دوره بهینه‌سازی مدل‌های شبیه‌سازی بیماری‌های عفونی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب بهینه‌سازی مدل‌های شبیه‌سازی بیماری‌های عفونی

موضوع کلی: برنامه نویسی

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

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر مدل‌سازی بیماری‌های عفونی
• 2. مفاهیم اساسی اپیدمیولوژی: شیوع، بروز، نرخ تولیدمثل پایه (R0)
• 3. مدل‌های اپیدمیولوژیک کلاسیک: SIR، SEIR و SIVR
• 4. مدل‌های مبتنی بر عامل (Agent-Based Models) در اپیدمیولوژی
• 5. مدل‌های مبتنی بر شبکه و کاربرد آن‌ها
• 6. شبیه‌سازی رویداد گسسته (Discrete-Event Simulation)
• 7. چالش‌های محاسباتی در شبیه‌سازی بیماری‌های عفونی
• 8. روش‌های تصادفی در مدل‌سازی اپیدمیولوژیک
• 9. نرم‌افزارها و زبان‌های برنامه‌نویسی رایج برای شبیه‌سازی (پایتون، R، متلب)
• 10. داده‌های مورد نیاز برای مدل‌سازی و شبیه‌سازی بیماری‌ها
• 11. معرفی محاسبات سطح بالا (HPC): چرا و چگونه؟
• 12. معماری‌های کامپیوتری مدرن: حافظه مشترک و حافظه توزیع‌شده
• 13. مفهوم موازی‌سازی و انواع آن (داده، وظیفه)
• 14. معیارهای عملکرد در HPC: شتاب (Speedup)، کارایی (Efficiency)، مقیاس‌پذیری (Scalability)
• 15. قانون آمدال (Amdahl's Law) و قانون گستافسون (Gustafson's Law)
• 16. معرفی محیط‌های توسعه HPC و ابزارهای کامپایل
• 17. مفهوم هم‌روندی (Concurrency) و موازی‌سازی (Parallelism)
• 18. مدل‌های برنامه‌نویسی موازی: کلیات
• 19. مدیریت منابع و زمان‌بندی در خوشه‌های HPC
• 20. تحلیل گلوگاه (Bottleneck Analysis) در کدهای شبیه‌سازی
• 21. مقدمه‌ای بر برنامه‌نویسی حافظه مشترک
• 22. OpenMP: مفاهیم اولیه و دستورالعمل‌های پایه
• 23. موازی‌سازی حلقه‌ها (Loop Parallelism) با OpenMP
• 24. مدیریت داده‌ها در OpenMP: shared, private, firstprivate
• 25. بخش‌های موازی (Sections) و وظایف (Tasks) در OpenMP
• 26. همگام‌سازی (Synchronization) در OpenMP: barrier, critical, atomic, lock
• 27. کاهش (Reduction) و دستورالعمل‌های آن
• 28. بهینه‌سازی عملکرد OpenMP: زمان‌بندی حلقه‌ها، چسبندگی نخ (Thread Affinity)
• 29. مثال کاربردی: موازی‌سازی یک جزء از مدل SIR با OpenMP
• 30. عیب‌یابی و پروفایلینگ کدهای OpenMP
• 31. مقدمه‌ای بر برنامه‌نویسی حافظه توزیع‌شده
• 32. MPI: مفاهیم اولیه، ارتباط‌دهنده‌ها (Communicators) و رتبه‌ها (Ranks)
• 33. ارتباطات نقطه به نقطه (Point-to-Point): ارسال و دریافت بلوک‌کننده (Blocking)
• 34. ارتباطات نقطه به نقطه: ارسال و دریافت غیربلوک‌کننده (Non-Blocking)
• 35. ارتباطات جمعی (Collective Communications): Broadcast, Reduce, Allreduce
• 36. ارتباطات جمعی: Scatter, Gather, Allgather
• 37. انواع داده مشتق‌شده (Derived Datatypes) در MPI
• 38. توپولوژی‌های فرآیند (Process Topologies) در MPI
• 39. مثال کاربردی: توزیع‌سازی مدل SIR در خوشه‌های MPI
• 40. عیب‌یابی و پروفایلینگ کدهای MPI
• 41. برنامه‌نویسی ترکیبی MPI + OpenMP
• 42. مدیریت حافظه و بهینه‌سازی دسترسی به داده‌ها
• 43. الگوریتم‌های موازی برای ساختارهای داده گراف
• 44. زمان‌بندی پویا و توزیع بار (Load Balancing) در سیستم‌های موازی
• 45. ارتباطات ناهمگام (Asynchronous Communication) و پنهان‌سازی تاخیر (Latency Hiding)
• 46. تحمل خطا (Fault Tolerance) در محاسبات سطح بالا
• 47. تحلیل مقیاس‌پذیری (Scalability Analysis) برای برنامه‌های ترکیبی
• 48. بهینه‌سازی I/O در HPC: N-dimensional arrays, HDF5, NetCDF
• 49. مجازی‌سازی و کانتینرها (Docker, Singularity) در HPC
• 50. استفاده از GPU برای محاسبات عمومی (GPGPU): مقدمه
• 51. معماری GPU و مدل برنامه‌نویسی CUDA
• 52. Kernelها، Threadها، Blockها و Gridها در CUDA
• 53. مدل حافظه CUDA: Global, Shared, Local, Constant, Texture
• 54. بهینه‌سازی دسترسی به حافظه در CUDA (Memory Coalescing)
• 55. مدیریت Warp Divergence و بهینه‌سازی عملکرد هسته‌ها
• 56. تخصیص و انتقال داده بین Host و Device
• 57. معرفی کتابخانه‌های CUDA (مانند cuBLAS, cuFFT, cuRAND)
• 58. مثال کاربردی: پیاده‌سازی جزء موازی از مدل در GPU
• 59. OpenACC: برنامه‌نویسی GPU بر مبنای دستورالعمل‌ها
• 60. عیب‌یابی و پروفایلینگ کدهای CUDA
• 61. شناسایی گلوگاه‌ها در مدل‌های شبیه‌سازی بیماری‌ها
• 62. بهینه‌سازی الگوریتم‌های تولید تماس (Contact Generation)
• 63. تکنیک‌های کاهش پیچیدگی محاسباتی در مدل‌های بزرگ‌مقیاس
• 64. بهینه‌سازی دسترسی به داده‌ها و ساختارهای داده‌ای مناسب
• 65. روش‌های نمونه‌برداری بهینه برای کاهش حجم محاسبات
• 66. استفاده از مدل‌های Surrogate (Metamodeling) برای شبیه‌سازی‌های گران‌قیمت
• 67. کاهش و فشرده‌سازی داده‌ها در شبیه‌سازی‌های حجیم
• 68. الگوریتم‌های سریع برای حل معادلات دیفرانسیل (در صورت استفاده)
• 69. تکنیک‌های برنامه‌نویسی برای کاهش سربار حافظه (Memory Overhead)
• 70. موازی‌سازی پیشرفته برای مدل‌های مبتنی بر عامل (ABM)
• 71. مقدمه‌ای بر بهینه‌سازی پارامترها در مدل‌های اپیدمیولوژی
• 72. آنالیز حساسیت (Sensitivity Analysis) محلی و جهانی
• 73. روش‌های جستجوی فضای پارامتر
• 74. الگوریتم‌های بهینه‌سازی جهانی: الگوریتم ژنتیک (Genetic Algorithms)
• 75. الگوریتم‌های بهینه‌سازی جهانی: شبیه‌سازی تبرید (Simulated Annealing)
• 76. الگوریتم‌های بهینه‌سازی جهانی: بهینه‌سازی ازدحام ذرات (Particle Swarm Optimization)
• 77. کالیبراسیون مدل با استفاده از داده‌های واقعی
• 78. استنتاج بیزی (Bayesian Inference) برای تخمین پارامترها
• 79. روش‌های زنجیره مارکوف مونت کارلو (MCMC)
• 80. ارزیابی عدم قطعیت (Uncertainty Quantification) در پیش‌بینی‌های مدل
• 81. کاربرد هوش مصنوعی و یادگیری ماشین در اپیدمیولوژی محاسباتی
• 82. استفاده از ML برای تسریع بخش‌های محاسباتی مدل
• 83. مدل‌های Surrogate مبتنی بر یادگیری ماشین
• 84. یادگیری تقویتی (Reinforcement Learning) برای بهینه‌سازی سیاست‌ها
• 85. شبکه‌های عصبی گراف (Graph Neural Networks) برای مدل‌های مبتنی بر شبکه
• 86. یادگیری عمیق برای استنتاج پارامترها از خروجی‌های شبیه‌سازی
• 87. تکنیک‌های ادغام داده‌ها (Data Assimilation) با HPC (مانند فیلتر کالمن)
• 88. پیش‌بینی شیوع بیماری با استفاده از مدل‌های هیبریدی ML-HPC
• 89. خوشه‌بندی و دسته‌بندی داده‌های شبیه‌سازی با ML
• 90. تشخیص الگوهای پیچیده در خروجی‌های مدل با AI
• 91. اتصال مدل‌های چندمقیاسی (Multiscale Coupling) در شبیه‌سازی بیماری‌ها
• 92. شبیه‌سازی‌های بلادرنگ (Real-time Simulation) برای واکنش سریع به بحران‌ها
• 93. چالش‌های بیگ دیتا در اپیدمیولوژی و راه‌حل‌های HPC
• 94. HPC ابری (Cloud HPC) برای شبیه‌سازی‌های بیماری‌های عفونی
• 95. پلتفرم‌ها و فریم‌ورک‌های اختصاصی برای مدل‌سازی بیماری‌ها در HPC
• 96. قابلیت بازتولید (Reproducibility) در اپیدمیولوژی محاسباتی
• 97. ملاحظات اخلاقی و حریم خصوصی در استفاده از داده‌ها و HPC
• 98. مطالعه موردی: بهینه‌سازی مدل‌های شبیه‌سازی COVID-19
• 99. روندهای آینده در HPC و مدل‌سازی بیماری‌های عفونی
• 100. جمع‌بندی و پروژه‌های پیشرفته در بهینه‌سازی شبیه‌سازی بیماری‌ها