کارت آموزشی مقدمه‌ای بر محاسبات در داده‌های علمی با مقیاس بزرگ

349,950 تومان
دوره آموزشی محاسبات در داده‌های علمی با مقیاس بزرگ: مقدمه‌ای جذاب و کاربردی دوره آموزشی محاسبات در داده‌های علمی با مقیاس بزرگ: از صفر تا قهرمانی! آیا به دنبال یادگیری محاسبات پیشرفته و کاربردی در دنی...
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 87,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر محاسبات در داده‌های علمی با مقیاس بزرگ

موضوع کلی: برنامه نویسی

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

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر محاسبات در داده های علمی با مقیاس بزرگ
  • 2. مبانی علوم کامپیوتر برای محاسبات علمی
  • 3. ساختار داده های اساسی
  • 4. الگوریتم های اساسی
  • 5. پیچیدگی الگوریتمی (Big O notation)
  • 6. مبانی زبان برنامه نویسی پایتون
  • 7. انواع داده ها در پایتون
  • 8. ساختارهای کنترلی (if, for, while)
  • 9. توابع و ماژول ها در پایتون
  • 10. کار با لیست ها، تاپل ها و دیکشنری ها
  • 11. مقدمه ای بر numpy
  • 12. آرایه های numpy
  • 13. عملیات برداری در numpy
  • 14. ایندکسینگ و اسلایسینگ در numpy
  • 15. توابع ریاضی numpy
  • 16. مقدمه ای بر scipy
  • 17. توابع ویژه scipy
  • 18. بهینه سازی با scipy
  • 19. انتگرال گیری عددی
  • 20. حل معادلات دیفرانسیل معمولی
  • 21. مقدمه ای بر pandas
  • 22. DataFrames در pandas
  • 23. کار با سری های pandas
  • 24. خواندن و نوشتن داده ها (CSV, Excel)
  • 25. پاکسازی و پیش پردازش داده ها
  • 26. گروه بندی و تجمیع داده ها
  • 27. ادغام و پیوستن DataFrames
  • 28. مقدمه ای بر matplotlib
  • 29. رسم نمودارهای پایه (خطی، پراکندگی)
  • 30. رسم نمودارهای میله ای و هیستوگرام
  • 31. تنظیمات نمودار (عناوین، برچسب ها، افسانه)
  • 32. نمایش های پیشرفته (سه بعدی، کانتور)
  • 33. مقدمه ای بر seaborn
  • 34. نمودارهای آماری با seaborn
  • 35. نمودارهای توزیع
  • 36. نمودارهای رابطه ای
  • 37. مقدمه ای بر علم داده
  • 38. چرخه حیات پروژه علم داده
  • 39. جمع آوری داده ها
  • 40. کاوش داده ها (EDA)
  • 41. تجسم داده ها برای درک
  • 42. نکات مهم در پاکسازی داده ها
  • 43. مدیریت داده های گمشده
  • 44. شناسایی و مدیریت داده های پرت
  • 45. مهندسی ویژگی
  • 46. تقسیم داده ها (آموزش، آزمون)
  • 47. ارزیابی مدل ها
  • 48. مقدمه ای بر محاسبات با کارایی بالا (HPC)
  • 49. معماری های کامپیوتری
  • 50. CPU و GPU
  • 51. حافظه (RAM, Cache)
  • 52. سیستم های ذخیره سازی
  • 53. مبانی موازی سازی
  • 54. انواع موازی سازی (Data Parallelism, Task Parallelism)
  • 55. موازی سازی سخت افزاری
  • 56. موازی سازی نرم افزاری
  • 57. معماری های موازی (SIMD, MIMD)
  • 58. پردازش موازی مبتنی بر پیام (MPI)
  • 59. مبانی MPI
  • 60. ارسال و دریافت پیام
  • 61. مجموعه ها (Reductions)
  • 62. موازی سازی پویا
  • 63. زمان بندی وظایف
  • 64. مدیریت منابع در HPC
  • 65. صف های نوبت (Queuing Systems)
  • 66. معرفی SLURM (یا مشابه)
  • 67. ارسال شغل (Job Submission)
  • 68. نظارت بر شغل ها
  • 69. مدیریت حافظه در HPC
  • 70. خطاهای مربوط به حافظه
  • 71. تکنیک های بهینه سازی حافظه
  • 72. مقدمه ای بر GPU Computing
  • 73. معماری GPU (Cores, Threads, Blocks)
  • 74. زبان های برنامه نویسی GPU (CUDA, OpenCL)
  • 75. مبانی CUDA
  • 76. Kernel Programming
  • 77. مدیریت حافظه GPU (Global, Shared, Local)
  • 78. همگام سازی نخ ها
  • 79. بهینه سازی عملکرد CUDA
  • 80. نکات مهم در برنامه نویسی CUDA
  • 81. مقدمه ای بر برنامه نویسی موازی در پایتون
  • 82. Python multiprocessing
  • 83. Python threading
  • 84. GIL (Global Interpreter Lock)
  • 85. موازی سازی I/O
  • 86. کتابخانه های HPC برای پایتون
  • 87. Dask
  • 88. PySpark
  • 89. مقدمه ای بر محاسبات توزیع شده
  • 90. معماری های توزیع شده
  • 91. انواع سیستم های توزیع شده
  • 92. مشکلات در سیستم های توزیع شده (Fault Tolerance, Consistency)
  • 93. مقدمه ای بر Big Data
  • 94. ویژگی های Big Data (Volume, Velocity, Variety, Veracity)
  • 95. پلتفرم های Big Data
  • 96. Apache Hadoop
  • 97. HDFS (Hadoop Distributed File System)
  • 98. MapReduce
  • 99. Apache Spark
  • 100. Spark Core API
اپلیکیشن آموزشی اندروید
یادگیری هوشمند، همیشه همراه شما
فلش‌کارت‌های آموزشی را در یک محیط فارسی، ساده و کاربردی مرور کنید؛ پاسخ‌های خود را بسنجید و پیشرفت یادگیری‌تان را دنبال کنید.
مطالعه آفلاین محیط فارسی و راست‌چین ویژه اندروید
فلش‌کارت آموزشی؛ روشی کاربردی برای مرور مطالب

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.

📴
یادگیری بدون اینترنت مداوم
پس از نصب و در دسترس بودن محتوای دوره، فلش‌کارت‌ها را در زمان و مکان دلخواه مرور کنید.
🗂️
انواع محتوای آموزشی
از نکته‌های آموزشی تا پرسش‌های چهارگزینه‌ای و پرسش‌وپاسخ، مطالب را متناسب با نیاز خود مرور کنید.
📊
ارزیابی میزان یادگیری
پاسخ‌های درست و غلط خود را ثبت کنید و آمار عملکردتان را به تفکیک نوع محتوا ببینید.
🎯
مرور هدفمند فصل‌ها
فصل‌های موردنظر را انتخاب کنید و با استفاده از گزینه انتخاب همه، مرور فصل‌های مرورنشده را در اولویت قرار دهید.
انواع فلش‌کارت‌های قابل مرور

محتوای آموزشی در قالب‌های متنوع ارائه می‌شود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموخته‌ها قابل استفاده باشد.

💬
نکته‌های خودمانی
یادگیری ساده و روان
📘
نکته‌های رسمی و کتابی
مرور دقیق مفاهیم
📝
پرسش‌های چهارگزینه‌ای
سنجش آموخته‌ها
❓
پرسش‌وپاسخ
تمرین یادآوری پاسخ
🎓
درسنامه
مرور محتوای آموزشی
امکانات مرور و ارزیابی
حرکت ساده بین کارت‌ها
استفاده از دکمه‌های قبلی و بعدی و مشاهده نوار پیشرفت برای دنبال کردن روند مرور.
مشاهده پاسخ و توضیحات
برگرداندن کارت برای نمایش پاسخ و توضیحات در قالب‌هایی مانند تست و پرسش‌وپاسخ.
تنظیم اندازه فونت
انتخاب اندازه مناسب نوشته‌ها برای تجربه مطالعه راحت‌تر.
نمایش فرمول‌های ریاضی
پشتیبانی از نمایش صحیح فرمول‌ها و روابط ریاضی مبتنی بر LaTeX.
ثبت نتیجه و گزارش آماری
علامت‌گذاری هر پاسخ به‌صورت درست یا غلط و مشاهده تعداد و درصد موفقیت برای انواع محتوا.
طراحی‌شده برای مطالعه روزمره
  • 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.
مناسب برای چه کسانی است؟

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.

توجه: محتوای آموزشی و تعداد فلش‌کارت‌ها به دوره انتخاب‌شده بستگی دارد. محتوای دوره پس از نصب، درون برنامه قابل استفاده است؛ با این حال، دریافت اولیه اپلیکیشن و به‌روزرسانی‌های احتمالی ممکن است به اینترنت نیاز داشته باشند.
گالری تصاویر اپلیکیشن‌ها
محیط واقعی اپلیکیشن‌های آموزشی ما
تصاویر زیر، نمونه‌هایی از محیط واقعی اپلیکیشن‌های آموزشی ما هستند و قالب کلی، سبک طراحی و شیوه نمایش محتوای آموزشی در این برنامه‌ها را نشان می‌دهند.
نگاهی به فضای داخل برنامه
تصویر محیط اپلیکیشن آموزشی ۱
نمای اپلیکیشن ۱
تصویر محیط اپلیکیشن آموزشی ۲
نمای اپلیکیشن ۲
تصویر محیط اپلیکیشن آموزشی ۳
نمای اپلیکیشن ۳
تصویر محیط اپلیکیشن آموزشی ۴
نمای اپلیکیشن ۴
تصویر محیط اپلیکیشن آموزشی ۵
نمای اپلیکیشن ۵
تصویر محیط اپلیکیشن آموزشی ۶
نمای اپلیکیشن ۶
تصویر محیط اپلیکیشن آموزشی ۷
نمای اپلیکیشن ۷
تصویر محیط اپلیکیشن آموزشی ۸
نمای اپلیکیشن ۸
تصویر محیط اپلیکیشن آموزشی ۹
نمای اپلیکیشن ۹
تصویر محیط اپلیکیشن آموزشی ۱۰
نمای اپلیکیشن ۱۰
تصویر محیط اپلیکیشن آموزشی ۱۱
نمای اپلیکیشن ۱۱
نکته مهم درباره تصاویر
این تصاویر نمونه‌ای از قالب و سبک طراحی اپلیکیشن‌های آموزشی ما هستند. اپلیکیشن ارائه‌شده نیز از همین رویکرد طراحی و نمایش محتوای آموزشی پیروی می‌کند؛ جزئیات ظاهری و امکانات قابل مشاهده ممکن است متناسب با نوع دوره و بخش مورد استفاده متفاوت باشد.
تگ‌ها: Big Data Computational Science Data Science High-Performance Computing Large-scale Data Parallel Computing Programming scientific computing برنامه نویسی داده‌های مقیاس بزرگ علوم محاسباتی محاسبات سطح بالا محاسبات علمی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.