🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: تسلط بر محاسبات با عملکرد بالا: از مبانی تا کاربردهای پیشرفته (بر اساس کتاب High Performance Computing جان لووسک)

موضوع کلی: علوم کامپیوتر و مهندسی

موضوع میانی: محاسبات موازی و توزیع شده

📋 سرفصل‌های دوره (100 موضوع)

• 1. مبانی محاسبات با عملکرد بالا: معرفی و چشم‌انداز
• 2. تاریخچه و تکامل محاسبات با عملکرد بالا (HPC)
• 3. معماری‌های کامپیوتری: مروری بر سخت‌افزار HPC
• 4. سیستم‌های حافظه: سلسله مراتب حافظه و تاثیر آن بر عملکرد
• 5. مفاهیم اساسی موازی‌سازی: چرا و چگونه
• 6. معرفی مدل‌های برنامه‌نویسی موازی
• 7. موازی‌سازی در سطح دستورالعمل (ILP)
• 8. موازی‌سازی در سطح داده (DLP)
• 9. موازی‌سازی در سطح وظیفه (TLP)
• 10. قانون آmdahl و قانون Gustavson: محدودیت‌ها و فرصت‌های موازی‌سازی
• 11. معرفی سیستم‌های چند هسته‌ای و معماری NUMA
• 12. ساختارهای پردازشی گرافیکی (GPU) و کاربرد آن‌ها در HPC
• 13. معرفی معماری‌های مبتنی بر تراشه (Chip Multiprocessors - CMP)
• 14. آشنایی با شبکه‌های ارتباطی در HPC
• 15. مبانی طراحی شبکه: توپولوژی‌ها و پروتکل‌ها
• 16. شبکه‌های با تأخیر کم: InfiniBand و Omni-Path
• 17. ذخیره‌سازی با عملکرد بالا: معرفی و اهمیت آن
• 18. سیستم‌های فایل موازی: Lustre, GPFS, Ceph
• 19. مدیریت منابع در HPC: سیستم‌های زمان‌بندی (SLURM, PBS)
• 20. معرفی ابزارهای مانیتورینگ و پروفایلینگ
• 21. اصول اولیه بهینه‌سازی کد برای HPC
• 22. شناسایی گلوگاه‌های عملکرد
• 23. بهینه‌سازی حافظه و استفاده از حافظه پنهان
• 24. بهینه‌سازی محاسبات نقطه شناور
• 25. بهینه‌سازی ورودی/خروجی (I/O)
• 26. ابزارهای پروفایلینگ: Gprof, Perf, VTune
• 27. مبانی OpenMP: معرفی و کاربردها
• 28. ساختارها و دستورالعمل‌های OpenMP
• 29. بهینه‌سازی حلقه‌ها با OpenMP
• 30. مدیریت داده‌ها و همگام‌سازی در OpenMP
• 31. OpenMP و معماری‌های مختلف
• 32. معرفی MPI: مبانی و اصول
• 33. پیام‌رسانی نقطه به نقطه در MPI
• 34. پیام‌رسانی جمعی در MPI
• 35. بهینه‌سازی MPI: تکنیک‌ها و استراتژی‌ها
• 36. MPI و معماری‌های مختلف
• 37. آشنایی با کتابخانه‌های محاسباتی: BLAS, LAPACK, ScaLAPACK
• 38. استفاده از کتابخانه‌های ریاضی برای بهینه‌سازی
• 39. معرفی CUDA و برنامه‌نویسی GPU
• 40. معماری CUDA و مدل حافظه
• 41. هسته‌ها، شبکه‌ها و بلوک‌ها در CUDA
• 42. بهینه‌سازی کد CUDA: تکنیک‌ها و روش‌ها
• 43. CUDA و کتابخانه‌های CUDA (cuBLAS, cuFFT)
• 44. برنامه‌نویسی هیبریدی: ترکیب OpenMP و MPI
• 45. برنامه‌نویسی هیبریدی: ترکیب MPI و CUDA
• 46. مدیریت داده‌ها در برنامه‌نویسی هیبریدی
• 47. ابزارهای اشکال‌زدایی برای برنامه‌های موازی
• 48. روش‌های اعتبارسنجی و تست برنامه‌های HPC
• 49. معرفی الگوریتم‌های موازی: تقسیم و غلبه (Divide and Conquer)
• 50. الگوریتم‌های مرتب‌سازی موازی
• 51. الگوریتم‌های جستجوی موازی
• 52. بهینه‌سازی الگوریتم‌های موازی
• 53. شبیه‌سازی‌های دینامیک مولکولی (MD) با HPC
• 54. دینامیک سیالات محاسباتی (CFD) با HPC
• 55. پردازش داده‌های بزرگ (Big Data) و HPC
• 56. یادگیری ماشینی با HPC
• 57. شبکه‌های عصبی عمیق (Deep Learning) و HPC
• 58. هوش مصنوعی و HPC
• 59. پردازش تصویر و ویدئو با HPC
• 60. بیوانفورماتیک و HPC
• 61. علوم مواد و HPC
• 62. اقتصاد محاسباتی و HPC
• 63. مدل‌سازی آب و هوا و اقیانوس‌ها با HPC
• 64. آشنایی با سیستم‌های HPC ابررایانه‌ای
• 65. آشنایی با معماری‌های نسل جدید HPC
• 66. سیستم‌های ناهمگن: CPU+GPU+FPGA
• 67. معرفی شتاب‌دهنده‌های سخت‌افزاری (FPGA)
• 68. برنامه‌نویسی FPGA برای HPC
• 69. امنیت در سیستم‌های HPC
• 70. محاسبات ابری و HPC
• 71. Virtualization در HPC
• 72. مدیریت داده‌ها در محیط‌های توزیع‌شده
• 73. معرفی Hadoop و Spark برای HPC
• 74. مبانی MapReduce و Spark
• 75. بهینه‌سازی عملکرد Hadoop و Spark
• 76. آشنایی با کتابخانه‌های موازی برای پردازش گراف (Graph Processing)
• 77. ساختارهای داده موازی
• 78. طراحی و پیاده‌سازی برنامه‌های HPC مقیاس‌پذیر
• 79. مقیاس‌پذیری و عملکرد در HPC
• 80. ارزیابی عملکرد برنامه‌های HPC
• 81. شناسایی و رفع گلوگاه‌های مقیاس‌پذیری
• 82. بهینه‌سازی انرژی در HPC
• 83. مدیریت خطا و تحمل‌پذیری خطا در HPC
• 84. آشنایی با تکنیک‌های تحمل‌پذیری خطا
• 85. استفاده از چک‌پوینتینگ
• 86. ابزارهای اشکال‌زدایی موازی پیشرفته
• 87. بهینه‌سازی I/O موازی پیشرفته
• 88. مدل‌های برنامه‌نویسی جدید برای HPC
• 89. آشنایی با زبان‌های جدید (Julia, Chapel)
• 90. استفاده از کتابخانه‌های موازی مدرن (Kokkos, RAJA)
• 91. معرفی فناوری‌های آینده در HPC
• 92. فناوری‌های Quantum Computing و HPC
• 93. آشنایی با HPC در فضای ابری (Cloud HPC)
• 94. استفاده از HPC برای تحلیل داده‌های علمی بزرگ
• 95. HPC و اینترنت اشیا (IoT)
• 96. توسعه نرم‌افزار HPC: بهترین شیوه‌ها و الگوها
• 97. پروژه‌های عملی و نمونه‌کارهای HPC
• 98. آینده محاسبات با عملکرد بالا
• 99. چالش‌ها و فرصت‌های HPC در قرن ۲۱

تسلط بر محاسبات با عملکرد بالا: از مبانی تا کاربردهای پیشرفته

معرفی دوره: دروازه‌ای به سوی سرعت و نوآوری بی‌کران

در عصری که مرزهای علم و فناوری با سرعت سرسام‌آوری جابه‌جا می‌شوند، نیاز به پردازش حجم عظیمی از داده‌ها و انجام شبیه‌سازی‌های پیچیده، بیش از پیش احساس می‌شود. اینجاست که محاسبات با عملکرد بالا (High Performance Computing - HPC) به عنوان ستون فقرات نوآوری و پیشرفت قد علم می‌کند. دوره "تسلط بر محاسبات با عملکرد بالا: از مبانی تا کاربردهای پیشرفته" شما را به این دنیای هیجان‌انگیز دعوت می‌کند؛ جایی که قدرت پردازشی بی‌نهایت، در دستان شما قرار می‌گیرد.

این دوره جامع و کاربردی، با الهام از اصول و مبانی کتاب ارزشمند "High Performance Computing" اثر برجسته جان لووسک، طراحی و تدوین شده است. ما فراتر از مفاهیم تئوری رفته و با رویکردی عملی، شما را برای مواجهه با چالش‌های دنیای واقعی آماده می‌کنیم. دیگر هیچ مسئله‌ای برایتان بیش از حد بزرگ نخواهد بود و هیچ محاسباتی برایتان غیرممکن به نظر نخواهد رسید.

با پیوستن به این دوره، نه تنها دانش بنیادی خود را در زمینه HPC استحکام می‌بخشید، بلکه با جدیدترین تکنیک‌ها، ابزارها و مدل‌های برنامه‌نویسی موازی آشنا شده و مهارت‌های لازم برای بهینه‌سازی و اجرای مؤثر برنامه‌ها در محیط‌های با عملکرد بالا را کسب خواهید کرد. آینده محاسبات از آن شماست!

درباره دوره: از تئوری‌های بنیادین تا پیاده‌سازی‌های پیشرفته

دوره "تسلط بر محاسبات با عملکرد بالا" به گونه‌ای طراحی شده است که طیف وسیعی از دانش‌آموختگان، از مبتدیان تا متخصصان، بتوانند حداکثر بهره را از آن ببرند. ما با تمرکز بر شفافیت و عمق مفاهیم، ابتدا شما را با زیربناهای نظری و معماری‌های پیشرفته سیستم‌های HPC آشنا می‌کنیم. سپس، با ورود به دنیای برنامه‌نویسی موازی، ابزارهایی مانند MPI، OpenMP و CUDA را به شما آموزش می‌دهیم تا بتوانید قدرت واقعی پردازنده‌های چند هسته‌ای، خوشه‌ها و GPUها را به کار گیرید.

ارتباط این دوره با کتاب "High Performance Computing" جان لووسک، به آن عمق و اعتبار ویژه‌ای می‌بخشد. ما با بازتعریف و توسعه مباحث کلیدی مطرح شده در این مرجع، یک مسیر یادگیری گام‌به‌گام و جامع را برای شما فراهم آورده‌ایم. هدف ما، تبدیل شما به فردی است که نه تنها می‌داند چگونه HPC کار می‌کند، بلکه قادر است آن را برای حل مسائل پیچیده در حوزه‌های متنوعی چون شبیه‌سازی‌های علمی، تحلیل داده‌های بزرگ، هوش مصنوعی و یادگیری ماشین به کار گیرد.

موضوعات کلیدی: سفر به قلب محاسبات سریع

در این دوره، به موضوعات بنیادی و کاربردی متعددی خواهیم پرداخت که هر یک دروازه‌ای به سوی درک عمیق‌تر و مهارت‌های عملی در زمینه محاسبات با عملکرد بالا هستند:

• معماری‌های پیشرفته پردازنده‌های موازی و سیستم‌های حافظه
• مبانی برنامه‌نویسی موازی و مدیریت همزمانی
• تسلط بر مدل‌های برنامه‌نویسی MPI برای سیستم‌های توزیع‌شده
• بهینه‌سازی برنامه‌ها با OpenMP برای پردازنده‌های چند هسته‌ای
• برنامه‌نویسی GPU با CUDA برای شتاب‌دهی محاسبات
• سیستم‌های فایل موازی و مدیریت داده‌های عظیم
• زمان‌بندی منابع و مدیریت خوشه‌های محاسباتی (Cluster Management)
• تحلیل عملکرد و بهینه‌سازی کد
• مقدمه‌ای بر محاسبات ابری و HPC-as-a-Service
• کاربردهای HPC در یادگیری ماشین، هوش مصنوعی و علم داده
• شبیه‌سازی‌های علمی و مهندسی با استفاده از HPC

مخاطبان دوره: چه کسانی از این دوره بهره‌مند می‌شوند؟

این دوره برای طیف گسترده‌ای از علاقه‌مندان و متخصصان که به دنبال ارتقاء مهارت‌های خود در زمینه محاسبات پیشرفته هستند، طراحی شده است:

• دانشجویان علوم کامپیوتر و مهندسی: برای عمیق‌تر کردن دانش خود در معماری کامپیوتر، سیستم‌عامل‌ها و الگوریتم‌های موازی.
• مهندسان نرم‌افزار و توسعه‌دهندگان: برای نوشتن کدهای سریع‌تر، کارآمدتر و مقیاس‌پذیرتر.
• دانشمندان داده و متخصصان هوش مصنوعی: برای پردازش سریع‌تر مجموعه داده‌های بزرگ و آموزش مدل‌های پیچیده.
• محققان و پژوهشگران (فیزیک، شیمی، زیست‌شناسی، مهندسی): برای اجرای شبیه‌سازی‌های پیچیده و مدل‌سازی‌های دقیق.
• مدیران سیستم و کارشناسان زیرساخت: برای مدیریت و بهینه‌سازی خوشه‌های HPC و مراکز داده.
• هر کسی که به دنبال کسب مهارتی حیاتی در بازار کار آینده است: محاسبات با عملکرد بالا، مهارتی است که تقاضا برای آن رو به افزایش است.

چرا این دوره را بگذرانیم؟ مزیت رقابتی شما در دنیای محاسبات

سرمایه‌گذاری در این دوره، سرمایه‌گذاری در آینده شغلی و توانمندی‌های حرفه‌ای شماست. در ادامه به برخی از دلایل کلیدی برای انتخاب این دوره اشاره می‌کنیم:

• افزایش سرعت و کارایی بی‌نظیر:

  پس از این دوره، قادر خواهید بود برنامه‌های خود را با سرعتی خیره‌کننده اجرا کرده و مسائلی را حل کنید که پیش از این غیرممکن به نظر می‌رسیدند. قدرت محاسباتی بالا، مزیت رقابتی بزرگی در هر صنعتی است.

• تقاضای رو به رشد در بازار کار:

  با افزایش حجم داده‌ها و پیچیدگی مسائل، نیاز به متخصصان HPC در صنایع مختلف از جمله فناوری، پزشکی، مالی، نفت و گاز و تحقیقات علمی به شدت احساس می‌شود. این مهارت‌ها، کلید ورود شما به مشاغل پردرآمد و پیشرو هستند.

• درک عمیق از مبانی و کاربردها:

  بر خلاف دوره‌های سطحی، ما بر ارائه درکی جامع و عمیق از معماری‌ها، الگوریتم‌ها و مدل‌های برنامه‌نویسی HPC تمرکز داریم تا شما نه تنها ابزارها را بشناسید، بلکه بتوانید آن‌ها را هوشمندانه به کار گیرید.

• مهارت‌های عملی و کاربردی:

  این دوره تنها به تئوری نمی‌پردازد. با مثال‌های عملی، تمرین‌های کدنویسی و پروژه‌های واقعی، شما مهارت‌هایی را کسب خواهید کرد که بلافاصله قابل استفاده در محیط‌های کاری هستند.

• الهام گرفته از یک مرجع معتبر جهانی:

  ساختار و محتوای دوره با الهام از کتاب "High Performance Computing" جان لووسک، تضمین‌کننده کیفیت و اعتبار علمی مباحث مطرح شده است.

• آینده‌نگری در مهارت‌ها:

  با یادگیری HPC، شما خود را برای آینده‌ای آماده می‌کنید که در آن هوش مصنوعی، یادگیری ماشین و تحلیل داده‌های بزرگ نقش محوری ایفا می‌کنند. شما در خط مقدم این تحولات قرار خواهید گرفت.

سرفصل‌های دوره: بیش از 100 سرفصل جامع برای تسلط کامل

این دوره یک نقشه راه کامل برای تبدیل شدن به یک متخصص محاسبات با عملکرد بالا است و شامل بیش از 100 سرفصل جامع و کاربردی است که از مبانی نظری تا پیشرفته‌ترین تکنیک‌های پیاده‌سازی را در بر می‌گیرد. ما به تفکیک و با جزئیات کامل به تمامی جنبه‌های ضروری HPC خواهیم پرداخت. در ادامه، تنها نمونه‌ای از سرفصل‌های اصلی را مشاهده می‌کنید که هر کدام خود شامل چندین زیرمبحث مفصل هستند:

• مقدمه‌ای بر High Performance Computing و تاریخچه آن
• مفهوم موازی‌سازی و انواع آن (Data Parallelism, Task Parallelism)
• معماری‌های پردازنده‌های مدرن (CPU، GPU، FPGA)
• سازماندهی حافظه و سلسله مراتب حافظه در سیستم‌های HPC
• شبکه‌های اتصال داخلی (Interconnects) در خوشه‌های محاسباتی
• مدل‌های برنامه‌نویسی حافظه مشترک (Shared Memory) - OpenMP
• مدل‌های برنامه‌نویسی حافظه توزیع‌شده (Distributed Memory) - MPI
• مفاهیم پیشرفته MPI (ارتباطات ناهمزمان، گروهی و مجازی)
• اصول برنامه‌نویسی GPU با معماری CUDA و OpenCL
• بهینه‌سازی کد برای CPU (بردارسازی، موازی‌سازی، Cache Blocking)
• بهینه‌سازی کد برای GPU (مدیریت حافظه، Kernel Launch)
• تست، دیباگ و پروفایل‌کردن برنامه‌های موازی
• سیستم‌های فایل موازی (Parallel File Systems) مانند Lustre و GPFS
• مدیریت و زمان‌بندی Job در خوشه‌های HPC (SLURM, PBS)
• مفاهیم کانتینریزیشن در HPC (Docker, Singularity)
• HPC در محیط‌های ابری و Hybrid Cloud
• کاربرد HPC در هوش مصنوعی و یادگیری عمیق (Deep Learning)
• محاسبات عددی پیشرفته و الگوریتم‌های موازی
• شبیه‌سازی‌های مولکولی و دینامیک سیالات محاسباتی (CFD)
• امنیت و چالش‌های آن در سیستم‌های HPC
• معیارگذاری و ارزیابی عملکرد (Benchmarking) سیستم‌ها
• موضوعات پیشرفته در معماری‌های نوین (Quantum Computing و Neuromorphic)
• ... و ده‌ها سرفصل دیگر که شما را به یک متخصص تمام‌عیار تبدیل خواهد کرد!