اپلیکیشن اندرویدی فلش‌کارت آموزشی مقدمه‌ای بر محاسبات در هوش مصنوعی پایدار

349,950 تومان
دوره مقدمه‌ای بر محاسبات در هوش مصنوعی پایدار دوره مقدمه‌ای بر محاسبات در هوش مصنوعی پایدار: آینده را سبز برنامه‌نویسی کنید! معرفی دوره: به جمع پیشگامان هوش مصنوعی مسئولانه بپیوندید آیا می‌دانستید که ...
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 هوش مصنوعی پایدار

موضوع کلی: برنامه نویسی

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

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر برنامه‌نویسی و الگوریتم‌ها
  • 2. مرور ساختار داده‌ها و پیچیدگی الگوریتم‌ها
  • 3. مبانی سیستم‌های عامل و مدیریت منابع
  • 4. معماری کامپیوتر: از پردازنده تا حافظه
  • 5. مقدمه‌ای بر کامپایلرها و بهینه‌سازی کد
  • 6. پروتکل‌های شبکه و ارتباطات داده
  • 7. چرا به محاسبات سطح بالا نیاز داریم؟
  • 8. تاریخچه و تکامل HPC
  • 9. مفهوم موازی‌سازی و انواع آن
  • 10. معماری سیستم‌های موازی: SIMD, MIMD
  • 11. حافظه مشترک در مقابل حافظه توزیع‌شده
  • 12. مقدمه‌ای بر خوشه‌های محاسباتی
  • 13. واحدهای پردازش مرکزی (CPU) در HPC
  • 14. واحدهای پردازش گرافیکی (GPU) و موازی‌سازی انبوه
  • 15. معماری‌های خاص منظوره (ASIC, FPGA)
  • 16. معیارهای عملکرد در HPC: فلاپس، پهنای باند
  • 17. قوانین ام‌دال و گوستافسون
  • 18. مدیریت حافظه و سلسله مراتب آن در HPC
  • 19. بهینه‌سازی دسترسی به حافظه کش
  • 20. مقدمه‌ای بر OpenMP برای برنامه‌نویسی حافظه مشترک
  • 21. تکنیک‌های همگام‌سازی در OpenMP
  • 22. مقدمه‌ای بر MPI برای برنامه‌نویسی حافظه توزیع‌شده
  • 23. عملیات ارتباطی در MPI: ارسال و دریافت
  • 24. عملیات جمعی در MPI: Broadcast, Reduce
  • 25. سیستم‌های فایل موازی و ذخیره‌سازی داده
  • 26. ابزارهای پروفایلینگ و دیباگینگ در HPC
  • 27. زمان‌بندی و مدیریت منابع در خوشه‌های HPC
  • 28. مفاهیم ابری در HPC: HPCaaS
  • 29. چالش‌های مقیاس‌پذیری و کارایی در HPC
  • 30. ارزیابی عملکرد و بنچمارکینگ HPC
  • 31. هوش مصنوعی چیست؟ تاریخچه و کاربردها
  • 32. یادگیری ماشین: انواع و مفاهیم اصلی
  • 33. رگرسیون و طبقه‌بندی در یادگیری ماشین
  • 34. شبکه‌های عصبی مصنوعی: از پرسپترون تا MLP
  • 35. یادگیری عمیق: مقدمه و دلایل موفقیت
  • 36. شبکه‌های عصبی کانولوشنی (CNN) برای پردازش تصویر
  • 37. شبکه‌های عصبی بازگشتی (RNN) برای پردازش توالی
  • 38. مدل‌های ترانسفورمر و Attention
  • 39. یادگیری تقویتی: مفاهیم و الگوریتم‌ها
  • 40. داده‌های بزرگ برای هوش مصنوعی
  • 41. ارزیابی و اعتبارسنجی مدل‌های هوش مصنوعی
  • 42. چالش‌های اخلاقی و بایاس در هوش مصنوعی
  • 43. چرا هوش مصنوعی به HPC نیاز دارد؟
  • 44. از پردازش دسته‌ای تا آموزش توزیع‌شده
  • 45. سخت‌افزارهای تخصصی برای هوش مصنوعی: GPU‌ها
  • 46. تنسور کورها (Tensor Cores) و شتاب‌دهنده‌های AI
  • 47. واحدهای پردازش تنسور (TPU) گوگل
  • 48. چارچوب‌های نرم‌افزاری هوش مصنوعی: TensorFlow
  • 49. چارچوب‌های نرم‌افزاری هوش مصنوعی: PyTorch
  • 50. آموزش توزیع‌شده مدل‌های عمیق
  • 51. موازی‌سازی داده در یادگیری عمیق
  • 52. موازی‌سازی مدل در یادگیری عمیق
  • 53. بهینه‌سازی انتقال داده برای آموزش توزیع‌شده
  • 54. استفاده از MPI در کنار PyTorch/TensorFlow
  • 55. مدیریت حافظه GPU برای مدل‌های بزرگ
  • 56. بهینه‌سازی‌های سطح پایین برای هسته‌های محاسباتی
  • 57. کتابخانه‌های عددی بهینه‌شده (CUDA, cuDNN)
  • 58. استراتژی‌های بارگذاری و پیش‌پردازش داده‌های بزرگ
  • 59. انتخاب سخت‌افزار مناسب برای آموزش و استنتاج AI
  • 60. محیط‌های کانتینری (Docker, Singularity) در HPC برای AI
  • 61. ابزارهای مدیریت ورک‌فلو در AI/HPC
  • 62. مقایسه معماری‌های سخت‌افزاری برای AI
  • 63. مفهوم پایداری در محاسبات: Green Computing
  • 64. ردپای کربن و مصرف انرژی مراکز داده
  • 65. معیارهای اندازه‌گیری بهره‌وری انرژی: PUE, CUE
  • 66. سخت‌افزارهای کم‌مصرف و طراحی انرژی‌بهینه
  • 67. خنک‌سازی و مدیریت حرارتی در مراکز داده
  • 68. منابع انرژی تجدیدپذیر برای مراکز داده
  • 69. بازیافت و مدیریت پسماند الکترونیکی (E-waste)
  • 70. طراحی نرم‌افزار با در نظر گرفتن مصرف انرژی
  • 71. مجازی‌سازی و بهینه‌سازی استفاده از منابع
  • 72. استانداردها و گواهینامه‌های پایداری در IT
  • 73. چالش مصرف انرژی هوش مصنوعی
  • 74. اندازه‌گیری ردپای کربن آموزش مدل‌های AI
  • 75. استراتژی‌های کاهش مصرف انرژی در آموزش AI
  • 76. انتخاب الگوریتم‌های انرژی‌بهینه برای AI
  • 77. بهینه‌سازی معماری مدل برای کاهش مصرف انرژی
  • 78. تقطیر مدل (Model Distillation) برای استنتاج بهینه
  • 79. کوانتیزاسیون (Quantization) مدل‌های عصبی
  • 80. هرس کردن (Pruning) اتصالات شبکه عصبی
  • 81. محاسبات با دقت پایین (Low-Precision Computing)
  • 82. استفاده از سخت‌افزارهای Edge AI کم‌مصرف
  • 83. استراتژی‌های آموزش پیوسته (Continual Learning)
  • 84. یادگیری فدرال (Federated Learning) و پایداری
  • 85. بهینه‌سازی زمان‌بندی وظایف برای بهره‌وری انرژی
  • 86. مدیریت پویا فرکانس و ولتاژ (DVFS) در HPC
  • 87. سیستم‌های خنک‌کننده مایع در HPC برای AI
  • 88. برنامه‌ریزی و تخصیص منابع انرژی‌بهینه
  • 89. محاسبات سبز ابری برای هوش مصنوعی
  • 90. ابزارها و پلتفرم‌های مانیتورینگ مصرف انرژی AI/HPC
  • 91. ارزیابی جامع پایداری مدل‌های هوش مصنوعی
  • 92. ملاحظات اخلاقی و اجتماعی در AI پایدار
  • 93. هوش مصنوعی و محاسبات کوانتومی
  • 94. محاسبات نورومورفیک برای AI انرژی‌بهینه
  • 95. AI در لبه (Edge AI) و اینترنت اشیا پایدار
  • 96. مواد جدید و معماری‌های نوین برای سخت‌افزار AI
  • 97. هوش مصنوعی برای بهینه‌سازی مصرف انرژی سیستم‌های HPC
  • 98. سیاست‌ها و مقررات برای AI و HPC پایدار
  • 99. مدل‌های زبانی بزرگ (LLM) و چالش‌های پایداری
  • 100. آینده محاسبات در هوش مصنوعی پایدار
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: AI programming AI Sustainable High-Performance Computing HPC Sustainable AI آموزش هوش مصنوعی برنامه نویسی برنامه نویسی هوش مصنوعی دوره محاسباتی مبانی هوش مصنوعی محاسبات در هوش مصنوعی محاسبات سریع محاسبات سطح بالا هوش مصنوعی پایدار یادگیری ماشین پایدار

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.