کتاب الگوریتم‌های بازگشتی موازی با MultiLisp با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره الگوریتم‌های بازگشتی موازی با MultiLisp

موضوع کلی: علوم کامپیوتر

موضوع میانی: برنامه‌نویسی موازی و توزیع‌شده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر MultiLisp و برنامه‌نویسی تابعی
• 2. نصب و راه‌اندازی محیط توسعه MultiLisp
• 3. ساختارهای داده‌ای اصلی در MultiLisp
• 4. توابع بازگشتی: اصول و مبانی
• 5. بازگشت به عقب (Backtracking) در MultiLisp
• 6. الگوریتم‌های جستجو: Depth-First Search
• 7. الگوریتم‌های جستجو: Breadth-First Search
• 8. پیاده‌سازی DFS بازگشتی با MultiLisp
• 9. پیاده‌سازی BFS بازگشتی با MultiLisp
• 10. مقدمه‌ای بر برنامه‌نویسی موازی
• 11. مفاهیم پایه‌ای پردازش موازی
• 12. مدل‌های حافظه در برنامه‌نویسی موازی
• 13. MultiLisp و پشتیبانی از موازی‌سازی
• 14. استفاده از توابع سطح بالا برای موازی‌سازی
• 15. توابع map، reduce و fold در MultiLisp
• 16. موازی‌سازی توابع بازگشتی ساده
• 17. بهینه‌سازی توابع بازگشتی برای اجرا موازی
• 18. الگوریتم‌های مرتب‌سازی بازگشتی: Merge Sort
• 19. موازی‌سازی Merge Sort در MultiLisp
• 20. الگوریتم‌های مرتب‌سازی بازگشتی: Quick Sort
• 21. موازی‌سازی Quick Sort در MultiLisp
• 22. الگوریتم‌های گراف: پیمایش گراف
• 23. موازی‌سازی پیمایش گراف با استفاده از MultiLisp
• 24. حل مسئله هشت وزیر با الگوریتم بازگشتی
• 25. موازی‌سازی حل مسئله هشت وزیر
• 26. حل مسئله کوله‌پشتی با الگوریتم بازگشتی
• 27. موازی‌سازی حل مسئله کوله‌پشتی
• 28. الگوریتم‌های برنامه‌ریزی پویا
• 29. موازی‌سازی الگوریتم‌های برنامه‌ریزی پویا
• 30. استفاده از کتابخانه‌های موازی‌سازی در MultiLisp
• 31. مدیریت قفل‌ها و همگام‌سازی در MultiLisp
• 32. جلوگیری از شرایط مسابقه (Race Conditions)
• 33. شناسایی و رفع بن‌بست‌ها (Deadlocks)
• 34. بهینه‌سازی عملکرد الگوریتم‌های موازی
• 35. تحلیل پیچیدگی الگوریتم‌های موازی
• 36. مقایسه عملکرد الگوریتم‌های ترتیبی و موازی
• 37. استفاده از MultiLisp برای پردازش داده‌های بزرگ
• 38. مقدمه‌ای بر محاسبات توزیع‌شده
• 39. MultiLisp و ارتباطات بین فرآیندی
• 40. پیاده‌سازی الگوریتم‌های توزیع‌شده با MultiLisp
• 41. الگوریتم‌های توافق (Consensus Algorithms)
• 42. موازی‌سازی الگوریتم‌های یادگیری ماشین
• 43. استفاده از MultiLisp برای شبکه‌های عصبی
• 44. بهینه‌سازی عملکرد شبکه‌های عصبی با موازی‌سازی
• 45. مطالعه موردی: موازی‌سازی یک الگوریتم پیچیده
• 46. آینده برنامه‌نویسی موازی با MultiLisp