اپلیکیشن اندرویدی فلش‌کارت آموزشی شتاب‌دهی به محاسبات علمی با JAX: بهینه‌سازی پردازش‌های عددی و یادگیری عمیق

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شتاب‌دهی به محاسبات علمی با JAX: بهینه‌سازی پردازش‌های عددی و یادگیری عمیق

موضوع کلی: علوم رایانه و هوش مصنوعی

موضوع میانی: محاسبات عددی و یادگیری ماشین

📋 سرفصل‌های دوره (100 موضوع)

• 1. آشنایی با ساختار و فلسفه کتابخانه JAX در محاسبات علمی
• 2. نصب و راه‌اندازی محیط توسعه برای محاسبات عددی با JAX
• 3. مقایسه آرایه‌های NumPy و JAX DeviceArray
• 4. مفهوم تغییرناپذیری داده‌ها در محاسبات JAX
• 5. عملیات ریاضی پایه و توابع برداری در JAX
• 6. مدیریت حافظه و انتقال داده بین CPU و GPU
• 7. مفهوم تبدیل توابع در JAX و کاربرد آن در بهینه‌سازی
• 8. استفاده از jit برای کامپایل درجا و افزایش سرعت اجرا
• 9. تحلیل گراف محاسباتی و بهینه‌سازی آن در JAX
• 10. تفاوت میان ارزیابی تنبل و ارزیابی مشتاق در محاسبات علمی
• 11. محاسبه مشتقات مرتبه اول با استفاده از grad
• 12. مشتق‌گیری خودکار مرتبه بالاتر و کاربرد در بهینه‌سازی
• 13. بردارسازی توابع با استفاده از vmap
• 14. مدیریت موازی‌سازی داده‌ها با pmap
• 15. اجرای محاسبات سنگین روی خوشه‌های پردازشی
• 16. پیاده‌سازی ضرب ماتریسی بهینه با JAX
• 17. حل معادلات دیفرانسیل معمولی با ابزارهای عددی JAX
• 18. بهینه‌سازی توابع هدف با استفاده از الگوریتم‌های گرادیان
• 19. مفاهیم پایه یادگیری ماشین در بستر JAX
• 20. ساختار کتابخانه Flax برای مدل‌سازی شبکه‌های عصبی
• 21. تعریف لایه‌ها و بلوک‌های سازنده مدل در Flax
• 22. مدیریت پارامترها و وضعیت در مدل‌های یادگیری عمیق
• 23. پیاده‌سازی تابع زیان در مسائل رگرسیون و طبقه‌بندی
• 24. الگوریتم‌های بهینه‌ساز در Optax و کاربرد در آموزش مدل
• 25. آموزش شبکه‌های عصبی متراکم با استفاده از JAX
• 26. پیاده‌سازی شبکه‌های عصبی کانولوشنی برای پردازش تصویر
• 27. بهینه‌سازی محاسبات ماتریسی برای مدل‌های یادگیری عمیق
• 28. تکنیک‌های منظم‌سازی برای جلوگیری از بیش‌برازش
• 29. ارزیابی مدل و معیارهای سنجش عملکرد
• 30. کاربرد JAX در فیزیک محاسباتی و مدل‌سازی سیستم‌های دینامیکی
• 31. شبیه‌سازی‌های مبتنی بر ذرات با شتاب‌دهنده JAX
• 32. بهینه‌سازی فراپارامترها در مدل‌های هوش مصنوعی
• 33. کاربرد JAX در پردازش سیگنال‌های دیجیتال
• 34. توابع تبدیل فوریه سریع در JAX
• 35. پیاده‌سازی مدل‌های احتمالی و استنتاج بیزی
• 36. استفاده از JAX در حل مسائل بهینه‌سازی مقید
• 37. تکنیک‌های پیشرفته حافظه برای آموزش مدل‌های بزرگ
• 38. دیباگ کردن کدهای JAX و رفع خطاهای کامپایل
• 39. نکات امنیتی و بهینه‌سازی در استقرار مدل‌های هوش مصنوعی
• 40. آینده محاسبات علمی و نقش JAX در توسعه هوش مصنوعی مولد