فلش‌کارت‌های آموزشی محاسبات علمی با استفاده از معماری‌های مدرن پردازنده‌ها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره محاسبات علمی با استفاده از معماری‌های مدرن پردازنده‌ها

موضوع کلی: برنامه نویسی

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

📋 سرفصل‌های دوره

• 1. مقدمه ای بر محاسبات سطح بالا (HPC)
• 2. معماری های مدرن پردازنده: CPU, GPU, FPGA
• 3. مفاهیم موازی سازی و همزمانی
• 4. انواع موازی سازی: داده موازی، وظیفه موازی
• 5. مقدمه ای بر سیستم های توزیع شده
• 6. مدل های برنامه نویسی موازی: اشتراک حافظه، گذر پیام
• 7. استاندارد MPI (Message Passing Interface)
• 8. نصب و راه اندازی MPI
• 9. برنامه نویسی MPI: توابع پایه
• 10. ارسال و دریافت پیام در MPI
• 11. ارتباط نقطه به نقطه در MPI
• 12. ارتباط جمعی در MPI
• 13. مدیریت ارتباط در MPI
• 14. بهینه سازی ارتباطات MPI
• 15. عیب یابی برنامه های MPI
• 16. استاندارد OpenMP (Open Multi-Processing)
• 17. برنامه نویسی OpenMP: دستورات و توابع
• 18. موازی سازی حلقه ها در OpenMP
• 19. مدیریت داده ها در OpenMP
• 20. همگام سازی در OpenMP
• 21. شرایط مسابقه و قفل ها در OpenMP
• 22. بهینه سازی برنامه های OpenMP
• 23. مقدمه ای بر GPU Computing
• 24. معماری CUDA (Compute Unified Device Architecture)
• 25. نصب و راه اندازی CUDA
• 26. برنامه نویسی CUDA: هسته ها و توابع
• 27. مدیریت حافظه در CUDA
• 28. انتقال داده بین CPU و GPU
• 29. موازی سازی در CUDA
• 30. الگوریتم های بهینه شده برای GPU
• 31. بهینه سازی کد CUDA
• 32. عیب یابی برنامه های CUDA
• 33. معرفی OpenCL (Open Computing Language)
• 34. برنامه نویسی OpenCL: مدل برنامه نویسی
• 35. مدیریت حافظه در OpenCL
• 36. موازی سازی در OpenCL
• 37. اجرای کد OpenCL بر روی CPU و GPU
• 38. بهینه سازی کد OpenCL
• 39. آشنایی با FPGA (Field-Programmable Gate Array)
• 40. برنامه نویسی FPGA برای محاسبات علمی
• 41. ابزارهای طراحی FPGA
• 42. بهینه سازی کد FPGA
• 43. مقدمه ای بر شتاب دهنده های سخت افزاری
• 44. معماری های موازی: SIMD, MIMD
• 45. بررسی عملکرد سیستم های HPC
• 46. معیارهای سنجش عملکرد
• 47. تحلیل تنگناها
• 48. ابزارهای پروفایلینگ
• 49. بهینه سازی کد برای CPU
• 50. بهینه سازی کد برای GPU
• 51. بهینه سازی کد برای FPGA
• 52. تکنیک های برداری سازی (Vectorization)
• 53. تکنیک های حافظه نهان (Cache Optimization)
• 54. تکنیک های کاهش ارتباطات
• 55. موازی سازی ترکیبی (Hybrid Parallelism): MPI+OpenMP
• 56. موازی سازی ترکیبی: MPI+CUDA
• 57. موازی سازی ترکیبی: OpenMP+CUDA
• 58. الگوریتم های مرتب سازی موازی
• 59. الگوریتم های جستجوی موازی
• 60. حل معادلات دیفرانسیل جزئی (PDE) با روش تفاضل محدود
• 61. حل معادلات دیفرانسیل جزئی با روش المان محدود
• 62. حل معادلات دیفرانسیل جزئی با روش حجم محدود
• 63. محاسبات ماتریسی موازی
• 64. جبر خطی موازی
• 65. حل دستگاه های معادلات خطی موازی
• 66. تجزیه مقادیر منفرد (SVD) موازی
• 67. محاسبات سریع فوریه (FFT) موازی
• 68. روش های مونت کارلو موازی
• 69. شبیه سازی سیستم های پیچیده
• 70. مدل سازی و شبیه سازی دینامیک مولکولی
• 71. مدل سازی و شبیه سازی سیالات
• 72. مدل سازی و شبیه سازی انتقال حرارت
• 73. مدل سازی و شبیه سازی واکنش های شیمیایی
• 74. یادگیری ماشین موازی
• 75. شبکه های عصبی عمیق موازی
• 76. پردازش تصویر موازی
• 77. پردازش سیگنال موازی
• 78. محاسبات ابری برای HPC
• 79. استفاده از AWS برای محاسبات علمی
• 80. استفاده از Azure برای محاسبات علمی
• 81. استفاده از Google Cloud برای محاسبات علمی
• 82. آشنایی با Containerization (Docker, Kubernetes)
• 83. استقرار برنامه های HPC در Docker
• 84. استقرار برنامه های HPC در Kubernetes
• 85. مدیریت منابع در سیستم های HPC
• 86. نرم افزارهای زمانبندی کار (Slurm, PBS)
• 87. نظارت بر سیستم های HPC
• 88. تجزیه و تحلیل داده های بزرگ با HPC
• 89. Big Data و Hadoop
• 90. Big Data و Spark
• 91. پیاده سازی الگوریتم های یادگیری عمیق در Spark
• 92. کاربرد HPC در فیزیک
• 93. کاربرد HPC در شیمی
• 94. کاربرد HPC در زیست شناسی
• 95. کاربرد HPC در مهندسی
• 96. کاربرد HPC در علوم زمین
• 97. کاربرد HPC در هواشناسی
• 98. کاربرد HPC در امور مالی
• 99. آینده محاسبات سطح بالا
• 100. روندها و چالش های HPC