دوره بهینه‌سازی عملکرد نرم‌افزار با پردازنده‌های چند هسته‌ای و پردازش گرافیکی (GPGPU) همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی عملکرد نرم‌افزار با پردازنده‌های چند هسته‌ای و پردازش گرافیکی (GPGPU)

موضوع کلی: مهندسی نرم‌افزار پیشرفته

موضوع میانی: برنامه‌نویسی موازی و سیستم‌های محاسباتی پرتوان

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پردازش موازی و سیستم‌های چند هسته‌ای
• 2. معماری پردازنده‌های مدرن
• 3. اصول اولیه موازی‌سازی
• 4. انواع موازی‌سازی: داده‌ای و وظیفه‌ای
• 5. مدل‌های برنامه‌نویسی موازی
• 6. مفاهیم ریسمان (Thread) و فرآیند (Process)
• 7. همگام‌سازی ریسمان‌ها: قفل‌ها و سمافورها
• 8. مسائل مسابقه (Race Conditions) و بن‌بست (Deadlock)
• 9. الگوهای طراحی موازی: تقسیم و غلبه
• 10. الگوهای طراحی موازی: ارکستراسیون
• 11. الگوهای طراحی موازی: نگهداری وضعیت
• 12. روش‌های ارزیابی عملکرد موازی
• 13. تکنیک‌های بهینه‌سازی کد موازی
• 14. اشکال‌زدایی برنامه‌های موازی
• 15. مقدمه‌ای بر پردازش موازی روی GPU
• 16. معماری پردازنده‌های گرافیکی (GPU)
• 17. تفاوت CPU و GPU در پردازش
• 18. مدل برنامه‌نویسی CUDA
• 19. حافظه در GPU: سراسری، اشتراکی، محلی
• 20. مدیریت داده‌ها بین CPU و GPU
• 21. هسته‌های CUDA و بلوک‌های اجرایی
• 22. زمان‌بندی هسته‌ها و نخ‌ها (Warps)
• 23. مقدمه‌ای بر OpenCL
• 24. مقایسه CUDA و OpenCL
• 25. مقدمه‌ای بر برنامه‌نویسی موازی با MPI
• 26. مفاهیم ارتباطات MPI
• 27. ارسال و دریافت داده در MPI
• 28. عملیات جمعی در MPI
• 29. الگوهای موازی‌سازی با MPI
• 30. بهینه‌سازی ارتباطات MPI
• 31. مقدمه‌ای بر سیستم‌های محاسباتی پرتوان
• 32. خوشه‌ها و ابررایانه‌ها
• 33. فناوری‌های اتصال در خوشه‌ها
• 34. سیستم‌های مدیریت منابع (Resource Managers)
• 35. زمان‌بندی وظایف در خوشه‌ها
• 36. مقدمه‌ای بر محاسبات ابری (Cloud Computing)
• 37. مدل‌های سرویس ابری: IaaS, PaaS, SaaS
• 38. مزایای محاسبات ابری
• 39. چالش‌های محاسبات ابری
• 40. مقدمه‌ای بر Big Data Processing
• 41. معماری Hadoop
• 42. سیستم فایل توزیع شده Hadoop (HDFS)
• 43. MapReduce: اصول و کاربرد
• 44. Spark: پردازش سریع داده‌های توزیع شده
• 45. Spark SQL و Spark Streaming
• 46. مقدمه‌ای بر یادگیری ماشین موازی
• 47. پیاده‌سازی الگوریتم‌های ML روی GPU
• 48. استفاده از کتابخانه‌های ML موازی
• 49. بهینه‌سازی آموزش مدل‌های ML
• 50. مقدمه‌ای بر پردازش گرافیکی در علوم
• 51. شبیه‌سازی‌های علمی با GPU
• 52. پردازش تصویر و سیگنال با GPU
• 53. محاسبات مالی با GPU
• 54. مقدمه‌ای بر امنیت در سیستم‌های موازی
• 55. امنیت در پردازش توزیع شده
• 56. حفاظت از داده‌ها در سیستم‌های پرتوان
• 57. مقدمه‌ای بر آینده پردازش موازی
• 58. پردازش کوانتومی و موازی‌سازی
• 59. معماری‌های نوظهور پردازشی
• 60. ارزیابی و انتخاب پلتفرم‌های موازی
• 61. مدیریت انرژی در سیستم‌های موازی
• 62. بهینه‌سازی مصرف انرژی در GPU
• 63. تکنیک‌های کاهش مصرف توان در CPU
• 64. مقدمه‌ای بر مباحث پیشرفته CUDA
• 65. بهینه‌سازی استفاده از حافظه اشتراکی
• 66. تکنیک‌های مدیریت کش در GPU
• 67. برنامه‌نویسی ناهمزمان در CUDA
• 68. مقدمه‌ای بر مباحث پیشرفته OpenCL
• 69. بهینه‌سازی کرنل‌های OpenCL
• 70. مدیریت حافظه در OpenCL
• 71. برنامه‌نویسی ناهمزمان در OpenCL
• 72. مقدمه‌ای بر کتابخانه‌های موازی‌سازی
• 73. کتابخانه‌های موازی‌سازی C++ (TBB)
• 74. کتابخانه‌های موازی‌سازی Python
• 75. کتابخانه‌های پردازش موازی داده
• 76. مقدمه‌ای بر ابزارهای پروفایلینگ
• 77. پروفایلینگ عملکرد CPU
• 78. پروفایلینگ عملکرد GPU
• 79. تجزیه و تحلیل نتایج پروفایلینگ
• 80. روش‌های اندازه‌گیری سربار (Overhead)
• 81. کاهش سربار در برنامه‌های موازی
• 82. تکنیک‌های کاهش همبستگی (Contention)
• 83. مدیریت حافظه در سیستم‌های چند هسته‌ای
• 84. استراتژی‌های تخصیص حافظه موازی
• 85. مقدمه‌ای بر الگوریتم‌های موازی خاص
• 86. مرتب‌سازی موازی
• 87. جستجوی موازی
• 88. الگوریتم‌های گراف موازی
• 89. مقدمه‌ای بر طراحی سیستم‌های توزیع شده
• 90. معماری‌های سرویس‌گرا
• 91. موازی‌سازی در پایگاه داده‌های توزیع شده
• 92. سیستم‌های پیام‌رسانی توزیع شده
• 93. مقدمه‌ای بر محاسبات داده‌کاوی موازی
• 94. الگوریتم‌های خوشه‌بندی موازی
• 95. الگوریتم‌های طبقه‌بندی موازی
• 96. سیستم‌های توصیه‌گر موازی
• 97. مقدمه‌ای بر پردازش بلادرنگ موازی
• 98. طراحی سیستم‌های بلادرنگ با GPU
• 99. مدیریت زمان در سیستم‌های موازی
• 100. مقدمه‌ای بر مجازی‌سازی و موازی‌سازی