دوره مقدمه‌ای بر الگوهای یادگیری ماشین توزیع‌شده برای مهندسان همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب مقدمه‌ای بر الگوهای یادگیری ماشین توزیع‌شده برای مهندسان

موضوع کلی: الگوی یادگیری ماشین توزیع‌شده

موضوع میانی: اصول و معماری یادگیری ماشین توزیع‌شده

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر یادگیری ماشین توزیع‌شده
• 2. چرا یادگیری ماشین توزیع‌شده؟
• 3. چالش‌های یادگیری ماشین توزیع‌شده
• 4. مزایای یادگیری ماشین توزیع‌شده
• 5. مفاهیم کلیدی در سیستم‌های توزیع‌شده
• 6. مدل‌های پردازش توزیع‌شده
• 7. مدل‌های ارتباطی توزیع‌شده
• 8. مدل‌های ذخیره‌سازی توزیع‌شده
• 9. الگوهای معماری سیستم‌های توزیع‌شده
• 10. معرفی الگوهای یادگیری ماشین توزیع‌شده
• 11. فهرست الگوهای کلیدی
• 12. الگوی پارالل‌سازی داده (Data Parallelism)
• 13. مفهوم پارالل‌سازی داده
• 14. مزایای پارالل‌سازی داده
• 15. معایب پارالل‌سازی داده
• 16. کاربردها
• 17. الگوی پارالل‌سازی مدل (Model Parallelism)
• 18. مفهوم پارالل‌سازی مدل
• 19. مزایای پارالل‌سازی مدل
• 20. معایب پارالل‌سازی مدل
• 21. کاربردها
• 22. الگوی یادگیری ترکیبی (Hybrid Parallelism)
• 23. مفهوم یادگیری ترکیبی
• 24. مزایای یادگیری ترکیبی
• 25. معایب یادگیری ترکیبی
• 26. کاربردها
• 27. الگوی هماهنگ‌سازی (Synchronization)
• 28. مفهوم هماهنگ‌سازی
• 29. انواع هماهنگ‌سازی (سخت، نرم)
• 30. هماهنگ‌سازی در پارالل‌سازی داده
• 31. هماهنگ‌سازی در پارالل‌سازی مدل
• 32. چالش‌های هماهنگ‌سازی
• 33. الگوی گام‌های ناهمزمان (Asynchronous Steps)
• 34. مفهوم گام‌های ناهمزمان
• 35. مزایای گام‌های ناهمزمان
• 36. معایب گام‌های ناهمزمان
• 37. کاربردها
• 38. الگوی گام‌های همزمان (Synchronous Steps)
• 39. مفهوم گام‌های همزمان
• 40. مزایای گام‌های همزمان
• 41. معایب گام‌های همزمان
• 42. کاربردها
• 43. الگوی انتشار گرادیان (Gradient Propagation)
• 44. مفهوم انتشار گرادیان
• 45. روش‌های انتشار گرادیان
• 46. انتشار گرادیان در پارالل‌سازی داده
• 47. انتشار گرادیان در پارالل‌سازی مدل
• 48. الگوی جمع‌آوری گرادیان (Gradient Aggregation)
• 49. مفهوم جمع‌آوری گرادیان
• 50. روش‌های جمع‌آوری گرادیان
• 51. جمع‌آوری گرادیان در پارالل‌سازی داده
• 52. جمع‌آوری گرادیان در پارالل‌سازی مدل
• 53. الگوی به‌روزرسانی مدل (Model Update)
• 54. مفهوم به‌روزرسانی مدل
• 55. روش‌های به‌روزرسانی مدل
• 56. به‌روزرسانی مدل در پارالل‌سازی داده
• 57. به‌روزرسانی مدل در پارالل‌سازی مدل
• 58. الگوی ارتباطات بین پردازنده‌ها (Inter-Processor Communication)
• 59. مفهوم ارتباطات بین پردازنده‌ها
• 60. انواع ارتباطات (Point-to-Point, Collective)
• 61. بهینه‌سازی ارتباطات
• 62. الگوی توزیع داده (Data Distribution)
• 63. مفهوم توزیع داده
• 64. روش‌های توزیع داده
• 65. توزیع داده در پارالل‌سازی داده
• 66. توزیع داده در پارالل‌سازی مدل
• 67. الگوی پارتیشن‌بندی مدل (Model Partitioning)
• 68. مفهوم پارتیشن‌بندی مدل
• 69. روش‌های پارتیشن‌بندی مدل
• 70. پارتیشن‌بندی در پارالل‌سازی مدل
• 71. الگوی توزیع بار (Load Balancing)
• 72. مفهوم توزیع بار
• 73. اهمیت توزیع بار
• 74. روش‌های توزیع بار
• 75. الگوی مقیاس‌پذیری (Scalability)
• 76. مفهوم مقیاس‌پذیری
• 77. انواع مقیاس‌پذیری (عمودی، افقی)
• 78. مقیاس‌پذیری در سیستم‌های توزیع‌شده
• 79. الگوی تحمل خطا (Fault Tolerance)
• 80. مفهوم تحمل خطا
• 81. اهمیت تحمل خطا
• 82. روش‌های تحمل خطا
• 83. الگوی مدیریت منابع (Resource Management)
• 84. مفهوم مدیریت منابع
• 85. ابزارهای مدیریت منابع (مانند Kubernetes)
• 86. مدیریت منابع برای یادگیری ماشین توزیع‌شده
• 87. الگوی آموزش توزیع‌شده (Distributed Training)
• 88. مراحل آموزش توزیع‌شده
• 89. انتخاب الگوی مناسب برای آموزش
• 90. الگوی استنتاج توزیع‌شده (Distributed Inference)
• 91. مفهوم استنتاج توزیع‌شده
• 92. چالش‌های استنتاج توزیع‌شده
• 93. الگوی یادگیری فدرال (Federated Learning)
• 94. مفهوم یادگیری فدرال
• 95. مزایای یادگیری فدرال
• 96. معایب یادگیری فدرال
• 97. کاربردها
• 98. الگوی یادگیری انتقالی توزیع‌شده (Distributed Transfer Learning)
• 99. مفهوم یادگیری انتقالی توزیع‌شده
• 100. چالش‌ها و فرصت‌ها