کتاب مدیریت موازی‌سازی داده (Data Parallelism) با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

مدیریت موازی‌سازی داده: دوره جامع محاسبات سطح بالا | افزایش سرعت برنامه‌نویسی مدیریت موازی‌سازی داده: تسلط بر محاسبات سطح بالا (HPC) و افزایش سرعت برنامه‌نویسی آیا می‌خواهید سرعت اجرای برنامه‌های خود ...

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 87,488 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 مدیریت موازی‌سازی داده (Data Parallelism)

موضوع کلی: برنامه نویسی

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

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر محاسبات موازی
  • 2. مفاهیم کلیدی محاسبات موازی
  • 3. ضرورت موازی‌سازی داده
  • 4. انواع موازی‌سازی (داده، وظیفه)
  • 5. موازی‌سازی داده چیست؟
  • 6. معماری‌های کامپیوتری برای HPC
  • 7. پردازنده‌های مرکزی (CPU) و واحدهای پردازش گرافیکی (GPU)
  • 8. حافظه در سیستم‌های HPC
  • 9. شبکه‌های ارتباطی در HPC
  • 10. مفهوم موازی‌سازی صریح (Explicit Parallelism)
  • 11. موازی‌سازی ضمنی (Implicit Parallelism)
  • 12. مدل‌های برنامه‌نویسی موازی
  • 13. مدل پیام‌رسانی (Message Passing)
  • 14. مدل حافظه اشتراکی (Shared Memory)
  • 15. مدل داده موازی (Data Parallelism)
  • 16. اصول طراحی الگوریتم‌های موازی
  • 17. تجزیه مسئله (Problem Decomposition)
  • 18. نگاشت وظایف به پردازنده‌ها (Task Mapping)
  • 19. ارتباطات و همگام‌سازی
  • 20. توازن بار (Load Balancing)
  • 21. هزینه‌های ارتباطات (Communication Overhead)
  • 22. هزینه‌های همگام‌سازی (Synchronization Overhead)
  • 23. مقدمه‌ای بر OpenMP
  • 24. نحو (Syntax) OpenMP
  • 25. دستورالعمل‌های OpenMP (Directives)
  • 26. #pragma omp parallel
  • 27. #pragma omp for
  • 28. #pragma omp sections
  • 29. #pragma omp single
  • 30. #pragma omp critical
  • 31. #pragma omp atomic
  • 32. #pragma omp barrier
  • 33. #pragma omp master
  • 34. #pragma omp ordered
  • 35. مدیریت تفاوت‌های بین پردازنده‌ها در OpenMP
  • 36. مدیریت حافظه در OpenMP
  • 37. کاهش هزینه‌های ارتباطی در OpenMP
  • 38. بهینه‌سازی حلقه‌ها با OpenMP
  • 39. موازی‌سازی توابع با OpenMP
  • 40. تشخیص و رفع مشکلات رایج در OpenMP
  • 41. مقدمه‌ای بر MPI (Message Passing Interface)
  • 42. مفاهیم اولیه MPI
  • 43. انواع ارتباطات در MPI (نقطه‌به‌نقطه، جمعی)
  • 44. MPI_Init و MPI_Finalize
  • 45. MPI_Comm_size و MPI_Comm_rank
  • 46. ارتباطات نقطه‌به‌نقطه (Point-to-Point)
  • 47. MPI_Send و MPI_Recv
  • 48. انواع ارسال (Synchronous, Asynchronous, Buffered)
  • 49. ارتباطات جمعی (Collective Communications)
  • 50. MPI_Bcast
  • 51. MPI_Gather و MPI_Gatherv
  • 52. MPI_Scatter و MPI_Scatterv
  • 53. MPI_Allgather و MPI_Allgatherv
  • 54. MPI_Alltoall
  • 55. MPI_Reduce
  • 56. MPI_Allreduce
  • 57. MPI_Scan
  • 58. مدیریت داده‌های توزیع‌شده در MPI
  • 59. توازن بار در MPI
  • 60. کاهش هزینه‌های ارتباطی در MPI
  • 61. الگوریتم‌های موازی مبتنی بر MPI
  • 62. کاربرد MPI در حل مسائل علمی
  • 63. مقدمه‌ای بر برنامه‌نویسی GPU
  • 64. معماری GPU
  • 65. هسته‌های CUDA
  • 66. اجرای موازی در GPU
  • 67. مدل برنامه‌نویسی CUDA
  • 68. فضاهای آدرس‌دهی در CUDA
  • 69. فضای سراسری (Global Memory)
  • 70. فضای اشتراکی (Shared Memory)
  • 71. فضای محلی (Local Memory)
  • 72. ثابت (Constant Memory)
  • 73. فقط خواندنی (Read-Only Texture Memory)
  • 74. کرنل‌ها (Kernels) در CUDA
  • 75. پرتاب (Launch) کرنل‌ها
  • 76. مدیریت نخ‌ها (Threads) و بلوک‌ها (Blocks)
  • 77. شبکه‌های پردازشی (Grids)
  • 78. همگام‌سازی در GPU
  • 79. مدیریت حافظه در GPU
  • 80. کپی کردن داده بین CPU و GPU
  • 81. بهینه‌سازی کرنل‌های CUDA
  • 82. مدیریت حافظه مشترک (Shared Memory)
  • 83. کاهش دسترسی به حافظه سراسری
  • 84. مدیریت پهنای باند حافظه
  • 85. پرهیز از واپیچش warp divergence
  • 86. استفاده از دستورالعمل‌های اتمی (Atomic Operations)
  • 87. استفاده از توابع سریع (Fast Math Functions)
  • 88. مقدمه‌ای بر کتابخانه‌های موازی‌سازی داده
  • 89. کتابخانه‌های مبتنی بر OpenMP
  • 90. کتابخانه‌های مبتنی بر MPI
  • 91. کتابخانه‌های مبتنی بر CUDA
  • 92. کتابخانه‌های سطح بالاتر (High-Level Libraries)
  • 93. TensorFlow و موازی‌سازی داده
  • 94. PyTorch و موازی‌سازی داده
  • 95. Dask و موازی‌سازی داده
  • 96. Apache Spark و موازی‌سازی داده
  • 97. تکنیک‌های پیشرفته در موازی‌سازی داده
  • 98. اندازه‌گیری عملکرد (Performance Measurement)
  • 99. پروفایلینگ (Profiling) کد موازی
  • 100. شناسایی گلوگاه‌ها (Bottlenecks)
تگ‌ها: Data Parallelism Data Parallelism Management High-Performance Computing HPC Parallel Computing Parallel programming performance optimization Programming برنامه نویسی برنامه نویسی موازی بهینه‌سازی عملکرد پردازش موازی محاسبات سطح بالا مدیریت موازی‌سازی داده موازی‌سازی داده

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.