سپنتا کتاب اکسپرس
کتاب بهینه‌سازی الگوریتم‌های پردازش داده‌های علمی در یادگیری عمیق

کتاب بهینه‌سازی الگوریتم‌های پردازش داده‌های علمی در یادگیری عمیق

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب بهینه‌سازی الگوریتم‌های پردازش داده‌های علمی در یادگیری عمیق

موضوع کلی: برنامه نویسی

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

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه به پردازش داده‌های علمی
  • 2. مقدمه به یادگیری عمیق
  • 3. مقدمه به محاسبات سطح بالا (HPC)
  • 4. چالش‌های پردازش داده‌های علمی در مقیاس بزرگ
  • 5. نقش یادگیری عمیق در علوم
  • 6. اصول اولیه برنامه‌نویسی برای HPC
  • 7. انواع معماری‌های HPC
  • 8. حافظه در سیستم‌های HPC
  • 9. پهنای باند حافظه و گلوگاه‌ها
  • 10. هوش مصنوعی و یادگیری ماشین در HPC
  • 11. مبانی یادگیری ماشین
  • 12. شبکه‌های عصبی مصنوعی (ANN)
  • 13. پس‌انتشار خطا (Backpropagation)
  • 14. انواع شبکه‌های عصبی
  • 15. شبکه‌های عصبی کانولوشنی (CNN)
  • 16. شبکه‌های عصبی بازگشتی (RNN)
  • 17. شبکه‌های مولد تخاصمی (GAN)
  • 18. یادگیری عمیق برای داده‌های ساختاریافته
  • 19. یادگیری عمیق برای داده‌های بدون ساختار
  • 20. مدل‌های زبانی بزرگ (LLM)
  • 21. پردازش زبان طبیعی (NLP) با یادگیری عمیق
  • 22. بینایی ماشین با یادگیری عمیق
  • 23. یادگیری عمیق در فیزیک
  • 24. یادگیری عمیق در شیمی
  • 25. یادگیری عمیق در زیست‌شناسی
  • 26. یادگیری عمیق در علوم زمین
  • 27. یادگیری عمیق در نجوم
  • 28. یادگیری عمیق در مهندسی
  • 29. مبانی بهینه‌سازی الگوریتم
  • 30. پیچیدگی زمانی و مکانی الگوریتم‌ها
  • 31. نمادگذاری O بزرگ (Big O Notation)
  • 32. تکنیک‌های بهینه‌سازی الگوریتم
  • 33. تقسیم و حل (Divide and Conquer)
  • 34. برنامه‌نویسی پویا (Dynamic Programming)
  • 35. الگوریتم‌های حریصانه (Greedy Algorithms)
  • 36. بهینه‌سازی تصادفی (Randomized Optimization)
  • 37. شبیه‌سازی تبرید (Simulated Annealing)
  • 38. الگوریتم‌های ژنتیک (Genetic Algorithms)
  • 39. اصول موازی‌سازی
  • 40. انواع موازی‌سازی (داده‌ای، وظیفه‌ای)
  • 41. مدل برنامه‌نویسی MPI (Message Passing Interface)
  • 42. مفاهیم اولیه MPI
  • 43. ارسال و دریافت پیام در MPI
  • 44. عملیات جمعی در MPI
  • 45. مدل برنامه‌نویسی OpenMP
  • 46. دستورالعمل‌های OpenMP
  • 47. دستورالعمل‌های موازی‌سازی در OpenMP
  • 48. همگام‌سازی در OpenMP
  • 49. مدل برنامه‌نویسی CUDA
  • 50. مفاهیم اولیه CUDA
  • 51. هسته‌های CUDA (CUDA Kernels)
  • 52. مدیریت حافظه در CUDA
  • 53. همگام‌سازی در CUDA
  • 54. انواع شتاب‌دهنده‌های سخت‌افزاری
  • 55. GPUها برای HPC
  • 56. FPGAها برای HPC
  • 57. ASICها برای HPC
  • 58. آرایه پردازنده‌ها (Tensor Processing Units - TPUs)
  • 59. چالش‌های برنامه‌نویسی موازی
  • 60. موازنه بار (Load Balancing)
  • 61. مخابرات (Communication)
  • 62. سینکرونیزاسیون (Synchronization)
  • 63. نقص در پردازش موازی
  • 64. اشکال‌زدایی در برنامه‌های موازی
  • 65. پروفایلینگ (Profiling) برای شناسایی گلوگاه‌ها
  • 66. ابزارهای پروفایلینگ HPC
  • 67. بهینه‌سازی کد برای سخت‌افزار خاص
  • 68. بهینه‌سازی استفاده از حافظه پنهان (Cache Optimization)
  • 69. بردارسازی (Vectorization)
  • 70. دستورالعمل‌های SIMD (Single Instruction, Multiple Data)
  • 71. بهینه‌سازی حلقه (Loop Optimization)
  • 72. تبدیل حلقه (Loop Transformation)
  • 73. بهینه‌سازی دسترسی به حافظه
  • 74. موازی‌سازی داده‌ها در لبه (Data Parallelism at the Edge)
  • 75. توزیع مدل‌های یادگیری عمیق
  • 76. یادگیری فدرال (Federated Learning)
  • 77. یادگیری مشترک (Collaborative Learning)
  • 78. محاسبات روی داده‌های رمزگذاری شده (Homomorphic Encryption)
  • 79. یادگیری تقویتی (Reinforcement Learning) در HPC
  • 80. یادگیری تقویتی عمیق (Deep Reinforcement Learning)
  • 81. کاربرد یادگیری تقویتی در بهینه‌سازی HPC
  • 82. پردازش جریان داده (Stream Data Processing)
  • 83. الگوریتم‌های پردازش داده‌های علمی در زمان واقعی
  • 84. بهینه‌سازی الگوریتم‌های پردازش تصویر علمی
  • 85. بهینه‌سازی الگوریتم‌های پردازش سیگنال علمی
  • 86. بهینه‌سازی الگوریتم‌های شبیه‌سازی علمی
  • 87. کاهش ابعاد (Dimensionality Reduction) در داده‌های علمی
  • 88. تکنیک‌های NMF (Non-negative Matrix Factorization)
  • 89. تکنیک‌های PCA (Principal Component Analysis)
  • 90. استخراج ویژگی (Feature Extraction) با یادگیری عمیق
  • 91. یادگیری نمایش (Representation Learning)
  • 92. انتقال یادگیری (Transfer Learning) در HPC
  • 93. تنظیم دقیق مدل‌های از پیش آموزش دیده
  • 94. مدل‌های پیش‌بینی و شبیه‌سازی در علوم
  • 95. بهینه‌سازی پارامترهای مدل‌های یادگیری عمیق
  • 96. جستجوی ابرپارامتر (Hyperparameter Tuning)
  • 97. الگوریتم‌های جستجوی ابرپارامتر (Grid Search, Random Search)
  • 98. بهینه‌سازی بیزی (Bayesian Optimization)
  • 99. یادگیری کوانتومی (Quantum Learning) و HPC
  • 100. شبکه‌های عصبی کوانتومی (Quantum Neural Networks)

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.