اپلیکیشن اندرویدی فلش‌کارت آموزشی شتاب‌دهی محاسبات علمی با استفاده از زبان برنامه‌نویسی Chapel و واحدهای پردازش گرافیکی (GPU)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شتاب‌دهی محاسبات علمی با استفاده از زبان برنامه‌نویسی Chapel و واحدهای پردازش گرافیکی (GPU)

موضوع کلی: علوم رایانه و مهندسی نرم‌افزار

موضوع میانی: پردازش موازی و محاسبات با کارایی بالا (HPC)

📋 سرفصل‌های دوره

• 1. مفاهیم پایه در محاسبات با کارایی بالا و معماری سامانه‌های موازی
• 2. آشنایی با زبان برنامه‌نویسی Chapel و مدل برنامه‌نویسی آن
• 3. نصب و راه‌اندازی محیط توسعه برای برنامه‌نویسی موازی
• 4. ساختار بلوک‌های اصلی و مدیریت وظایف در زبان Chapel
• 5. مفاهیم اولیه در پردازش گرافیکی و معماری واحدهای پردازش گرافیکی
• 6. مدیریت حافظه در محیط‌های محاسباتی ناهمگن
• 7. آشنایی با مدل برنامه‌نویسی مبتنی بر GPU در زبان Chapel
• 8. نحوه تخصیص و مدیریت داده‌ها در حافظه GPU
• 9. مفهوم دامنه و توزیع داده‌ها در Chapel
• 10. اجرای عملیات موازی روی آرایه‌ها و ساختارهای داده‌ای
• 11. بهینه‌سازی کارایی با استفاده از مدل‌های برنامه‌نویسی موازی
• 12. مدیریت هسته‌های پردازشی در GPU
• 13. همگام‌سازی وظایف و مدیریت منابع در محاسبات موازی
• 14. پیاده‌سازی الگوریتم‌های علمی در محیط Chapel
• 15. استفاده از کتابخانه‌های استاندارد برای محاسبات ریاضی
• 16. ارتباط میان CPU و GPU در فرآیند محاسبات
• 17. بررسی مدل اجرای موازی در مقیاس بزرگ
• 18. بهینه‌سازی انتقال داده بین میزبان و شتاب‌دهنده
• 19. تحلیل کارایی و گلوگاه‌های محاسباتی در Chapel
• 20. استفاده از پروفایلرها برای شناسایی نقاط کند برنامه
• 21. تکنیک‌های کاهش تاخیر در محاسبات با کارایی بالا
• 22. پیاده‌سازی ضرب ماتریس با استفاده از قدرت GPU
• 23. حل معادلات دیفرانسیل به روش موازی در Chapel
• 24. الگوریتم‌های پردازش تصویر با بهره‌گیری از GPU
• 25. شبیه‌سازی‌های فیزیکی در مقیاس بزرگ با زبان Chapel
• 26. مدیریت خطاهای رایج در برنامه‌نویسی موازی
• 27. تکنیک‌های پیشرفته در مدیریت حافظه اشتراکی
• 28. بررسی مقیاس‌پذیری الگوریتم‌ها در سامانه‌های خوشه‌ای
• 29. پیاده‌سازی توابع کاهش و جمع در محیط موازی
• 30. استفاده از دستورالعمل‌های خاص برای کنترل اجرای GPU
• 31. بهینه‌سازی مصرف انرژی در محاسبات با کارایی بالا
• 32. یکپارچه‌سازی کدهای Chapel با سایر زبان‌های برنامه‌نویسی
• 33. آشنایی با زیرساخت‌های محاسباتی ملی و ابررایانه‌ها
• 34. پیاده‌سازی الگوریتم‌های مرتب‌سازی موازی
• 35. کاربرد محاسبات موازی در تحلیل داده‌های حجیم
• 36. ملاحظات امنیتی و پایداری در نرم‌افزارهای محاسباتی
• 37. تست و اعتبارسنجی کدهای موازی در محیط‌های علمی
• 38. بهره‌گیری از معماری‌های حافظه سلسله‌مراتبی
• 39. مستندسازی و توسعه پایدار نرم‌افزارهای مهندسی
• 40. پروژه نهایی: شتاب‌دهی یک مدل محاسباتی پیچیده با Chapel و GPU