دوره مقدمه‌ای بر محاسبات در پردازش سیگنال همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر محاسبات در پردازش سیگنال

موضوع کلی: برنامه نویسی

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

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پردازش سیگنال
• 2. اهمیت محاسبات در پردازش سیگنال
• 3. انواع سیگنال‌ها: آنالوگ و دیجیتال
• 4. نمونه‌برداری و کوانتیزاسیون
• 5. کمیت‌سازی سیگنال
• 6. خطای کوانتیزاسیون
• 7. نرخ نمونه‌برداری نایکوئیست-شنون
• 8. aliasing
• 9. فیلترینگ آنالوگ اولیه
• 10. تبدیل آنالوگ به دیجیتال (ADC)
• 11. تبدیل دیجیتال به آنالوگ (DAC)
• 12. مبانی ریاضی پردازش سیگنال
• 13. اعداد مختلط در پردازش سیگنال
• 14. سری فوریه
• 15. تبدیل فوریه گسسته (DFT)
• 16. پیاده‌سازی DFT
• 17. محاسبات پیچیده DFT
• 18. تحلیل فوریه زمان-محدود
• 19. مزایای تبدیل فوریه
• 20. کاربرد DFT در تحلیل طیفی
• 21. تبدیل فوریه سریع (FFT)
• 22. الگوریتم Cooley-Tukey FFT
• 23. پیاده‌سازی FFT
• 24. بهینه‌سازی FFT
• 25. کاربرد FFT در کاهش محاسبات
• 26. مفاهیم اولیه برنامه‌نویسی
• 27. مقدمه‌ای بر زبان‌های برنامه‌نویسی
• 28. انتخاب زبان مناسب برای HPC
• 29. مقدمه‌ای بر Python برای پردازش سیگنال
• 30. مبانی Python: متغیرها، انواع داده، عملگرها
• 31. ساختارهای کنترلی در Python: if, for, while
• 32. توابع در Python
• 33. ماژول‌های Python: NumPy
• 34. کاربرد NumPy در محاسبات عددی
• 35. آرایه‌ها در NumPy
• 36. عملیات برداری در NumPy
• 37. آرایه‌های چند بعدی در NumPy
• 38. مقدمه‌ای بر پردازش سیگنال در Python
• 39. کتابخانه SciPy
• 40. ماژول SciPy.signal
• 41. ایجاد سیگنال‌های نمونه در SciPy
• 42. فیلترهای دیجیتال
• 43. انواع فیلترهای دیجیتال: FIR و IIR
• 44. طراحی فیلتر FIR
• 45. طراحی فیلتر IIR
• 46. پیاده‌سازی فیلترهای دیجیتال
• 47. تحلیل پاسخ فرکانسی فیلترها
• 48. طراحی فیلتر بالاگذر
• 49. طراحی فیلتر پایین‌گذر
• 50. طراحی فیلتر میان‌گذر
• 51. طراحی فیلتر نشانه-گذر
• 52. کاربرد فیلترینگ در حذف نویز
• 53. فیلترهای تطبیقی
• 54. مقدمه‌ای بر محاسبات سطح بالا (HPC)
• 55. مفهوم HPC
• 56. معماری‌های HPC: CPU, GPU, FPGA
• 57. مبانی پردازنده‌های چند هسته‌ای
• 58. پردازش موازی
• 59. انواع موازی‌سازی: داده‌ای و وظیفه‌ای
• 60. موازی‌سازی با OpenMP
• 61. مقدمه‌ای بر CUDA
• 62. برنامه‌نویسی GPU با CUDA
• 63. اصول برنامه‌نویسی موازی در GPU
• 64. حافظه در GPU
• 65. هسته‌های GPU
• 66. مدیریت حافظه در CUDA
• 67. بهینه‌سازی کد GPU
• 68. موازی‌سازی با MPI
• 69. مقدمه‌ای بر پیام‌رسانی در MPI
• 70. توابع اصلی MPI
• 71. ارتباطات نقطه‌به‌نقطه در MPI
• 72. ارتباطات گروهی در MPI
• 73. کاربرد MPI در توزیع محاسبات
• 74. بهینه‌سازی کد MPI
• 75. موازی‌سازی در کتابخانه‌های علمی
• 76. انتخاب ابزار موازی‌سازی مناسب
• 77. پیاده‌سازی FFT موازی
• 78. پیاده‌سازی فیلترهای موازی
• 79. بهینه‌سازی پیاده‌سازی FFT
• 80. بهینه‌سازی پیاده‌سازی فیلترها
• 81. مدل‌سازی سیگنال‌های پیچیده
• 82. کاربرد HPC در مخابرات
• 83. کاربرد HPC در تصویربرداری پزشکی
• 84. کاربرد HPC در یادگیری ماشین برای پردازش سیگنال
• 85. مقدمه‌ای بر یادگیری ماشین
• 86. شبکه‌های عصبی کانولوشنی (CNN)
• 87. کاربرد CNN در پردازش سیگنال
• 88. شبکه‌های عصبی بازگشتی (RNN)
• 89. کاربرد RNN در پردازش سیگنال
• 90. یادگیری عمیق برای پردازش سیگنال
• 91. ابزارهای یادگیری عمیق: TensorFlow, PyTorch
• 92. کاربرد TensorFlow در پردازش سیگنال
• 93. کاربرد PyTorch در پردازش سیگنال
• 94. کشف ویژگی در سیگنال‌ها
• 95. استخراج ویژگی با استفاده از HPC
• 96. سیستم‌های تشخیص الگو
• 97. کاربرد HPC در طراحی سیستم‌های تشخیص الگو
• 98. بهینه‌سازی الگوریتم‌های پردازش سیگنال
• 99. پروفایلینگ کد برای شناسایی گلوگاه‌ها
• 100. تکنیک‌های پروفایلینگ