فلش‌کارت‌های آموزشی تسریع تحلیل کلان‌داده با تکنیک‌های پردازش موازی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تسریع تحلیل کلان‌داده با تکنیک‌های پردازش موازی

موضوع کلی: علم داده و هوش مصنوعی

موضوع میانی: تحلیل داده‌های حجیم و کلان‌داده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علم داده و کلان‌داده
• 2. مبانی پردازش موازی
• 3. نیاز به پردازش موازی در تحلیل کلان‌داده
• 4. معماری‌های پردازش موازی
• 5. سخت‌افزارهای پردازش موازی
• 6. پردازنده‌های گرافیکی (GPU) و کاربردشان در علم داده
• 7. پردازنده‌های تنسور (TPU) و مزایایشان
• 8. سیستم‌های توزیع‌شده برای پردازش کلان‌داده
• 9. مدل برنامه‌نویسی MapReduce
• 10. چارچوب Apache Hadoop
• 11. مبانی Apache Spark
• 12. Spark Core و مفاهیم RDD
• 13. عملیات تبدیل و اکشن در RDD
• 14. کاهش داده‌ها با Spark
• 15. حافظه کش در Spark
• 16. Spark SQL و DataFrames
• 17. کار با ساختارهای داده‌ای در Spark SQL
• 18. بهینه‌سازی پرس‌وجو در Spark SQL
• 19. Spark Streaming برای پردازش داده‌های جریانی
• 20. مبانی پردازش گراف در Spark (GraphX)
• 21. کاربرد GraphX در تحلیل شبکه‌های اجتماعی
• 22. مقدمه‌ای بر یادگیری ماشین
• 23. الگوریتم‌های یادگیری ماشین سنتی
• 24. چالش‌های یادگیری ماشین با داده‌های حجیم
• 25. پردازش موازی در مدل‌های یادگیری ماشین
• 26. موازی‌سازی الگوریتم‌های رگرسیون خطی
• 27. موازی‌سازی الگوریتم‌های رگرسیون لجستیک
• 28. موازی‌سازی الگوریتم‌های درخت تصمیم
• 29. موازی‌سازی الگوریتم‌های ماشین بردار پشتیبان (SVM)
• 30. موازی‌سازی الگوریتم‌های خوشه‌بندی (K-Means)
• 31. موازی‌سازی الگوریتم‌های کاهش ابعاد (PCA)
• 32. مقدمه‌ای بر یادگیری عمیق
• 33. شبکه‌های عصبی عمیق
• 34. مبانی شبکه‌های عصبی کانولوشنی (CNN)
• 35. موازی‌سازی آموزش شبکه‌های CNN
• 36. مبانی شبکه‌های عصبی بازگشتی (RNN)
• 37. موازی‌سازی آموزش شبکه‌های RNN
• 38. مبانی شبکه‌های LSTM و GRU
• 39. موازی‌سازی آموزش شبکه‌های LSTM و GRU
• 40. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 41. تکنیک‌های پردازش متنی در مقیاس کلان
• 42. مدل‌های زبانی مبتنی بر ترنسفورمر (Transformer)
• 43. موازی‌سازی آموزش مدل‌های ترنسفورمر
• 44. کاربرد ترنسفورمرها در NLP
• 45. پردازش موازی در سیستم‌های توصیه‌گر
• 46. معماری‌های سیستم‌های توصیه‌گر مبتنی بر کلان‌داده
• 47. موازی‌سازی الگوریتم‌های فیلترینگ مشارکتی
• 48. موازی‌سازی الگوریتم‌های مبتنی بر محتوا
• 49. کاربرد پردازش موازی در تشخیص ناهنجاری
• 50. موازی‌سازی الگوریتم‌های تشخیص ناهنجاری
• 51. مباحث پیشرفته در Spark
• 52. بهینه‌سازی عملکرد Spark
• 53. استفاده از Spark برای ETL (Extract, Transform, Load)
• 54. کاربرد Spark در تحلیل داده‌های مکانی
• 55. مباحث پیشرفته در پردازش توزیع‌شده
• 56. مدیریت خطا و تحمل‌پذیری خطا در سیستم‌های توزیع‌شده
• 57. همگام‌سازی در پردازش موازی
• 58. قفل‌گذاری و مدیریت همزمانی
• 59. کاهش تاخیر در پردازش موازی
• 60. مقیاس‌پذیری افقی و عمودی
• 61. تکنیک‌های تقسیم‌بندی داده‌ها
• 62. استراتژی‌های نمونه‌برداری از داده‌های حجیم
• 63. موازی‌سازی در پایگاه‌های داده NoSQL
• 64. کاربرد پایگاه‌های داده توزیع‌شده در کلان‌داده
• 65. مقدمه‌ای بر محاسبات ابری برای کلان‌داده
• 66. خدمات پردازش موازی در AWS
• 67. خدمات پردازش موازی در Google Cloud
• 68. خدمات پردازش موازی در Azure
• 69. استفاده از Kubernetes برای مدیریت بارهای کاری پردازش موازی
• 70. کانتینرسازی برنامه‌های علم داده
• 71. مقدمه‌ای بر یادگیری ماشین توزیع‌شده
• 72. کتابخانه‌های یادگیری ماشین توزیع‌شده
• 73. MLlib در Spark
• 74. TensorFlow Distributed
• 75. PyTorch Distributed
• 76. کاربرد پردازش موازی در تحلیل گراف توزیع‌شده
• 77. الگوریتم‌های موازی برای پیمایش گراف
• 78. موازی‌سازی الگوریتم‌های یافتن کوتاه‌ترین مسیر
• 79. موازی‌سازی الگوریتم‌های یافتن مولفه همبند
• 80. مباحث پیشرفته در GPU Computing
• 81. CUDA Programming Model
• 82. OpenCL Programming Model
• 83. استفاده از کتابخانه‌های GPU برای علم داده
• 84. Accelerated Linear Algebra (XLA)
• 85. Deep Learning Frameworks on GPU
• 86. بهینه‌سازی کد برای GPU
• 87. پروفایلینگ و دیباگ کردن برنامه‌های GPU
• 88. مباحث پیشرفته در TPU Computing
• 89. معماری TPU و نحوه عملکرد آن
• 90. کاربرد TPU در آموزش مدل‌های عمیق
• 91. بهینه‌سازی مدل‌ها برای TPU
• 92. مقدمه‌ای بر پردازش داده‌های اینترنت اشیاء (IoT)
• 93. چالش‌های پردازش داده‌های IoT
• 94. پردازش موازی در تحلیل داده‌های IoT
• 95. کاربرد پردازش موازی در تحلیل داده‌های حسگر
• 96. مباحث پیشرفته در پردازش جریان داده
• 97. مدل‌های پردازش جریان توزیع‌شده
• 98. Apache Flink به عنوان جایگزینی برای Spark Streaming
• 99. موازی‌سازی در Apache Flink
• 100. استفاده از Kafka برای مدیریت جریان داده