کتاب تولید اعداد تصادفی با رویکرد IBM 360: از تئوری تا پیاده‌سازی عملی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

دوره جامع تولید اعداد تصادفی با رویکرد IBM 360: از تئوری تا پیاده‌سازی عملی دوره جامع تولید اعداد تصادفی با رویکرد IBM 360: از تئوری تا پیاده‌سازی عملی جهان دیجیتال بر شانه‌های غول‌ها ایستاده است؛ با ...

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 تولید اعداد تصادفی با رویکرد IBM 360: از تئوری تا پیاده‌سازی عملی

موضوع کلی: علوم کامپیوتر و برنامه‌نویسی

موضوع میانی: تولید اعداد تصادفی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر اعداد تصادفی: چرا و چگونه؟
  • 2. مفهوم "تصادفی" در علوم کامپیوتر
  • 3. اعداد شبه‌تصادفی (PRNG) در مقابل اعداد تصادفی واقعی (TRNG)
  • 4. ویژگی‌های مطلوب یک توالی اعداد شبه‌تصادفی خوب
  • 5. کاربردهای اعداد تصادفی: از شبیه‌سازی تا رمزنگاری
  • 6. تاریخچه تولید اعداد تصادفی: از روش‌های مکانیکی تا کامپیوتری
  • 7. نقش ماشین‌های اولیه در تولید RNG: نگاهی به قبل از IBM 360
  • 8. معرفی کلی رویکرد IBM 360 به RNG
  • 9. اصطلاحات و تعاریف کلیدی در تولید اعداد تصادفی
  • 10. چالش‌های اولیه در تولید RNG روی سخت‌افزار محدود
  • 11. مبانی ریاضی تولید اعداد تصادفی: هم‌نهشتی و پیمانه
  • 12. مولدهای خطی هم‌نهشتی (LCG): فرمول کلی و اجزا
  • 13. پارامترهای اصلی LCG: پیمانه (Modulus)، ضریب (Multiplier)، افزایش‌دهنده (Increment)
  • 14. انتخاب پیمانه (Modulus): اهمیت و اثرگذاری آن
  • 15. انتخاب ضریب (Multiplier): شرایط Knuth و دیگر معیارها
  • 16. انتخاب افزایش‌دهنده (Increment): تأثیر بر توزیع و دوره تناوب
  • 17. مفهوم دوره تناوب (Period) در LCG ها
  • 18. شرایط دستیابی به دوره تناوب کامل (Full Period) برای LCG ها
  • 19. تجزیه و تحلیل ریاضی دوره تناوب LCG: قضیه Hull-Dobell
  • 20. نمونه‌هایی از LCG های مشهور و پارامترهای آن‌ها
  • 21. مولدهای هم‌نهشتی ضربی (Multiplicative Congruential Generators - MCG)
  • 22. مولدهای هم‌نهشتی مخلوط (Mixed Congruential Generators)
  • 23. مولدهای لگاریتمی فیبوناچی (Lagged Fibonacci Generators - LFG): مقدمه
  • 24. پیاده‌سازی LFG: عملیات XOR، ADD، SUB
  • 25. مقایسه LCG و LFG: مزایا و معایب
  • 26. مولدهای شیفت رجیستر (Shift-Register Generators - SRG): معرفی LFSR
  • 27. نظریه میدان‌های متناهی (Finite Fields) در SRG ها
  • 28. انتخاب چندجمله‌ای اولیه (Primitive Polynomial) برای LFSR
  • 29. مولدهای ترکیبی (Combined Generators): بهبود کیفیت
  • 30. تکنیک‌های ترکیب LCG ها
  • 31. استفاده از مولدهای چندگانه برای افزایش دوره تناوب
  • 32. معرفی سایر الگوریتم‌های کلاسیک تولید RNG
  • 33. روش‌های ناهمگون برای تولید اعداد تصادفی (به عنوان مقدمه)
  • 34. تولید اعداد با توزیع‌های خاص از توزیع یکنواخت (مقدمه)
  • 35. خطرات انتخاب نادرست پارامترها و عواقب آن
  • 36. معماری IBM System/360: مروری بر ساختار
  • 37. رجیسترهای عمومی و تخصصی IBM 360 و کاربردشان در RNG
  • 38. نمایش داده‌ها در IBM 360: کلمات (Words) و کلمات دوگانه (Doublewords)
  • 39. سیستم اعداد ثابت (Fixed-Point Arithmetic) در IBM 360
  • 40. دستورالعمل‌های اصلی IBM 360 برای عملیات حسابی (ADD, SUB, MUL, DIV)
  • 41. عملیات بیتی (Bitwise Operations) در IBM 360: AND, OR, XOR
  • 42. دستورالعمل‌های شیفت (Shift Instructions) در IBM 360: SLL, SRL, SLA, SRA
  • 43. پیاده‌سازی LCG ساده در اسمبلی IBM 360: گام به گام
  • 44. مدیریت پیمانه در LCG روی IBM 360: استفاده از دستورالعمل DIV
  • 45. بهینه‌سازی عملیات پیمانه برای حالت‌های خاص (مثلاً پیمانه‌های توان 2)
  • 46. ضرب اعداد بزرگ در IBM 360: MUL و Doubleword Registers
  • 47. مدیریت سرریز (Overflow) در عملیات حسابی IBM 360
  • 48. انتخاب بذر (Seed) اولیه: چالش‌ها و روش‌ها در محیط IBM 360
  • 49. استفاده از ساعت سیستم (System Clock) به عنوان بذر در IBM 360
  • 50. ذخیره و بازیابی حالت ژنراتور بین فراخوانی‌ها
  • 51. پیاده‌سازی LCG با استفاده از "Multiply and Add" به جای "Multiply and Divide"
  • 52. مولدهای "Maximum Period" در IBM 360
  • 53. پیاده‌سازی مولدهای فیبوناچی لگاریتمی در IBM 360
  • 54. استفاده از XOR برای LFG در معماری 360
  • 55. پیاده‌سازی LFSR در اسمبلی IBM 360
  • 56. چالش‌های پیاده‌سازی مولدهای ترکیبی در IBM 360
  • 57. دستورالعمل‌های شرطی و پرش (Conditional Branches) در کنترل فلو
  • 58. مدیریت حافظه (Memory Management) برای ذخیره حالت ژنراتور
  • 59. فراخوانی تابع (Subroutine Call) برای ژنراتور RNG
  • 60. ساختار یک ماژول RNG استاندارد برای IBM 360
  • 61. بهینه‌سازی سرعت و کارایی کد RNG در IBM 360
  • 62. اثرات معماری 360 بر انتخاب الگوریتم‌های RNG
  • 63. نمونه کدهای عملی RNG در IBM 360 Assembly
  • 64. مستندسازی و نگهداری کدهای RNG در محیط‌های قدیمی
  • 65. معرفی ابزارهای توسعه و شبیه‌سازهای IBM 360 (برای تمرین)
  • 66. درک محدودیت‌های سخت‌افزاری 360 بر کیفیت RNG
  • 67. روش‌های مقابله با مشکلات سخت‌افزاری: استفاده از ترفندهای برنامه‌نویسی
  • 68. مقایسه کارایی روش‌های مختلف RNG بر روی IBM 360
  • 69. مسائل مربوط به سازگاری (Compatibility) در نسخه‌های مختلف 360
  • 70. تاریخچه الگوریتم‌های RNG در سیستم‌های IBM
  • 71. اهمیت آزمون‌های آماری برای اعداد شبه‌تصادفی
  • 72. طبقه‌بندی آزمون‌های آماری: ساده، متوسط، پیشرفته
  • 73. آزمون فرکانس (Frequency Test) یا تک بیتی
  • 74. آزمون Runs (Runs Test): صعودی و نزولی
  • 75. آزمون Gap (Gap Test)
  • 76. آزمون Poker (Poker Test)
  • 77. آزمون چی‌دو (Chi-Square Test) برای توزیع یکنواخت
  • 78. آزمون Kolmogorov-Smirnov (KS Test) برای توزیع
  • 79. مفهوم خودهمبستگی (Auto-correlation) و آزمون آن
  • 80. آزمون ماتریس بیتی (Bit-Matrix Test)
  • 81. آزمون طول سیکل (Cycle Length Test) و تشخیص تکرار
  • 82. آزمون Spectral (Spectral Test) برای LCG ها: ابزاری قدرتمند
  • 83. آزمون N-tuple Distribution
  • 84. Visualizing Randomness: استفاده از گراف‌ها و نمودارها
  • 85. محدودیت‌های آزمون‌های آماری: هیچ آزمونی کامل نیست
  • 86. انتخاب مجموعه مناسبی از آزمون‌ها برای ارزیابی RNG
  • 87. پیاده‌سازی برخی آزمون‌های ساده در IBM 360 (مفاهیم کلی)
  • 88. بررسی نتایج آزمون‌ها و تفسیر آن‌ها
  • 89. تاریخچه تست‌های RNG و تکامل آنها از دوران 360
  • 90. چالش‌های تست RNG های ضعیف
  • 91. تولید اعداد تصادفی با توزیع نرمال (Normal Distribution)
  • 92. روش Box-Muller برای تولید توزیع نرمال
  • 93. تولید اعداد تصادفی با توزیع نمایی (Exponential Distribution)
  • 94. شبیه‌سازی با روش مونت کارلو (Monte Carlo Simulation): مقدمه
  • 95. کاربردهای مونت کارلو در علوم و مهندسی
  • 96. مروری بر مولدهای اعداد شبه‌تصادفی جدیدتر و تفاوت آن‌ها با رویکرد 360
  • 97. مفهوم اعداد شبه‌تصادفی خوب (Quasi-Random Numbers) و تفاوت با PRNG
  • 98. ملاحظات امنیتی در تولید اعداد تصادفی (اهمیت برای رمزنگاری)
  • 99. آینده تولید اعداد تصادفی: از IBM 360 تا کوانتوم
  • 100. جمع‌بندی دوره: درس‌ها و چشم‌انداز
تگ‌ها: Computer Science IBM/360 Programming Random Number Generation RNG اعداد تصادفی الگوریتم تصادفی برنامه‌نویسی پیاده‌سازی اعداد تصادفی تصادفی سازی تولید اعداد تصادفی روش‌های تولید اعداد تصادفی شبه تصادفی علوم کامپیوتر کتاب Random Number Generation on I.B.M. 360

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.