کتاب مقدمهای بر محاسبات در پردازش صوت
249,950 تومان
📚 کتاب آموزشی جامع
📚 اطلاعات کتاب
عنوان کتاب: کتاب مقدمهای بر محاسبات در پردازش صوت
موضوع کلی: برنامه نویسی
موضوع میانی: محاسبات سطح بالا (High-Performance Computing)
📋 سرفصلهای کتاب (100 موضوع)
- 1. مبانی پردازش سیگنال دیجیتال
- 2. مقدمهای بر صوت و صدا
- 3. نمایش سیگنالهای صوتی در حوزه زمان
- 4. نمایش سیگنالهای صوتی در حوزه فرکانس
- 5. تبدیل فوریه گسسته (DFT)
- 6. تبدیل فوریه سریع (FFT)
- 7. کاربرد FFT در تحلیل صوت
- 8. نمونهبرداری (Sampling)
- 9. کوانتیزاسیون (Quantization)
- 10. فشردهسازی صوتی بدون اتلاف
- 11. فشردهسازی صوتی با اتلاف
- 12. مقدمهای بر برنامهنویسی برای پردازش صوت
- 13. زبانهای برنامهنویسی مناسب (Python، C++، MATLAB)
- 14. محیطهای توسعه یکپارچه (IDE)
- 15. مبانی زبان Python برای پردازش صوت
- 16. ساختار دادهها در Python
- 17. آرایهها و NumPy
- 18. پردازش سیگنال با NumPy
- 19. مقدمهای بر کتابخانههای پردازش صوت در Python
- 20. Librosa
- 21. SciPy.signal
- 22. SoundFile
- 23. مبانی پردازش سیگنال صوتی با Librosa
- 24. بارگذاری و ذخیره فایلهای صوتی
- 25. مشخصهسازی سیگنال صوتی
- 26. نمونهبرداری مجدد (Resampling)
- 27. انواع فیلترها در پردازش صوت
- 28. فیلترهای IIR و FIR
- 29. طراحی فیلترهای صوتی
- 30. کاربرد فیلترها در حذف نویز
- 31. نویز سفید (White Noise)
- 32. نویز صورتی (Pink Noise)
- 33. نویز قهوهای (Brown Noise)
- 34. روشهای کاهش نویز صوتی
- 35. فیلترینگ تطبیقی (Adaptive Filtering)
- 36. مقدمهای بر محاسبات سطح بالا (HPC)
- 37. مفهوم موازیسازی (Parallelism)
- 38. انواع موازیسازی (Data Parallelism, Task Parallelism)
- 39. معماریهای پردازشی (CPU, GPU, Multi-core)
- 40. اصول برنامهنویسی موازی
- 41. مدلهای برنامهنویسی موازی (Shared Memory, Distributed Memory)
- 42. دستورالعملهای SIMD (Single Instruction, Multiple Data)
- 43. کتابخانههای موازیسازی در Python
- 44. Multiprocessing
- 45. Threading
- 46. Dask
- 47. مقدمهای بر GPU Computing
- 48. معماری GPU
- 49. CUDA
- 50. OpenCL
- 51. مقدمهای بر برنامهنویسی GPU با CUDA
- 52. مفاهیم هسته (Kernel)
- 53. مدیریت حافظه در CUDA
- 54. همگامسازی در CUDA
- 55. کتابخانههای GPU برای پردازش صوت
- 56. CuPy
- 57. Numba
- 58. PyTorch
- 59. TensorFlow
- 60. پیادهسازی FFT با CUDA
- 61. پیادهسازی فیلترهای صوتی با CUDA
- 62. بهینهسازی کد برای GPU
- 63. اشکالزدایی (Debugging) برنامههای موازی
- 64. تکنیکهای پروفایلینگ (Profiling)
- 65. اندازهگیری عملکرد (Performance Measurement)
- 66. تحلیل پیچیدگی محاسباتی الگوریتمها
- 67. تکنیکهای تسریع الگوریتمها
- 68. مقدمهای بر محاسبات توزیعشده (Distributed Computing)
- 69. مدلهای توزیعشده (Client-Server, Peer-to-Peer)
- 70. چارچوبهای محاسبات توزیعشده
- 71. MPI (Message Passing Interface)
- 72. مقدمهای بر MPI
- 73. ارسال و دریافت پیام در MPI
- 74. کاربرد MPI در پردازش موازی
- 75. تکنیکهای دستهبندی (Clustering) در MPI
- 76. مقدمهای بر مفاهیم پیشرفته پردازش صوت
- 77. تغییر گام (Pitch Shifting)
- 78. تغییر سرعت (Time Stretching)
- 79. ترکیب صدا (Audio Synthesis)
- 80. مدلسازی صدا (Sound Modeling)
- 81. شناسایی گفتار (Speech Recognition)
- 82. تولید گفتار (Speech Synthesis)
- 83. پردازش سیگنال در حوزه زمان-فرکانس (Time-Frequency Analysis)
- 84. طیفنگاره (Spectrogram)
- 85. تحلیل ویولت (Wavelet Analysis)
- 86. کاربرد تحلیل ویولت در پردازش صوت
- 87. مقدمهای بر یادگیری ماشین (Machine Learning) در پردازش صوت
- 88. یادگیری عمیق (Deep Learning)
- 89. شبکههای عصبی کانولوشنی (CNN)
- 90. شبکههای عصبی بازگشتی (RNN)
- 91. کاربرد CNN در پردازش صوت
- 92. کاربرد RNN در پردازش صوت
- 93. شبکههای عصبی کانولوشنی LSTM
- 94. شبکههای عصبی ترنسفورمر (Transformer)
- 95. کاربرد ترنسفورمر در پردازش صوت
- 96. مدلهای زبانی در پردازش صوت
- 97. مدلهای end-to-end برای پردازش صوت
- 98. آموزش مدلهای یادگیری عمیق
- 99. استفاده از GPU برای آموزش مدلها
- 100. بهینهسازی مدلهای یادگیری عمیق
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.