کتاب پردازش موازی با استفاده از Threads در پایتون با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

پردازش موازی با Threads در پایتون: انقلاب در سرعت محاسبات شما! پردازش موازی با Threads در پایتون: سرعت محاسبات خود را متحول کنید! معرفی دوره آیا از زمان‌های طولانی پردازش داده‌ها خسته شده‌اید؟ آیا به ...

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 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 پردازش موازی با استفاده از Threads در پایتون

موضوع کلی: برنامه نویسی

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

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر برنامه نویسی
  • 2. مفاهیم پایه برنامه نویسی
  • 3. انواع زبان های برنامه نویسی
  • 4. تاریخچه زبان پایتون
  • 5. نصب پایتون و محیط توسعه
  • 6. متغیرها و انواع داده در پایتون
  • 7. عملگرها در پایتون
  • 8. ساختارهای کنترلی (شرطی)
  • 9. حلقه‌ها در پایتون
  • 10. لیست‌ها و تاپل‌ها در پایتون
  • 11. دیکشنری‌ها و مجموعه‌ها در پایتون
  • 12. توابع در پایتون
  • 13. مفهوم ماژول‌ها و بسته‌ها
  • 14. مدیریت خطا و استثناها
  • 15. مقدمه ای بر برنامه نویسی شی گرا
  • 16. کلاس‌ها و اشیاء در پایتون
  • 17. وراثت و چندریختی
  • 18. مقدمه ای بر محاسبات سطح بالا (HPC)
  • 19. اهمیت HPC در دنیای امروز
  • 20. تفاوت HPC با محاسبات معمولی
  • 21. انواع موازی سازی
  • 22. مزایا و معایب موازی سازی
  • 23. مقدمه ای بر پردازش موازی
  • 24. مفاهیم کلیدی پردازش موازی
  • 25. نیاز به موازی سازی در HPC
  • 26. مقیاس پذیری در HPC
  • 27. مفاهیم همزمانی (Concurrency) و موازی سازی (Parallelism)
  • 28. تفاوت همزمانی و موازی سازی
  • 29. نمونه هایی از همزمانی و موازی سازی
  • 30. معماری های پردازشی
  • 31. پردازنده‌های تک هسته‌ای و چند هسته‌ای
  • 32. کارت‌های گرافیک (GPU)
  • 33. شبکه‌های محاسباتی
  • 34. مدل‌های برنامه نویسی موازی
  • 35. مدل پیام رسان (Message Passing)
  • 36. مدل حافظه مشترک (Shared Memory)
  • 37. مدل داده موازی (Data Parallelism)
  • 38. مدل وظیفه موازی (Task Parallelism)
  • 39. مقدمه ای بر Threads در پایتون
  • 40. نحوه کارکرد Threads
  • 41. تفاوت Threads با Processes
  • 42. مزایای استفاده از Threads
  • 43. معایب استفاده از Threads
  • 44. محدودیت GIL (Global Interpreter Lock)
  • 45. تاثیر GIL بر پردازش موازی در پایتون
  • 46. راهکارهای دور زدن GIL
  • 47. ماژول threading در پایتون
  • 48. ساختن و اجرای یک Thread
  • 49. کلاس Thread
  • 50. متد start() و join()
  • 51. مدیریت Threads
  • 52. زمانبندی Threads
  • 53. حالت‌های مختلف Thread (Runnable, Running, Blocked, Terminated)
  • 54. ایجاد و مدیریت Thread Pool
  • 55. مفاهیم همگام سازی (Synchronization)
  • 56. ضرورت همگام سازی
  • 57. Race Conditions
  • 58. مفاهیم Mutex و Locks
  • 59. قفل گذاری (Locking) و رفع قفل گذاری (Unlocking)
  • 60. استفاده از Lock در پایتون
  • 61. انواع Locks (RLock, Semaphore, Event, Condition)
  • 62. استفاده از Semaphore
  • 63. استفاده از Event
  • 64. استفاده از Condition
  • 65. مفاهیم Deadlocks و Livelocks
  • 66. نحوه شناسایی و جلوگیری از Deadlocks
  • 67. کار با داده‌های مشترک بین Threads
  • 68. روش‌های امن دسترسی به داده‌های مشترک
  • 69. استفاده از Queue برای ارتباط بین Threads
  • 70. مفاهیم Producer-Consumer
  • 71. پیاده سازی الگو Producer-Consumer با Threads
  • 72. پردازش موازی با استفاده از multiprocessing
  • 73. ماژول multiprocessing
  • 74. تفاوت multiprocessing با threading
  • 75. مدل حافظه در multiprocessing
  • 76. انواع Processes
  • 77. ارتباط بین Processes (Queues, Pipes)
  • 78. استفاده از Pool در multiprocessing
  • 79. مقایسه threading و multiprocessing برای HPC
  • 80. انتخاب مناسب بین threading و multiprocessing
  • 81. کاربرد threading در I/O Bound Tasks
  • 82. کاربرد multiprocessing در CPU Bound Tasks
  • 83. بهینه سازی کد برای پردازش موازی
  • 84. پروفایلینگ کد
  • 85. شناسایی گلوگاه‌های عملکردی
  • 86. تکنیک‌های بهینه سازی الگوریتم‌ها
  • 87. تقسیم کار (Task Decomposition)
  • 88. توزیع بار (Load Balancing)
  • 89. مدیریت حافظه در محاسبات موازی
  • 90. کاهش سربار ارتباطی
  • 91. استفاده از کتابخانه‌های HPC در پایتون
  • 92. NumPy برای محاسبات عددی
  • 93. SciPy برای توابع علمی
  • 94. Cython برای افزایش سرعت کد پایتون
  • 95. Numba برای کامپایل JIT
  • 96. مقدمه ای بر GPU Computing
  • 97. معماری GPU
  • 98. مزایای GPU Computing
  • 99. نحوه استفاده از GPU در پایتون (PyCUDA, CuPy)
  • 100. مقدمه ای بر محاسبات توزیع شده
تگ‌ها: Concurrency High-Performance Computing HPC Multithreading Parallel Processing Programming Python Python Programming Threads برنامه نویسی برنامه نویسی پایتون پایتون پایتون تردز پردازش موازی محاسبات سطح بالا

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.