فلش‌کارت‌های آموزشی مقدمه‌ای بر محاسبات در فیزیک ذرات

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر محاسبات در فیزیک ذرات

موضوع کلی: برنامه نویسی

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

📋 سرفصل‌های دوره

• 1. مبانی برنامه نویسی: انواع داده و متغیرها
• 2. مبانی برنامه نویسی: عملگرها و عبارات
• 3. مبانی برنامه نویسی: ساختارهای کنترلی (if/else, loops)
• 4. مبانی برنامه نویسی: توابع و رویه ها
• 5. مبانی برنامه نویسی: آرایه ها و اشاره گرها
• 6. مبانی برنامه نویسی: ورودی/خروجی پایه
• 7. مقدمه ای بر محاسبات: مفاهیم و انگیزه
• 8. معماری کامپیوتر: CPU، حافظه، شبکه
• 9. سیستم عامل ها: مفاهیم پایه ای و مدیریت منابع
• 10. زبان های برنامه نویسی برای HPC: معرفی و مقایسه
• 11. زبان C++: مروری بر مفاهیم اساسی
• 12. زبان C++: کلاس ها و اشیاء
• 13. زبان C++: وراثت و چندریختی
• 14. زبان C++: سربارگذاری عملگرها
• 15. زبان C++: الگوها (Templates)
• 16. زبان C++: مدیریت حافظه
• 17. زبان C++: ورودی/خروجی پیشرفته
• 18. ساختارهای داده و الگوریتم ها: آرایه ها، لیست ها، پشته ها
• 19. ساختارهای داده و الگوریتم ها: درخت ها و گراف ها
• 20. ساختارهای داده و الگوریتم ها: مرتب سازی و جستجو
• 21. معرفی فیزیک ذرات: ذرات بنیادی و نیروها
• 22. معرفی فیزیک ذرات: مدل استاندارد
• 23. معرفی فیزیک ذرات: آشکارسازهای ذرات
• 24. معرفی فیزیک ذرات: داده های تجربی
• 25. نصب و راه اندازی محیط توسعه HPC
• 26. کامپایل و اجرای برنامه ها در HPC
• 27. اشکال زدایی برنامه ها در HPC
• 28. بهینه سازی کد: پروفایلینگ و ابزارها
• 29. بهینه سازی کد: تکنیک های کلی
• 30. محاسبات موازی: مفاهیم و انگیزه
• 31. مدل های موازی: داده موازی، وظیفه موازی
• 32. OpenMP: مفاهیم پایه ای و directive ها
• 33. OpenMP: بخش های موازی و حلقه های موازی
• 34. OpenMP: مدیریت داده و حافظه
• 35. OpenMP: همگام سازی و قفل ها
• 36. OpenMP: بهینه سازی عملکرد
• 37. MPI: مفاهیم پایه ای و توابع
• 38. MPI: ارسال و دریافت پیام
• 39. MPI: جمع آوری و پخش داده
• 40. MPI: ارتباطات نقطه به نقطه و گروهی
• 41. MPI: توپولوژی پردازنده
• 42. MPI: بهینه سازی عملکرد
• 43. CUDA: معماری GPU و برنامه نویسی
• 44. CUDA: Kernel ها و Thread ها
• 45. CUDA: مدیریت حافظه در GPU
• 46. CUDA: بهینه سازی عملکرد GPU
• 47. TensorFlow: مقدمه ای بر یادگیری ماشین
• 48. TensorFlow: تنسورها و گراف های محاسباتی
• 49. TensorFlow: شبکه های عصبی و آموزش
• 50. کتابخانه های عددی: BLAS، LAPACK، FFTW
• 51. حل معادلات دیفرانسیل معمولی (ODE)
• 52. روش های انتگرال گیری عددی
• 53. روش مونت کارلو: مفاهیم و کاربردها
• 54. تولید اعداد تصادفی: الگوریتم ها و تست ها
• 55. شبیه سازی مونت کارلو: فیزیک ذرات
• 56. شبیه سازی مونت کارلو: آشکارسازها
• 57. تحلیل داده ها: مفاهیم آماری پایه
• 58. تحلیل داده ها: برازش منحنی
• 59. تحلیل داده ها: تخمین خطا
• 60. تکنیک های تجسم داده ها
• 61. نرم افزار ROOT: مقدمه و کاربردها
• 62. نرم افزار ROOT: هیستوگرام ها و نمودارها
• 63. نرم افزار ROOT: برازش و تحلیل داده
• 64. زبان برنامه نویسی پایتون: مفاهیم پایه
• 65. پایتون برای HPC: کتابخانه های NumPy، SciPy
• 66. شبیه سازی: تعامل ذرات با ماده
• 67. شبیه سازی: پاسخ آشکارساز
• 68. شبیه سازی: تولید رویداد
• 69. مدیریت داده های بزرگ: مفاهیم و تکنیک ها
• 70. ذخیره سازی داده های بزرگ: فرمت های HDF5، Parquet
• 71. تحلیل داده های بزرگ: توزیع شده و موازی
• 72. محاسبات ابری: مفاهیم و سرویس ها
• 73. استفاده از ابر برای محاسبات فیزیک ذرات
• 74. بهینه سازی مصرف انرژی در HPC
• 75. امنیت در محاسبات HPC
• 76. الگوریتم های موازی برای ضرب ماتریس
• 77. الگوریتم های موازی برای حل دستگاه معادلات
• 78. الگوریتم های موازی برای تبدیل فوریه سریع (FFT)
• 79. الگوریتم های موازی برای بهینه سازی
• 80. بهینه سازی برنامه ها با استفاده از profiler ها
• 81. تشخیص گلوگاه های عملکرد در کد
• 82. پیاده سازی و استفاده از SIMD
• 83. برنامه نویسی ناهمزمان (Asynchronous programming)
• 84. کار با پایگاه داده های بزرگ
• 85. طراحی آزمایشات: انتخاب پارامترها و متغیرها
• 86. تحلیل حساسیت: تعیین پارامترهای مهم
• 87. مقایسه داده های شبیه سازی و تجربی
• 88. اعتبارسنجی شبیه سازی ها
• 89. استفاده از نرم افزارهای شبیه ساز موجود (Geant4, FLUKA)
• 90. توسعه نرم افزارهای شبیه ساز سفارشی
• 91. خودکارسازی گردش کار محاسباتی
• 92. مدیریت پروژه های HPC
• 93. بهینه سازی کد برای معماری های مختلف
• 94. مقیاس پذیری برنامه ها در HPC
• 95. استفاده از کتابخانه های یادگیری ماشین برای تحلیل داده های فیزیک
• 96. کار با الگوریتم های شبکه عصبی عمیق (DNN)
• 97. کار با داده های تولید شده توسط برخورد دهنده هادرونی بزرگ (LHC)
• 98. کار با داده های آزمایش های فیزیک هسته ای
• 99. برنامه نویسی جنریک (Generic Programming)
• 100. الگوهای طراحی (Design Patterns) برای HPC