کتاب مقدمه‌ای بر محاسبات در محاسبات موازی برای مقیاس بزرگ با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر محاسبات در محاسبات موازی برای مقیاس بزرگ

موضوع کلی: برنامه نویسی

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

📋 سرفصل‌های دوره

• 1. مقدمه ای بر محاسبات موازی
• 2. مبانی سخت افزار کامپیوتر
• 3. مبانی معماری کامپیوتر
• 4. حافظه ها و سلسله مراتب حافظه
• 5. پردازنده ها و واحد پردازش مرکزی (CPU)
• 6. کارت گرافیک (GPU) و پردازش موازی
• 7. تکنیک های موازی سازی در سطح پردازنده
• 8. مقدمه ای بر محاسبات علمی
• 9. کاربرد محاسبات موازی در مقیاس بزرگ
• 10. انواع مدل های موازی سازی
• 11. موازی سازی داده (Data Parallelism)
• 12. موازی سازی وظیفه (Task Parallelism)
• 13. معماری های پردازشی توزیع شده
• 14. معماری های پردازشی اشتراکی
• 15. مدل حافظه اشتراکی (Shared Memory)
• 16. مدل حافظه توزیع شده (Distributed Memory)
• 17. مزایا و معایب مدل حافظه اشتراکی
• 18. مزایا و معایب مدل حافظه توزیع شده
• 19. استاندارد MPI (Message Passing Interface)
• 20. مبانی MPI
• 21. انواع ارتباطات در MPI
• 22. عملیات های نقطه به نقطه در MPI
• 23. عملیات های گروهی در MPI
• 24. کاهش (Reduce) در MPI
• 25. پخش (Broadcast) در MPI
• 26. انشعاب (Gather) در MPI
• 27. پخش کل (Allgather) در MPI
• 28. کاهش کل (Allreduce) در MPI
• 29. سفارشی سازی عملیات های کاهش
• 30. همگام سازی در MPI
• 31. قفل ها و مانیتورها در پردازش موازی
• 32. استفاده از mutex در پردازش موازی
• 33. استفاده از semaphore در پردازش موازی
• 34. استفاده از condition variables در پردازش موازی
• 35. موازی سازی با CUDA
• 36. مبانی CUDA
• 37. معماری CUDA
• 38. تفاوت بین CPU و GPU برای محاسبات
• 39. مدل حافظه در CUDA
• 40. کرنل های CUDA
• 41. مدیریت نخ ها (Threads) و بلوک ها (Blocks) در CUDA
• 42. همگام سازی نخ ها در CUDA
• 43. موازی سازی با OpenMP
• 44. مبانی OpenMP
• 45. راهنماهای OpenMP (Directives)
• 46. چالش های برنامه نویسی موازی
• 47. طراحی الگوریتم های موازی
• 48. تحلیل پیچیدگی الگوریتم های موازی
• 49. بهینه سازی عملکرد در محاسبات موازی
• 50. مقیاس پذیری (Scalability) در محاسبات موازی
• 51. قانون آمدال (Amdahl's Law)
• 52. قانون گوستافسون (Gustafson's Law)
• 53. چالش های همگام سازی و قفل گذاری
• 54. حالات رقابتی (Race Conditions)
• 55. بن بست (Deadlock)
• 56. قحطی منابع (Starvation)
• 57. دیباگ کردن برنامه های موازی
• 58. ابزارهای دیباگ کردن موازی
• 59. تست برنامه های موازی
• 60. ارزیابی عملکرد برنامه های موازی
• 61. مشخصه سازی (Profiling) عملکرد موازی
• 62. شناسایی گلوگاه های عملکردی
• 63. انواع سیستم های محاسباتی در مقیاس بزرگ
• 64. ابر رایانه ها (Supercomputers)
• 65. خوشه های کامپیوتری (Computer Clusters)
• 66. شبکه های محاسباتی مش (Grid Computing)
• 67. محاسبات ابری (Cloud Computing)
• 68. کاربرد محاسبات موازی در حل مسائل علمی
• 69. شبیه سازی های فیزیکی
• 70. مدل سازی آب و هوا
• 71. دینامیک سیالات محاسباتی (CFD)
• 72. انتقال حرارت
• 73. مکانیک مولکولی
• 74. اختر فیزیک
• 75. زیست شناسی محاسباتی
• 76. داروسازی محاسباتی
• 77. مدل سازی زنجیره DNA
• 78. محاسبات مالی
• 79. تحلیل ریسک
• 80. مدل سازی بازار
• 81. علوم داده و یادگیری ماشین
• 82. آموزش مدل های یادگیری عمیق
• 83. پردازش حجم عظیم داده
• 84. پردازش زبان طبیعی
• 85. بینایی ماشین
• 86. شبکه های عصبی کانولوشنال (CNN)
• 87. شبکه های عصبی بازگشتی (RNN)
• 88. شبکه های ترنسفورمر
• 89. الگوریتم های موازی برای یادگیری ماشین
• 90. موازی سازی داده در یادگیری ماشین
• 91. موازی سازی مدل در یادگیری ماشین
• 92. موازی سازی هایبرید در یادگیری ماشین
• 93. مقدمه ای بر محاسبات توزیع شده
• 94. مبانی محاسبات توزیع شده
• 95. چالش های محاسبات توزیع شده
• 96. همگام سازی در سیستم های توزیع شده
• 97. تحمل خطا در سیستم های توزیع شده
• 98. ملاحظات امنیتی در محاسبات موازی و توزیع شده
• 99. استانداردهای باز برای محاسبات موازی
• 100. ارزیابی و انتخاب فناوری های موازی