دوره AcceleratedKernels.jl: برنامه‌نویسی موازی مبتنی بر Julia برای شتاب‌دهنده‌های مختلف با قابلیت انتقال کد همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

2,490,000 تومان
دوره AcceleratedKernels.jl: برنامه‌نویسی موازی با جولیا برای شتاب‌دهنده‌ها AcceleratedKernels.jl: آینده برنامه‌نویسی موازی در دستان شما! کدنویسی یکپارچه، عملکردی بی‌نظیر در شتاب‌دهنده‌های مختلف 🚀 معرف...
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 622,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره AcceleratedKernels.jl: برنامه‌نویسی موازی مبتنی بر Julia برای شتاب‌دهنده‌های مختلف با قابلیت انتقال کد

موضوع کلی: محاسبات موازی و شتاب‌دهنده‌ها

موضوع میانی: برنامه‌نویسی موازی در Julia برای سخت‌افزارهای متنوع

📋 سرفصل‌های دوره

  • 1. مبانی محاسبات موازی و دلایل استفاده از آن
  • 2. آشنایی با سخت‌افزارهای موازی: CPU، GPU، TPU و غیره
  • 3. مروری بر زبان برنامه‌نویسی Julia و مزایای آن
  • 4. نصب و راه‌اندازی Julia و محیط توسعه
  • 5. مبانی سینتکس و ساختارهای داده در Julia
  • 6. معرفی پکیج‌های مهم Julia برای محاسبات
  • 7. مفاهیم اولیه برنامه‌نویسی موازی در Julia
  • 8. آشنایی با Threads در Julia
  • 9. استفاده از `@threads` برای موازی‌سازی حلقه‌ها
  • 10. بهینه‌سازی کدهای موازی با Threads
  • 11. معرفی پکیج Distributed و مفهوم پردازش توزیع‌شده
  • 12. استفاده از Distributed برای محاسبات توزیع‌شده
  • 13. تبادل پیام (Message Passing) در Distributed
  • 14. مدیریت حافظه در محیط‌های موازی
  • 15. معرفی پکیج AcceleratedKernels.jl
  • 16. نصب و راه‌اندازی AcceleratedKernels.jl
  • 17. معرفی مفهوم Cross-Architecture و اهمیت آن
  • 18. ساختارهای داده‌ در AcceleratedKernels.jl
  • 19. اصول طراحی هسته‌های محاسباتی (Kernels)
  • 20. تبدیل کد Julia به CUDA/OpenCL
  • 21. آشنایی با کدهای transpiled شده
  • 22. فراخوانی هسته‌های GPU با AcceleratedKernels.jl
  • 23. استفاده از چندین GPU با AcceleratedKernels.jl
  • 24. ارزیابی عملکرد و معیارها در محاسبات موازی
  • 25. بهینه‌سازی عملکرد با AcceleratedKernels.jl
  • 26. مقایسه عملکرد بین CPU و GPU
  • 27. آشنایی با profiling و ابزارهای آن در Julia
  • 28. عیب‌یابی کدهای موازی با Julia
  • 29. شناسایی گلوگاه‌های عملکرد
  • 30. بهینه‌سازی حافظه برای شتاب‌دهنده‌ها
  • 31. استفاده از SIMD در Julia و AcceleratedKernels.jl
  • 32. بهینه‌سازی داده‌ها برای شتاب‌دهنده‌ها
  • 33. کار با انواع داده‌های مختلف در AcceleratedKernels.jl
  • 34. مدیریت خطا و استثنائات در کدهای موازی
  • 35. امنیت و پایدارسازی کدهای موازی
  • 36. معرفی انواع مختلف شتاب‌دهنده‌ها (GPU، TPU و غیره)
  • 37. برنامه‌نویسی برای GPU با استفاده از CUDA
  • 38. برنامه‌نویسی برای GPU با استفاده از OpenCL
  • 39. مقایسه CUDA و OpenCL
  • 40. معرفی کتابخانه‌های تخصصی محاسباتی در Julia
  • 41. استفاده از BLAS و LAPACK در Julia
  • 42. آشنایی با FFTW در Julia
  • 43. کاربردها و نمونه‌های محاسباتی با AcceleratedKernels.jl
  • 44. پیاده‌سازی ضرب ماتریس با AcceleratedKernels.jl
  • 45. پیاده‌سازی جمع ماتریس‌ها با AcceleratedKernels.jl
  • 46. حل معادلات دیفرانسیل با AcceleratedKernels.jl (مثال)
  • 47. پردازش تصویر با AcceleratedKernels.jl (مثال)
  • 48. یادگیری ماشینی و AcceleratedKernels.jl (مقدمه)
  • 49. شبکه‌های عصبی و AcceleratedKernels.jl (مثال)
  • 50. استفاده از AcceleratedKernels.jl در پروژه‌های بزرگ
  • 51. مدیریت وابستگی‌ها و محیط‌های مجازی
  • 52. استفاده از CI/CD برای پروژه‌های AcceleratedKernels.jl
  • 53. تست‌نویسی و تست واحد برای کدهای AcceleratedKernels.jl
  • 54. آشنایی با مفاهیم عملکرد بالا (High Performance Computing)
  • 55. بهینه‌سازی الگوریتم‌ها برای شتاب‌دهنده‌ها
  • 56. استفاده از کتابخانه‌های خارجی در AcceleratedKernels.jl
  • 57. پیاده‌سازی یک کتابخانه محاسباتی ساده با AcceleratedKernels.jl
  • 58. برنامه‌نویسی ژنریک (Generic Programming) در Julia و AcceleratedKernels.jl
  • 59. استفاده از متا‌برنامه‌نویسی در Julia برای بهینه‌سازی
  • 60. آشنایی با مفهوم CUDA/OpenCL API
  • 61. مدیریت حافظه پیشرفته در CUDA/OpenCL
  • 62. بهینه‌سازی هسته‌های CUDA/OpenCL
  • 63. آشنایی با معماری‌های مختلف GPU
  • 64. انتخاب سخت‌افزار مناسب برای محاسبات
  • 65. ارزیابی عملکرد و بهینه‌سازی پله به پله
  • 66. اشکال‌زدایی کدهای CUDA/OpenCL
  • 67. بررسی و تحلیل نتایج
  • 68. بهره‌گیری از ابزارهای Profiling پیشرفته
  • 69. اندازه‌گیری و تحلیل مصرف حافظه
  • 70. استفاده از ابزارهای ردیابی و اشکال‌زدایی GPU
  • 71. موازی‌سازی الگوریتم‌های پیچیده
  • 72. بهینه‌سازی الگوریتم‌های گراف
  • 73. بهینه‌سازی الگوریتم‌های مرتب‌سازی
  • 74. بهینه‌سازی الگوریتم‌های جستجو
  • 75. طراحی و پیاده‌سازی یک هسته محاسباتی سفارشی
  • 76. نوشتن هسته‌های بهینه برای انواع داده‌های مختلف
  • 77. استفاده از انواع داده‌های پیچیده در هسته‌ها
  • 78. آشنایی با مفهوم استریمینگ داده‌ها
  • 79. پیاده‌سازی الگوریتم‌های استریمینگ
  • 80. بهینه‌سازی عملکرد استریمینگ
  • 81. آشنایی با کتابخانه‌های تخصصی GPU
  • 82. کار با cuBLAS در Julia
  • 83. کار با cuFFT در Julia
  • 84. معرفی و استفاده از cuSOLVER در Julia
  • 85. ادغام AcceleratedKernels.jl با سایر پکیج‌ها
  • 86. ترکیب AcceleratedKernels.jl با Plots.jl
  • 87. ترکیب AcceleratedKernels.jl با DataFrames.jl
  • 88. چالش‌ها و راه‌حل‌ها در برنامه‌نویسی موازی
  • 89. محدودیت‌های سخت‌افزاری و نرم‌افزاری
  • 90. مقایسه با سایر چارچوب‌های محاسبات موازی
  • 91. آینده محاسبات موازی و نقش Julia
  • 92. آخرین پیشرفت‌ها در AcceleratedKernels.jl
  • 93. آشنایی با جامعه و منابع آموزشی AcceleratedKernels.jl
  • 94. نکات و ترفندهای پیشرفته برای بهینه‌سازی
  • 95. مطالعه موردی: پیاده‌سازی یک پروژه کامل با AcceleratedKernels.jl
  • 96. بررسی و تحلیل عملکرد پروژه
  • 97. جمع‌بندی و نتیجه‌گیری دوره
  • 98. منابع و مراجع
  • 99. پرسش و پاسخ
  • 100. نصب و راه‌اندازی مجدد برای مرور
✦ مجموعه ویژه یادگیری

یک دوره، چند مسیر برای یادگیری بهتر

کتاب‌های آموزشی، محتوای صوتی و تصویری و دسترسی به سامانه آنلاین فلش‌کارت؛ مجموعه‌ای برای مطالعه، تمرین و تثبیت آموخته‌ها.

📚 محتوای متنی 🎧 صوت و ویدیو 🧠 مرور هوشمند

محتویات بسته آموزشی

مجموعه‌ای از منابع برای شیوه‌های مختلف یادگیری
📚
کتاب نکته‌های خودمانی
نسخه PDF با زبان ساده، روان و کاربردی برای یادگیری راحت‌تر مفاهیم.
PDF · بیان ساده
📘
کتاب نکته‌های رسمی فارسی
نسخه PDF با نگارش استاندارد، بیان دقیق و رویکرد علمی.
PDF · نگارش رسمی
❓
کتاب پرسش و پاسخ تشریحی
نسخه PDF برای مرور مفاهیم و آشنایی با پاسخ‌های توضیحی.
PDF · یادگیری مفهومی
✅
کتاب پرسش‌های چهارگزینه‌ای
نسخه PDF برای تمرین، سنجش آموخته‌ها و آمادگی بیشتر.
PDF · تمرین و سنجش
🎧
پادکست‌های صوتی فارسی
محتوای صوتی برای یادگیری و مرور مطالب در زمان‌های مختلف.
محتوای صوتی
🎬
ویدیوهای آموزشی فارسی
محتوای ویدیویی برای تکمیل تجربه یادگیری و درک بهتر مطالب.
محتوای ویدیویی
💻
اکانت سامانه آنلاین فلش‌کارت
دسترسی به نرم‌افزار آنلاین فلش‌کارت ویژه این دوره برای تمرین و مرور مطالب.
دسترسی آنلاین
🎓
گواهی پایان دوره
امکان دریافت گواهی پس از تکمیل فعالیت‌های لازم در سامانه و طی مراحل تأیید.
پس از تکمیل شرایط
💾
بسته فیزیکی روی فلش مموری
این محصول به‌صورت فلش مموری حاوی فایل‌های آموزشی، محتوای صوتی و ویدیویی ارائه می‌شود.
تحویل فیزیکی
نکته: استفاده از سامانه آنلاین فلش‌کارت به اتصال اینترنت نیاز دارد؛ محتوای قابل استفاده آفلاین به نوع فایل‌های موجود در بسته بستگی دارد.
SMART LEARNING

🌐 سامانه آنلاین فلش‌کارت؛ مرور هدفمند و هوشمند

اکانت ارائه‌شده، دسترسی به نسخه تحت وب سامانه فلش‌کارت ویژه این دوره را فراهم می‌کند. این سامانه از الگوریتم زمان‌بندی مرور SM-2 استفاده می‌کند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم می‌کند.

به این ترتیب، کارت‌های دشوارتر می‌توانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسب‌تری داشته باشید.

🧠
مرور زمان‌بندی‌شده
📈
پیگیری پیشرفت
🔄
تمرین و تکرار هدفمند
📚 حجم آموزشی دوره
هزاران
فلش‌کارت آموزشی، به‌صورت تقریبی
۶۰ ساعت
مدت‌زمان معادل برآوردشده آموزشی

مدت‌زمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج می‌شود.

🏅

گواهی دوزبانه با استعلام آنلاین

گواهی فارسی و انگلیسی · لینک اختصاصی · QR Code

پس از تکمیل فعالیت‌های لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر می‌شود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.

⚖️ توضیح مهم درباره گواهی پایان دوره

این گواهی صرفاً به‌عنوان گواهی اتمام دوره آموزشی صادر می‌شود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.

تجربه‌ای کامل‌تر برای مطالعه، تمرین و یادگیری
express24.ir
تگ‌ها: AcceleratedKernels.jl CUDA GPU Programming High-Performance Computing Julia OpenCL Parallel programming برنامه‌نویسی موازی جولیا شتاب‌دهنده‌ها کد قابل انتقال محاسبات با کارایی بالا محاسبات موازی محاسبات ناهمگن معماری‌های مختلف

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.