اپلیکیشن اندرویدی فلش‌کارت آموزشی اصول و کاربردهای پردازش موازی بر روی پردازنده‌های گرافیکی (GPU)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اصول و کاربردهای پردازش موازی بر روی پردازنده‌های گرافیکی (GPU)

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: پردازش موازی و محاسبات با کارایی بالا

📋 سرفصل‌های دوره

• 1. مقدمه ای بر پردازش موازی
• 2. مفاهیم پایه محاسبات موازی
• 3. معماری پردازنده‌های گرافیکی (GPU)
• 4. تفاوت CPU و GPU
• 5. حافظه در پردازنده‌های گرافیکی
• 6. مدل برنامه‌نویسی CUDA
• 7. مقدمه ای بر CUDA C
• 8. متغیرهای سراسری و محلی در CUDA
• 9. مدیریت حافظه در CUDA
• 10. کپی حافظه بین میزبان و دستگاه
• 11. اجرای هسته‌ها (Kernels) در CUDA
• 12. مدیریت جریان (Streams) در CUDA
• 13. همگام‌سازی در CUDA
• 14. موازی‌سازی حلقه ها
• 15. موازی‌سازی توابع
• 16. مدیریت خطا در CUDA
• 17. بهینه‌سازی عملکرد هسته‌ها
• 18. استفاده از حافظه مشترک (Shared Memory)
• 19. استفاده از حافظه سراسری (Global Memory)
• 20. استفاده از حافظه ثابت (Constant Memory)
• 21. استفاده از حافظه فقط خواندنی (Texture Memory)
• 22. هم‌زمان‌سازی در سطح بلوک (Block Synchronization)
• 23. هم‌زمان‌سازی در سطح شبکه (Grid Synchronization)
• 24. مدیریت تردها (Threads) و بلوک ها (Blocks)
• 25. کاهش پهنای باند حافظه
• 26. افزایش موازی‌سازی داده ها
• 27. مدیریت موازی‌سازی وظیفه ها
• 28. الگوهای طراحی در پردازش موازی
• 29. الگوی MapReduce
• 30. الگوی Scan (Prefix Sum)
• 31. الگوی Reduce
• 32. الگوی Transform
• 33. الگوی Filter
• 34. الگوی Scatter
• 35. الگوی Gather
• 36. الگوی Parallel Sort
• 37. الگوی Parallel Search
• 38. الگوی Parallel Graph Processing
• 39. الگوی Parallel Matrix Multiplication
• 40. الگوی Parallel Convolution
• 41. الگوی Parallel Image Processing
• 42. الگوی Parallel Signal Processing
• 43. الگوی Parallel Scientific Computing
• 44. الگوی Parallel Machine Learning
• 45. الگوی Parallel Deep Learning
• 46. الگوی Parallel Data Analytics
• 47. الگوی Parallel Simulation
• 48. الگوی Parallel Optimization
• 49. الگوی Parallel Numerical Methods
• 50. الگوی Parallel Monte Carlo Methods
• 51. الگوی Parallel Finite Element Methods
• 52. الگوی Parallel Computational Fluid Dynamics
• 53. الگوی Parallel Computational Electromagnetics
• 54. الگوی Parallel Bioinformatics
• 55. الگوی Parallel Cheminformatics
• 56. الگوی Parallel Astrophysics
• 57. الگوی Parallel Climate Modeling
• 58. الگوی Parallel Financial Modeling
• 59. الگوی Parallel Cryptography
• 60. الگوی Parallel Network Analysis
• 61. الگوی Parallel Security Analysis
• 62. الگوی Parallel Game Development
• 63. الگوی Parallel Computer Graphics
• 64. الگوی Parallel Virtual Reality
• 65. الگوی Parallel Augmented Reality
• 66. ابزارهای اشکال‌زدایی و پروفایلینگ CUDA
• 67. NVIDIA Nsight Compute
• 68. NVIDIA Nsight Systems
• 69. استفاده ازnvprof
• 70. تحلیل زمان‌بندی تردها
• 71. شناسایی گلوگاه های حافظه
• 72. شناسایی گلوگاه های محاسباتی
• 73. بهینه‌سازی استفاده از هسته‌ها
• 74. مدیریت انرژی در پردازنده‌های گرافیکی
• 75. ملاحظات امنیتی در محاسبات موازی
• 76. کاربرد پردازش موازی در هوش مصنوعی
• 77. کاربرد پردازش موازی در یادگیری عمیق
• 78. کاربرد پردازش موازی در پردازش تصویر
• 79. کاربرد پردازش موازی در پردازش زبان طبیعی
• 80. کاربرد پردازش موازی در محاسبات علمی
• 81. کاربرد پردازش موازی در شبیه‌سازی
• 82. کاربرد پردازش موازی در تحلیل داده
• 83. کاربرد پردازش موازی در گرافیک کامپیوتری
• 84. کاربرد پردازش موازی در واقعیت مجازی
• 85. کاربرد پردازش موازی در بازی‌سازی
• 86. کاربرد پردازش موازی در محاسبات ابری
• 87. کاربرد پردازش موازی در اینترنت اشیا
• 88. کاربرد پردازش موازی در رباتیک
• 89. کاربرد پردازش موازی در سیستم های توزیع شده
• 90. کاربرد پردازش موازی در محاسبات با کارایی بالا (HPC)
• 91. مباحث پیشرفته در CUDA
• 92. برنامه‌نویسی ناهمزمان در CUDA
• 93. استفاده از CUDA Libraries (cuBLAS, cuFFT, etc.)
• 94. مقدمه ای بر OpenCL
• 95. مقایسه CUDA و OpenCL
• 96. برنامه‌نویسی موازی با C++ AMP
• 97. برنامه‌نویسی موازی با OpenMP
• 98. مباحث اخلاقی در محاسبات موازی