, ,

کتاب یادگیری خودنظارتی و کاربردهای آن

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب یادگیری خودنظارتی و کاربردهای آن

موضوع کلی: برنامه نویسی

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

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر برنامه نویسی با کارایی بالا (HPC)
  • 2. چرا به محاسبات موازی نیاز داریم؟
  • 3. مفاهیم اصلی معماری کامپیوتر برای HPC (CPU, GPU)
  • 4. سلسله مراتب حافظه و تاثیر آن بر کارایی
  • 5. اندازه‌گیری کارایی و معیارهای سنجش (FLOPS, Throughput, Latency)
  • 6. قانون امدال و محدودیت‌های موازی‌سازی
  • 7. مقدمه‌ای بر OpenMP: برنامه نویسی حافظه مشترک
  • 8. همگام‌سازی و قفل‌ها در OpenMP
  • 9. زمان‌بندی حلقه‌ها و بخش‌ها در OpenMP
  • 10. آشنایی با MPI: برنامه نویسی حافظه توزیع شده
  • 11. ارتباطات نقطه‌به‌نقطه در MPI (Send, Recv)
  • 12. ارتباطات جمعی در MPI (Broadcast, Reduce, Scatter, Gather)
  • 13. توپولوژی‌های ارتباطی در MPI
  • 14. مقدمه‌ای بر GPU Computing و CUDA
  • 15. معماری CUDA: هسته‌ها، بلاک‌ها، گرید‌ها
  • 16. مدیریت حافظه در CUDA (Global, Shared, Constant, Texture)
  • 17. نوشتن اولین کرنل CUDA
  • 18. بهینه‌سازی دسترسی به حافظه در CUDA
  • 19. مقدمه‌ای بر OpenCL و پلتفرم‌های ناهمگون
  • 20. پروفایلینگ و ابزارهای تحلیل کارایی در HPC
  • 21. مقدمه‌ای بر یادگیری ماشین و یادگیری عمیق
  • 22. تمایز بین یادگیری نظارت شده، نظارت نشده و خودنظارتی
  • 23. چرا یادگیری خودنظارتی: مزایا و چالش‌ها
  • 24. مفهوم یادگیری بازنمایی (Representation Learning)
  • 25. وظایف پیش‌بینی (Pretext Tasks) در یادگیری خودنظارتی
  • 26. یادگیری خودنظارتی مبتنی بر تولید (Generative SSL)
  • 27. رمزگشاهای خودکار و انواع آن‌ها (Autoencoders)
  • 28. یادگیری خودنظارتی مبتنی بر کنتراست (Contrastive SSL)
  • 29. SimCLR: چارچوبی برای یادگیری خودنظارتی کنتراستی
  • 30. MoCo: یادگیری کنتراستی با صف دینامیک
  • 31. BYOL و SimSiam: روش‌های خودنظارتی بدون نمونه‌های منفی
  • 32. MAE: رمزگذار خودکار ماسک شده برای بینایی کامپیوتر
  • 33. BERT: مدل پیش‌آموزش دیده برای پردازش زبان طبیعی
  • 34. Wav2Vec 2.0: یادگیری خودنظارتی برای گفتار
  • 35. استراتژی‌های افزایش داده (Data Augmentation) برای SSL
  • 36. توابع زیان (Loss Functions) رایج در SSL
  • 37. ارزیابی کیفیت بازنمایی‌های یادگرفته شده
  • 38. انتقال یادگیری (Transfer Learning) از مدل‌های SSL
  • 39. معماری‌های رایج شبکه عصبی در SSL (CNN, Transformer)
  • 40. چالش‌های مقیاس‌پذیری داده در SSL
  • 41. نیاز به HPC در مقیاس‌های بزرگ یادگیری خودنظارتی
  • 42. تنگناهای محاسباتی در آموزش مدل‌های SSL بزرگ
  • 43. مدیریت حافظه برای مدل‌ها و دسته‌های داده بزرگ
  • 44. آموزش موازی داده‌ها (Data Parallelism) برای SSL
  • 45. آموزش موازی مدل‌ها (Model Parallelism) برای SSL
  • 46. MPI برای آموزش توزیع شده یادگیری خودنظارتی
  • 47. PyTorch Distributed و TensorFlow Distributed برای SSL
  • 48. بهینه‌سازی ارتباطات در آموزش توزیع شده
  • 49. استفاده از دقت ترکیبی (Mixed Precision Training)
  • 50. جمع‌آوری گرادیان (Gradient Accumulation) برای دسته‌های بزرگ
  • 51. بهینه‌سازهای کارآمد برای مدل‌های بزرگ (LAMB, LARS)
  • 52. شتاب‌دهنده‌های سخت‌افزاری اختصاصی (TPU, AI Accelerators)
  • 53. استراتژی‌های کاهش سربار ارتباطی در MPI/NCCL
  • 54. طراحی زیرساخت کلاستر برای آموزش SSL
  • 55. مدیریت منابع و زمان‌بندی (Slurm, Kubernetes)
  • 56. سیستم‌های فایل با کارایی بالا (Lustre, GPFS)
  • 57. پردازش موازی داده‌ها: ETL برای SSL در مقیاس
  • 58. کانتینر‌سازی برای تکرارپذیری HPC-SSL (Docker, Singularity)
  • 59. نظارت و لاگ‌گیری در آموزش‌های توزیع شده
  • 60. ایمن‌سازی و مدیریت دسترسی در محیط‌های HPC
  • 61. بهینه‌سازی عملیات تنسور در GPU برای SSL
  • 62. توسعه کرنل‌های سفارشی CUDA برای لایه‌های خاص SSL
  • 63. استفاده از تنسور کورها (Tensor Cores) برای سرعت بخشیدن به محاسبات
  • 64. بهینه‌سازی الگوریتم‌های ارتباطی (NCCL, Gloo)
  • 65. استراتژی‌های پیشرفته پارامتر سرور (Parameter Servers)
  • 66. آموزش مدل‌های SSL بر روی چندین نود GPU
  • 67. آموزش ناهمزمان (Asynchronous Training) در SSL
  • 68. استفاده از حافظه‌های HBM (High Bandwidth Memory)
  • 69. تکنیک‌های کاهش حافظه (Memory Reduction) در مدل‌های بزرگ
  • 70. فشرده‌سازی مدل و کوانتیزاسیون برای استنتاج سریع‌تر SSL
  • 71. بهینه‌سازی ورودی/خروجی (I/O) برای مجموعه‌های داده عظیم
  • 72. استفاده از Dask یا Spark برای پیش‌پردازش داده‌های SSL
  • 73. مدیریت و ارکستراسیون ورک‌فلوها (Airflow, MLflow)
  • 74. عیب‌یابی مشکلات کارایی در سیستم‌های HPC-SSL
  • 75. استراتژی‌های تحمل خطا در آموزش توزیع شده
  • 76. برنامه‌نویسی موازی با OpenACC برای GPU (جایگزین CUDA)
  • 77. ترکیب MPI و OpenMP برای بهینه‌سازی هیبریدی
  • 78. استفاده از NVIDIA DALI برای بهینه‌سازی پایپ‌لاین داده
  • 79. بهینه‌سازی بارگذاری مدل‌های از پیش آموزش دیده (Pre-trained Models)
  • 80. تحلیل مصرف انرژی و پایداری در HPC-SSL
  • 81. کاربردهای یادگیری خودنظارتی در بینایی کامپیوتر (Computer Vision)
  • 82. کاربردهای یادگیری خودنظارتی در پردازش زبان طبیعی (NLP)
  • 83. کاربردهای یادگیری خودنظارتی در پردازش گفتار و صوت
  • 84. کاربردهای یادگیری خودنظارتی در پزشکی و زیست‌شناسی
  • 85. یادگیری خودنظارتی برای تحلیل داده‌های علمی و شبیه‌سازی‌ها
  • 86. یادگیری خودنظارتی در رباتیک و کنترل
  • 87. یادگیری خودنظارتی در محیط‌های کم‌داده (Low-Data Regimes)
  • 88. یادگیری چندوجهی (Multimodal Learning) با SSL و HPC
  • 89. یادگیری چندوظیفه‌ای (Multi-task Learning) مبتنی بر SSL
  • 90. استخراج دانش از مدل‌های خودنظارتی بزرگ (Knowledge Distillation)
  • 91. مقابله با سوگیری‌ها (Bias) و انصاف (Fairness) در SSL
  • 92. حریم خصوصی و امنیت داده‌ها در آموزش SSL مقیاس‌پذیر
  • 93. تفسیرپذیری و توضیح‌پذیری مدل‌های SSL (XAI for SSL)
  • 94. آینده یادگیری خودنظارتی: مدل‌های بنیادی (Foundation Models)
  • 95. نقش محاسبات کوانتومی در HPC و SSL (آینده‌نگر)
  • 96. مروری بر پلتفرم‌های ابری برای HPC-SSL (AWS, Azure, GCP)
  • 97. تحقیقات جدید در بهینه‌سازی سخت‌افزار-نرم‌افزار برای SSL
  • 98. چالش‌ها و مسائل حل نشده در HPC-SSL
  • 99. طراحی یک پایپ‌لاین end-to-end برای توسعه SSL با HPC
  • 100. آینده برنامه نویسی با کارایی بالا و یادگیری خودنظارتی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب یادگیری خودنظارتی و کاربردهای آن”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیمایش به بالا