دوره کار با نرم‌افزارهای شبیه‌سازی در پایتون همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کار با نرم‌افزارهای شبیه‌سازی در پایتون

موضوع کلی: برنامه نویسی

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

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر محاسبات سطح بالا
• 2. آشنایی با پایتون برای HPC
• 3. نصب و راه‌اندازی محیط پایتون برای HPC
• 4. آشنایی با numpy برای محاسبات عددی
• 5. عملیات پایه‌ای numpy
• 6. آرایه‌های numpy و ابعاد آن‌ها
• 7. شاخص‌گذاری و برش آرایه‌های numpy
• 8. توابع ریاضی numpy
• 9. عملیات بیهود numpy
• 10. شکل‌دهی و تغییر ابعاد آرایه‌های numpy
• 11. آشنایی با scipy برای محاسبات علمی
• 12. زیرماژول‌های scipy: scipy.integrate
• 13. زیرماژول‌های scipy: scipy.optimize
• 14. زیرماژول‌های scipy: scipy.interpolate
• 15. زیرماژول‌های scipy: scipy.fft
• 16. زیرماژول‌های scipy: scipy.linalg
• 17. زیرماژول‌های scipy: scipy.sparse
• 18. کاربرد scipy در حل معادلات دیفرانسیل
• 19. کاربرد scipy در بهینه‌سازی
• 20. کاربرد scipy در درون‌یابی
• 21. مقدمه‌ای بر نرم‌افزارهای شبیه‌سازی
• 22. انواع نرم‌افزارهای شبیه‌سازی
• 23. مزایا و معایب نرم‌افزارهای شبیه‌سازی
• 24. انتخاب نرم‌افزار شبیه‌سازی مناسب
• 25. معرفی ابزارهای شبیه‌سازی در پایتون
• 26. آشنایی با SimPy
• 27. نصب و راه‌اندازی SimPy
• 28. مبانی SimPy: فرآیندها (Processes)
• 29. مبانی SimPy: رویدادها (Events)
• 30. مبانی SimPy: زمان (Time)
• 31. مبانی SimPy: منابع (Resources)
• 32. شبیه‌سازی صف انتظار با SimPy
• 33. شبیه‌سازی سیستم‌های تولید با SimPy
• 34. شبیه‌سازی سیستم‌های لجستیک با SimPy
• 35. شبیه‌سازی سیستم‌های مخابراتی با SimPy
• 36. شبیه‌سازی سیستم‌های بهداشتی با SimPy
• 37. تجزیه و تحلیل نتایج شبیه‌سازی
• 38. مصورسازی نتایج شبیه‌سازی
• 39. مقدمه‌ای بر محاسبات موازی
• 40. مفاهیم اصلی محاسبات موازی
• 41. انواع موازی‌سازی: موازی‌سازی داده (Data Parallelism)
• 42. انواع موازی‌سازی: موازی‌سازی وظیفه (Task Parallelism)
• 43. موازی‌سازی در پایتون: ماژول multiprocessing
• 44. نصب و راه‌اندازی multiprocessing
• 45. استفاده از Process ها
• 46. استفاده از Pool ها
• 47. استفاده از Queue ها
• 48. استفاده از Pipe ها
• 49. مفاهیم قفل (Lock) و همگام‌سازی (Synchronization)
• 50. عیب‌یابی برنامه‌های موازی
• 51. موازی‌سازی با استفاده از threading
• 52. تفاوت multiprocessing و threading
• 53. مقدمه‌ای بر محاسبات توزیع شده
• 54. مفاهیم اصلی محاسبات توزیع شده
• 55. فریم‌ورک‌های محاسبات توزیع شده در پایتون
• 56. معرفی Dask
• 57. نصب و راه‌اندازی Dask
• 58. مبانی Dask: Dask Arrays
• 59. مبانی Dask: Dask DataFrames
• 60. مبانی Dask: Dask Bags
• 61. اجرای محاسبات موازی با Dask
• 62. اجرای محاسبات توزیع شده با Dask
• 63. بهینه‌سازی اجرای Dask
• 64. کاربرد Dask در پردازش داده‌های بزرگ
• 65. کاربرد Dask در یادگیری ماشین
• 66. مقدمه‌ای بر GPU Computing
• 67. آشنایی با CUDA
• 68. نصب و راه‌اندازی CUDA Toolkit
• 69. مفاهیم اصلی GPU Computing
• 70. برنامه‌نویسی GPU با پایتون
• 71. معرفی CuPy
• 72. نصب و راه‌اندازی CuPy
• 73. استفاده از CuPy برای محاسبات عددی موازی
• 74. مقایسه CuPy و NumPy
• 75. مقدمه‌ای بر PyTorch برای HPC
• 76. نصب و راه‌اندازی PyTorch
• 77. مبانی PyTorch: تنسورها (Tensors)
• 78. محاسبات تنسورها در PyTorch
• 79. انتقال تنسورها به GPU
• 80. استفاده از PyTorch برای مدل‌های یادگیری عمیق
• 81. بهینه‌سازی مدل‌های PyTorch برای HPC
• 82. مقدمه‌ای بر TensorFlow برای HPC
• 83. نصب و راه‌اندازی TensorFlow
• 84. مبانی TensorFlow: تنسورها
• 85. محاسبات تنسورها در TensorFlow
• 86. انتقال تنسورها به GPU
• 87. استفاده از TensorFlow برای مدل‌های یادگیری عمیق
• 88. بهینه‌سازی مدل‌های TensorFlow برای HPC
• 89. مقدمه‌ای بر OpenMP
• 90. آشنایی با directives OpenMP
• 91. استفاده از OpenMP در پایتون (از طریق کتابخانه‌های واسط)
• 92. مفاهیم موازی‌سازی سطح دستوری
• 93. کاربرد OpenMP در شبیه‌سازی‌ها
• 94. مقدمه‌ای بر MPI
• 95. آشنایی با Message Passing Interface (MPI)
• 96. نصب و راه‌اندازی MPI برای پایتون (mpi4py)
• 97. مفاهیم ارتباط بین فرآیندها (Process Communication)
• 98. ارسال و دریافت پیام (Send/Receive)
• 99. عملیات جمع‌آوری (Collective Operations)
• 100. کاربرد MPI در شبیه‌سازی‌های توزیع شده