دوره برنامه‌نویسی شتاب‌دهنده گرافیکی (GPU) با C++ و CUDA برای کاربردهای علمی و مهندسی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره برنامه‌نویسی شتاب‌دهنده گرافیکی (GPU) با C++ و CUDA برای کاربردهای علمی و مهندسی

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: برنامه‌نویسی موازی و پردازش شتاب‌یافته

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر برنامه‌نویسی موازی
• 2. مفاهیم پایه پردازش شتاب‌یافته
• 3. معماری واحدهای پردازش گرافیکی (GPU)
• 4. مبانی زبان CUDA
• 5. انتقال داده بین CPU و GPU
• 6. مدل حافظه در CUDA
• 7. مدیریت حافظه در CUDA
• 8. اجرای هسته‌ها (Kernels) در CUDA
• 9. موازی‌سازی با نخ‌ها (Threads) و بلوک‌ها (Blocks)
• 10. همگام‌سازی نخ‌ها در CUDA
• 11. مدیریت خطا در CUDA
• 12. بهینه‌سازی عملکرد در CUDA
• 13. انواع حافظه در GPU و کاربردهای آن‌ها
• 14. حافظه سراسری (Global Memory)
• 15. حافظه مشترک (Shared Memory)
• 16. حافظه ثابت (Constant Memory)
• 17. حافظه فقط خواندنی (Texture Memory)
• 18. استفاده بهینه از حافظه مشترک
• 19. تکنیک‌های کاهش تاخیر (Latency Hiding)
• 20. حسابگری موازی بر روی GPU
• 21. پردازش آرایه‌ها در CUDA
• 22. الگوریتم‌های مرتب‌سازی موازی
• 23. پردازش تصویر با CUDA
• 24. محاسبات علمی با CUDA
• 25. شبیه‌سازی‌های فیزیکی با CUDA
• 26. تحلیل داده‌های بزرگ با GPU
• 27. یادگیری ماشین و شبکه‌های عصبی با CUDA
• 28. پردازش داده‌های سری زمانی با GPU
• 29. کاربرد GPU در مدل‌سازی مالی
• 30. بهینه‌سازی کد CUDA برای معماری‌های مختلف
• 31. استفاده از ابزارهای پروفایلینگ CUDA
• 32. اشکال‌زدایی (Debugging) برنامه‌های CUDA
• 33. برنامه‌نویسی موازی با OpenMP
• 34. مقایسه CUDA و OpenMP
• 35. مقدمه‌ای بر محاسبات علمی با C++
• 36. استفاده از کتابخانه‌های علمی در C++
• 37. برنامه‌نویسی شیءگرا در C++
• 38. مفاهیم پیشرفته C++
• 39. تکنیک‌های بهینه‌سازی در C++
• 40. مدیریت حافظه در C++
• 41. الگوهای طراحی نرم‌افزار
• 42. اصول مهندسی نرم‌افزار
• 43. معماری نرم‌افزار
• 44. تست و ارزیابی نرم‌افزار
• 45. مقدمه‌ای بر الگوریتم‌ها
• 46. ساختمان داده‌های پایه
• 47. پیچیدگی الگوریتمی
• 48. الگوریتم‌های گراف
• 49. طراحی الگوریتم‌های کارآمد
• 50. مقدمه‌ای بر سیستم‌های عامل
• 51. مدیریت فرایندها و نخ‌ها
• 52. همزمانی و قفل‌ها
• 53. مدیریت حافظه در سیستم‌عامل
• 54. شبکه‌های کامپیوتری
• 55. پروتکل‌های شبکه
• 56. امنیت شبکه
• 57. مقدمه‌ای بر پایگاه داده
• 58. مدل رابطه‌ای
• 59. زبان SQL
• 60. طراحی پایگاه داده
• 61. مقدمه‌ای بر هوش مصنوعی
• 62. یادگیری ماشین
• 63. شبکه‌های عصبی مصنوعی
• 64. پردازش زبان طبیعی
• 65. مقدمه‌ای بر علم داده
• 66. تحلیل داده‌های اکتشافی
• 67. تجسم داده‌ها
• 68. یادگیری آماری
• 69. مقدمه‌ای بر مهندسی نرم‌افزار مدرن
• 70. متدولوژی‌های چابک
• 71. توسعه مبتنی بر آزمون (TDD)
• 72. کنترل نسخه با Git
• 73. مقدمه‌ای بر معماری‌های پردازنده
• 74. حافظه‌های نهان (Caches)
• 75. خط لوله (Pipelining)
• 76. پردازش چند هسته‌ای
• 77. مقدمه‌ای بر پردازش توزیع‌شده
• 78. الگوهای هماهنگ‌سازی در سیستم‌های توزیع‌شده
• 79. موازی‌سازی در سطح داده و وظیفه
• 80. مقدمه‌ای بر محاسبات ابری
• 81. خدمات IaaS، PaaS، SaaS
• 82. استفاده از GPU در محیط‌های ابری
• 83. مقدمه‌ای بر امنیت نرم‌افزار
• 84. آسیب‌پذیری‌های رایج نرم‌افزاری
• 85. روش‌های دفاع در نرم‌افزار
• 86. مقدمه‌ای بر رابط‌های کاربری (UI)
• 87. طراحی تجربه کاربری (UX)
• 88. تست رابط کاربری
• 89. مقدمه‌ای بر توسعه وب
• 90. فریم‌ورک‌های سمت سرور
• 91. فریم‌ورک‌های سمت کلاینت
• 92. مقدمه‌ای بر پایگاه داده‌های NoSQL
• 93. کاربرد پایگاه داده‌های NoSQL
• 94. مقدمه‌ای بر اینترنت اشیاء (IoT)
• 95. معماری سیستم‌های IoT
• 96. امنیت در IoT
• 97. مقدمه‌ای بر بلاک‌چین
• 98. قراردادهای هوشمند
• 99. کاربردهای بلاک‌چین
• 100. مقدمه‌ای بر محاسبات کوانتومی