دوره راهنمای جامع مرکز محاسباتی Rand: تسلط بر ابرکامپیوترها و شبیه‌سازی‌های پیچیده همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای جامع مرکز محاسباتی Rand: تسلط بر ابرکامپیوترها و شبیه‌سازی‌های پیچیده

موضوع کلی: محاسبات علمی و ابزارهای آن

موضوع میانی: مدیریت و استفاده از منابع محاسباتی پیشرفته

📋 سرفصل‌های دوره

• 1. معرفی دوره: راهنمای جامع مرکز محاسباتی Rand
• 2. آشنایی با تاریخچه و اهمیت محاسبات علمی
• 3. مروری بر کتاب "A Rand Computation Center reference" و اهداف دوره
• 4. آشنایی با مفاهیم پایه: کامپیوتر، داده، الگوریتم
• 5. ساختارهای داده و الگوریتم‌های پایه
• 6. آشنایی با سیستم‌های عامل و محیط‌های محاسباتی
• 7. مفاهیم شبکه و ارتباطات بین کامپیوتری
• 8. مروری بر معماری کامپیوتر و پردازنده‌ها
• 9. آشنایی با حافظه و مدیریت آن
• 10. مقدمه‌ای بر زبان‌های برنامه‌نویسی و انتخاب مناسب
• 11. زبان برنامه‌نویسی Fortran: تاریخچه و اصول
• 12. زبان برنامه‌نویسی Fortran: ساختار برنامه و دستورات پایه
• 13. زبان برنامه‌نویسی Fortran: انواع داده و متغیرها
• 14. زبان برنامه‌نویسی Fortran: عملگرها و عبارات
• 15. زبان برنامه‌نویسی Fortran: ساختارهای کنترلی (if, then, else, do)
• 16. زبان برنامه‌نویسی Fortran: توابع و زیربرنامه‌ها
• 17. زبان برنامه‌نویسی Fortran: آرایه‌ها و ماتریس‌ها
• 18. زبان برنامه‌نویسی Fortran: ورودی و خروجی داده‌ها
• 19. زبان برنامه‌نویسی C: معرفی و مقایسه با Fortran
• 20. زبان برنامه‌نویسی C: ساختار برنامه و مفاهیم پایه
• 21. زبان برنامه‌نویسی C: انواع داده و متغیرها
• 22. زبان برنامه‌نویسی C: عملگرها و عبارات
• 23. زبان برنامه‌نویسی C: ساختارهای کنترلی (if, else, switch, loops)
• 24. زبان برنامه‌نویسی C: توابع و اشاره‌گرها
• 25. زبان برنامه‌نویسی C: مدیریت حافظه
• 26. زبان برنامه‌نویسی C: ساختارهای داده پیشرفته
• 27. زبان برنامه‌نویسی C: ورودی و خروجی
• 28. معرفی کتابخانه‌های ریاضی و علمی
• 29. کار با کتابخانه BLAS و Linpack
• 30. آشنایی با کتابخانه LAPACK
• 31. معرفی و کاربرد کتابخانه FFTW
• 32. بهینه‌سازی کد: اصول و تکنیک‌ها
• 33. بهینه‌سازی کد: پروفایلینگ و شناسایی گلوگاه‌ها
• 34. بهینه‌سازی کد: تکنیک‌های بهینه‌سازی کامپایلر
• 35. بهینه‌سازی کد: موازی‌سازی کد
• 36. مقدمه‌ای بر محاسبات موازی
• 37. آشنایی با مفاهیم MPI (Message Passing Interface)
• 38. برنامه‌نویسی MPI: ارسال و دریافت پیام
• 39. برنامه‌نویسی MPI: جمع‌آوری و پخش داده
• 40. برنامه‌نویسی MPI: ارتباطات گروهی
• 41. آشنایی با OpenMP: محاسبات موازی حافظه مشترک
• 42. برنامه‌نویسی OpenMP: دستورالعمل‌های پایه
• 43. برنامه‌نویسی OpenMP: مدیریت نواحی موازی
• 44. مقدمه‌ای بر شبیه‌سازی‌های عددی
• 45. معادلات دیفرانسیل معمولی: روش‌های حل
• 46. معادلات دیفرانسیل جزئی: روش‌های تفاضل محدود
• 47. معادلات دیفرانسیل جزئی: روش‌های المان محدود
• 48. شبیه‌سازی دینامیک سیالات محاسباتی (CFD)
• 49. شبیه‌سازی انتقال حرارت
• 50. شبیه‌سازی مواد و مکانیک جامدات
• 51. آشنایی با ابزارهای تجسم داده
• 52. تجسم داده: Gnuplot و VisIt
• 53. تجسم داده: Paraview
• 54. مقدمه‌ای بر مدیریت داده‌های بزرگ
• 55. پایگاه داده‌ها: مفاهیم پایه و طراحی
• 56. SQL: زبان پرس‌وجوی ساخت‌یافته
• 57. آشنایی با سیستم‌های فایل توزیع‌شده
• 58. آشنایی با خوشه‎های محاسباتی
• 59. مدیریت Job در سیستم‌های HPC
• 60. آشنایی با Slurm و PBS Pro
• 61. کنترل نسخه و مدیریت کد با Git
• 62. آشنایی با محیط‌های توسعه یکپارچه (IDE)
• 63. مفاهیم امنیت در محاسبات
• 64. مدیریت دسترسی و مجوزها
• 65. مقدمه‌ای بر یادگیری ماشینی و کاربردهای آن
• 66. آموزش مدل‌های یادگیری ماشینی با کتابخانه‌های Python
• 67. آشنایی با کتابخانه‌های NumPy و SciPy
• 68. آشنایی با کتابخانه Pandas
• 69. کاربرد یادگیری ماشینی در شبیه‌سازی‌ها
• 70. مدیریت منابع محاسباتی: برنامه‌ریزی و زمان‌بندی
• 71. استفاده از سیستم‌های فایل اشتراکی
• 72. آشنایی با ابزارهای مانیتورینگ سیستم
• 73. عیب‌یابی و رفع اشکال در برنامه‌های محاسباتی
• 74. بهینه‌سازی عملکرد I/O
• 75. آشنایی با کتابخانه‌های تخصصی علمی
• 76. مروری بر شبیه‌سازی Monte Carlo
• 77. استفاده از شتاب‌دهنده‌های سخت‌افزاری (GPU)
• 78. برنامه‌نویسی CUDA: اصول و مفاهیم
• 79. برنامه‌نویسی CUDA: هسته‌ها و مدیریت حافظه
• 80. بهینه‌سازی کد CUDA
• 81. آشنایی با ابزارهای پروفایلینگ GPU
• 82. معرفی HPC (High Performance Computing) و کاربردهای آن
• 83. معرفی ابرکامپیوترها و معماری آن‌ها
• 84. مدیریت و نگهداری مراکز محاسباتی
• 85. اهمیت انرژی و پایداری در HPC
• 86. معرفی استانداردهای کدنویسی
• 87. بهترین شیوه‌ها در توسعه نرم‌افزار علمی
• 88. مستندسازی کد و تولید گزارش
• 89. کاربرد هوش مصنوعی در HPC
• 90. آینده محاسبات علمی
• 91. گرایش‌های نوین در HPC
• 92. چالش‌ها و فرصت‌های پیش رو
• 93. ایجاد و مدیریت یک پروژه محاسباتی
• 94. بررسی موردی: شبیه‌سازی‌های پیشرفته
• 95. بررسی موردی: تحلیل داده‌های بزرگ
• 96. آشنایی با روش‌های اعتبارسنجی و ارزیابی
• 97. همکاری و اشتراک‌گذاری نتایج
• 98. جمع‌بندی و مرور دوره
• 99. منابع و مراجع تکمیلی
• 100. سؤالات متداول و پاسخ‌ها