فلش‌کارت‌های آموزشی تسریع الگوریتم‌های هوش مصنوعی با پردازش موازی: از تئوری تا عمل

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تسریع الگوریتم‌های هوش مصنوعی با پردازش موازی: از تئوری تا عمل

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: معماری و پیاده‌سازی سیستم‌های هوش مصنوعی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
• 2. مبانی یادگیری ماشین
• 3. انواع یادگیری ماشین
• 4. معماری‌های شبکه‌های عصبی
• 5. مقدمه‌ای بر پردازش موازی
• 6. مزایای پردازش موازی در هوش مصنوعی
• 7. انواع موازی‌سازی
• 8. موازی‌سازی داده
• 9. موازی‌سازی مدل
• 10. موازی‌سازی خط لوله
• 11. معماری‌های سخت‌افزاری برای پردازش موازی
• 12. پردازنده‌های گرافیکی (GPU)
• 13. تراشه‌های تنسور (TPU)
• 14. پردازنده‌های تخصصی هوش مصنوعی (AI Accelerators)
• 15. تکنیک‌های برنامه‌نویسی موازی
• 16. OpenMP
• 17. CUDA
• 18. TensorRT
• 19. کتابخانه‌های یادگیری عمیق
• 20. TensorFlow
• 21. PyTorch
• 22. Keras
• 23. مبانی الگوریتم‌های یادگیری ماشین
• 24. رگرسیون خطی
• 25. رگرسیون لجستیک
• 26. ماشین‌های بردار پشتیبان (SVM)
• 27. درختان تصمیم
• 28. جنگل‌های تصادفی
• 29. تقویت گرادیان
• 30. شبکه‌های عصبی پرسپترون چند لایه (MLP)
• 31. شبکه‌های عصبی کانولوشنال (CNN)
• 32. شبکه‌های عصبی بازگشتی (RNN)
• 33. حافظه طولانی کوتاه مدت (LSTM)
• 34. واحد بازگشتی دروازه‌ای (GRU)
• 35. ترنسفورمرها
• 36. مکانیزم توجه (Attention Mechanism)
• 37. پردازش زبان طبیعی (NLP)
• 38. بینایی ماشین (Computer Vision)
• 39. یادگیری تقویتی (Reinforcement Learning)
• 40. معماری‌های توزیع شده برای هوش مصنوعی
• 41. پلتفرم‌های پردازش توزیع شده
• 42. Spark MLlib
• 43. Horovod
• 44. تکنیک‌های آموزش مدل‌های بزرگ
• 45. آموزش موازی داده در مقیاس بزرگ
• 46. آموزش موازی مدل در مقیاس بزرگ
• 47. آموزش موازی خط لوله در مقیاس بزرگ
• 48. بهینه‌سازی مدل برای سخت‌افزارهای مختلف
• 49. کوانتیزاسیون مدل
• 50. هرس مدل (Pruning)
• 51. تقطیر دانش (Knowledge Distillation)
• 52. فشرده‌سازی مدل
• 53. کاربرد پردازش موازی در CNN
• 54. بهینه‌سازی لایه‌های کانولوشن
• 55. بهینه‌سازی لایه‌های Pooling
• 56. بهینه‌سازی لایه‌های Fully Connected
• 57. کاربرد پردازش موازی در RNN و LSTM
• 58. بهینه‌سازی محاسبات بازگشتی
• 59. موازی‌سازی داده در سری‌های زمانی
• 60. کاربرد پردازش موازی در ترنسفورمرها
• 61. بهینه‌سازی مکانیزم توجه
• 62. بهینه‌سازی لایه‌های Feed-Forward
• 63. کاربرد پردازش موازی در یادگیری تقویتی
• 64. بهینه‌سازی شبیه‌سازی محیط
• 65. بهینه‌سازی الگوریتم‌های یادگیری تقویتی
• 66. کاربرد پردازش موازی در پردازش زبان طبیعی
• 67. موازی‌سازی پردازش متن
• 68. بهینه‌سازی مدل‌های زبان بزرگ (LLMs)
• 69. کاربرد پردازش موازی در بینایی ماشین
• 70. موازی‌سازی پردازش تصاویر
• 71. بهینه‌سازی الگوریتم‌های تشخیص اشیاء
• 72. بهینه‌سازی الگوریتم‌های تقسیم‌بندی تصاویر
• 73. مقدمه‌ای بر معماری‌های هوش مصنوعی متمرکز بر سخت‌افزار
• 74. طراحی سخت‌افزار برای شبکه‌های عصبی
• 75. شتاب‌دهنده‌های سخت‌افزاری سفارشی
• 76. معماری‌های حافظه در سیستم‌های هوش مصنوعی
• 77. مدیریت حافظه در پردازش موازی
• 78. فناوری‌های حافظه جدید
• 79. شبکه‌های ارتباطی در سیستم‌های هوش مصنوعی
• 80. پهنای باند و تأخیر در ارتباطات
• 81. بهینه‌سازی توپولوژی شبکه
• 82. ملاحظات امنیتی در سیستم‌های هوش مصنوعی موازی
• 83. امنیت داده‌ها در محیط‌های توزیع شده
• 84. حملات به مدل‌های هوش مصنوعی و دفاع
• 85. ارزیابی عملکرد سیستم‌های هوش مصنوعی موازی
• 86. معیارهای سنجش سرعت و دقت
• 87. تحلیل گلوگاه‌ها (Bottlenecks)
• 88. ابزارهای پروفایلینگ و اشکال‌زدایی
• 89. مطالعات موردی در تسریع الگوریتم‌های هوش مصنوعی
• 90. تسریع آموزش مدل‌های بینایی ماشین
• 91. تسریع آموزش مدل‌های پردازش زبان طبیعی
• 92. تسریع در استنتاج (Inference) مدل‌های هوش مصنوعی
• 93. کاربرد در رباتیک و سیستم‌های خودران
• 94. کاربرد در سیستم‌های توصیه‌گر
• 95. کاربرد در تحلیل داده‌های بزرگ
• 96. مباحث پیشرفته در پردازش موازی برای هوش مصنوعی
• 97. موازی‌سازی نامتقارن
• 98. پردازش موازی ناهمگن (Heterogeneous)
• 99. یادگیری فدرال (Federated Learning) و پردازش موازی
• 100. محاسبات ابری و هوش مصنوعی موازی