فلش‌کارت‌های آموزشی توسعهٔ پایدار برنامه‌های کاربردی HPC مبتنی بر شابلون (Stencil-based)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره توسعهٔ پایدار برنامه‌های کاربردی HPC مبتنی بر شابلون (Stencil-based)

موضوع کلی: محاسبات علمی و مهندسی

موضوع میانی: بهینه‌سازی برنامه‌های کاربردی محاسبات با کارایی بالا (HPC)

📋 سرفصل‌های دوره

• 1. مبانی محاسبات علمی و مهندسی
• 2. مقدمه‌ای بر محاسبات با کارایی بالا (HPC)
• 3. مفاهیم کلیدی در برنامه‌های کاربردی HPC
• 4. معماری‌های سیستم‌های HPC
• 5. پردازنده‌های موازی و خوشه‌ها
• 6. شبکه‌های ارتباطی در HPC
• 7. حافظه و مدیریت داده در HPC
• 8. الگوریتم‌های موازی
• 9. اصول برنامه‌نویسی موازی
• 10. مدل‌های برنامه‌نویسی موازی (MPI, OpenMP)
• 11. مقدمه‌ای بر زبان Julia برای HPC
• 12. ویژگی‌های Julia برای محاسبات علمی
• 13. انواع داده در Julia
• 14. توابع و ماژول‌ها در Julia
• 15. کارایی در Julia
• 16. بهینه‌سازی کد در Julia
• 17. نمونه‌سازی (Profiling) کد Julia
• 18. تکنیک‌های کامپایل JIT در Julia
• 19. مقدمه‌ای بر برنامه‌های کاربردی مبتنی بر شابلون (Stencil-based)
• 20. مفهوم شابلون در محاسبات علمی
• 21. کاربرد شابلون در شبیه‌سازی‌ها
• 22. الگوریتم‌های مبتنی بر شابلون
• 23. پیاده‌سازی شابلون در Julia
• 24. مزایای استفاده از Julia برای شابلون‌ها
• 25. بهینه‌سازی شابلون‌ها با استفاده از Julia
• 26. کارایی برنامه‌های شابلونی در Julia
• 27. مفاهیم توسعه پایدار در HPC
• 28. اهمیت بهره‌وری انرژی در HPC
• 29. مدیریت منابع در سیستم‌های HPC
• 30. پایداری در چرخه عمر نرم‌افزار HPC
• 31. کدنویسی سبز در محاسبات علمی
• 32. ملاحظات زیست‌محیطی در HPC
• 33. ارزیابی ردپای کربن برنامه‌های HPC
• 34. روش‌های کاهش مصرف انرژی
• 35. بهینه‌سازی الگوریتم‌ها برای پایداری
• 36. کاربرد الگوریتم‌های توزیع شده
• 37. موازی‌سازی داده و وظیفه
• 38. توازن بار در محاسبات موازی
• 39. مقیاس‌پذیری برنامه‌های HPC
• 40. اندازه‌گیری کارایی و مقیاس‌پذیری
• 41. تست عملکرد برنامه‌ها
• 42. مدیریت خطا در سیستم‌های HPC
• 43. قابلیت اطمینان در محاسبات علمی
• 44. روش‌های بازیابی از خطا
• 45. مقدمه‌ای بر محاسبات توزیع شده
• 46. سیستم‌های پردازش دسته‌ای
• 47. سیستم‌های پردازش جریانی
• 48. پلتفرم‌های ابری برای HPC
• 49. مزایای استفاده از ابر در HPC
• 50. انتخاب پلتفرم ابری مناسب
• 51. امنیت در محیط‌های ابری HPC
• 52. مدیریت داده در مقیاس بزرگ
• 53. سیستم‌های فایل توزیع شده
• 54. پایگاه‌های داده برای HPC
• 55. ذخیره‌سازی داده‌های حجیم
• 56. فشرده‌سازی داده‌ها
• 57. رمزنگاری داده‌ها
• 58. مقدمه‌ای بر تحلیل داده‌های بزرگ
• 59. ابزارهای تحلیل داده در Julia
• 60. تجسم داده‌ها
• 61. مقدمه‌ای بر یادگیری ماشین در HPC
• 62. الگوریتم‌های یادگیری ماشین موازی
• 63. پیاده‌سازی مدل‌های ML در Julia
• 64. بهینه‌سازی مدل‌های ML برای HPC
• 65. کاربرد ML در شبیه‌سازی‌های علمی
• 66. ملاحظات اخلاقی در HPC
• 67. مسئولیت‌پذیری در محاسبات علمی
• 68. حریم خصوصی داده‌ها
• 69. دسترسی عادلانه به منابع HPC
• 70. مقدمه‌ای بر برنامه‌نویسی کاربردی
• 71. طراحی نرم‌افزار پایدار
• 72. اصول کد تمیز
• 73. مستندسازی کد
• 74. تست واحد و یکپارچه‌سازی
• 75. بازنگری کد
• 76. مدیریت نسخه (Git)
• 77. کار با مخازن کد
• 78. مقدمه‌ای بر ابزارهای توسعه
• 79. دیباگینگ پیشرفته
• 80. اشکال‌زدایی در محیط‌های توزیع شده
• 81. مانیتورینگ سیستم‌های HPC
• 82. تنظیم پارامترهای سیستم
• 83. مدیریت صف‌های کاری
• 84. برنامه‌ریزی اجرای وظایف
• 85. مقدمه‌ای بر محاسبات کوانتومی (اشاره‌ای کوتاه و سازگار)
• 86. مفاهیم اولیه کوانتومی
• 87. کاربرد بالقوه کوانتومی در HPC (سازگار)
• 88. مقدمه‌ای بر محاسبات ابری سبز
• 89. بهره‌وری انرژی در مراکز داده
• 90. استراتژی‌های کاهش مصرف برق
• 91. آینده محاسبات پایدار
• 92. روندهای نوظهور در HPC
• 93. چالش‌های آینده HPC
• 94. تاثیر HPC بر توسعه پایدار
• 95. پژوهش‌های آتی در زمینه HPC
• 96. کاربرد HPC در حل مسائل جهانی
• 97. ملاحظات حقوقی و مقرراتی در HPC (سازگار با قوانین ایران)
• 98. استانداردهای نرم‌افزاری در HPC
• 99. همکاری‌های بین‌المللی در HPC (سازگار)
• 100. نقش HPC در پیشرفت علم و فناوری