سپنتا کتاب اکسپرس
کتاب AcceleratedKernels.jl: برنامه‌نویسی موازی مبتنی بر Julia برای شتاب‌دهنده‌های مختلف با قابلیت انتقال کد

کتاب AcceleratedKernels.jl: برنامه‌نویسی موازی مبتنی بر Julia برای شتاب‌دهنده‌های مختلف با قابلیت انتقال کد

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 AcceleratedKernels.jl: برنامه‌نویسی موازی مبتنی بر Julia برای شتاب‌دهنده‌های مختلف با قابلیت انتقال کد

موضوع کلی: محاسبات موازی و شتاب‌دهنده‌ها

موضوع میانی: برنامه‌نویسی موازی در Julia برای سخت‌افزارهای متنوع

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مبانی محاسبات موازی و دلایل استفاده از آن
  • 2. آشنایی با سخت‌افزارهای موازی: CPU، GPU، TPU و غیره
  • 3. مروری بر زبان برنامه‌نویسی Julia و مزایای آن
  • 4. نصب و راه‌اندازی Julia و محیط توسعه
  • 5. مبانی سینتکس و ساختارهای داده در Julia
  • 6. معرفی پکیج‌های مهم Julia برای محاسبات
  • 7. مفاهیم اولیه برنامه‌نویسی موازی در Julia
  • 8. آشنایی با Threads در Julia
  • 9. استفاده از `@threads` برای موازی‌سازی حلقه‌ها
  • 10. بهینه‌سازی کدهای موازی با Threads
  • 11. معرفی پکیج Distributed و مفهوم پردازش توزیع‌شده
  • 12. استفاده از Distributed برای محاسبات توزیع‌شده
  • 13. تبادل پیام (Message Passing) در Distributed
  • 14. مدیریت حافظه در محیط‌های موازی
  • 15. معرفی پکیج AcceleratedKernels.jl
  • 16. نصب و راه‌اندازی AcceleratedKernels.jl
  • 17. معرفی مفهوم Cross-Architecture و اهمیت آن
  • 18. ساختارهای داده‌ در AcceleratedKernels.jl
  • 19. اصول طراحی هسته‌های محاسباتی (Kernels)
  • 20. تبدیل کد Julia به CUDA/OpenCL
  • 21. آشنایی با کدهای transpiled شده
  • 22. فراخوانی هسته‌های GPU با AcceleratedKernels.jl
  • 23. استفاده از چندین GPU با AcceleratedKernels.jl
  • 24. ارزیابی عملکرد و معیارها در محاسبات موازی
  • 25. بهینه‌سازی عملکرد با AcceleratedKernels.jl
  • 26. مقایسه عملکرد بین CPU و GPU
  • 27. آشنایی با profiling و ابزارهای آن در Julia
  • 28. عیب‌یابی کدهای موازی با Julia
  • 29. شناسایی گلوگاه‌های عملکرد
  • 30. بهینه‌سازی حافظه برای شتاب‌دهنده‌ها
  • 31. استفاده از SIMD در Julia و AcceleratedKernels.jl
  • 32. بهینه‌سازی داده‌ها برای شتاب‌دهنده‌ها
  • 33. کار با انواع داده‌های مختلف در AcceleratedKernels.jl
  • 34. مدیریت خطا و استثنائات در کدهای موازی
  • 35. امنیت و پایدارسازی کدهای موازی
  • 36. معرفی انواع مختلف شتاب‌دهنده‌ها (GPU، TPU و غیره)
  • 37. برنامه‌نویسی برای GPU با استفاده از CUDA
  • 38. برنامه‌نویسی برای GPU با استفاده از OpenCL
  • 39. مقایسه CUDA و OpenCL
  • 40. معرفی کتابخانه‌های تخصصی محاسباتی در Julia
  • 41. استفاده از BLAS و LAPACK در Julia
  • 42. آشنایی با FFTW در Julia
  • 43. کاربردها و نمونه‌های محاسباتی با AcceleratedKernels.jl
  • 44. پیاده‌سازی ضرب ماتریس با AcceleratedKernels.jl
  • 45. پیاده‌سازی جمع ماتریس‌ها با AcceleratedKernels.jl
  • 46. حل معادلات دیفرانسیل با AcceleratedKernels.jl (مثال)
  • 47. پردازش تصویر با AcceleratedKernels.jl (مثال)
  • 48. یادگیری ماشینی و AcceleratedKernels.jl (مقدمه)
  • 49. شبکه‌های عصبی و AcceleratedKernels.jl (مثال)
  • 50. استفاده از AcceleratedKernels.jl در پروژه‌های بزرگ
  • 51. مدیریت وابستگی‌ها و محیط‌های مجازی
  • 52. استفاده از CI/CD برای پروژه‌های AcceleratedKernels.jl
  • 53. تست‌نویسی و تست واحد برای کدهای AcceleratedKernels.jl
  • 54. آشنایی با مفاهیم عملکرد بالا (High Performance Computing)
  • 55. بهینه‌سازی الگوریتم‌ها برای شتاب‌دهنده‌ها
  • 56. استفاده از کتابخانه‌های خارجی در AcceleratedKernels.jl
  • 57. پیاده‌سازی یک کتابخانه محاسباتی ساده با AcceleratedKernels.jl
  • 58. برنامه‌نویسی ژنریک (Generic Programming) در Julia و AcceleratedKernels.jl
  • 59. استفاده از متا‌برنامه‌نویسی در Julia برای بهینه‌سازی
  • 60. آشنایی با مفهوم CUDA/OpenCL API
  • 61. مدیریت حافظه پیشرفته در CUDA/OpenCL
  • 62. بهینه‌سازی هسته‌های CUDA/OpenCL
  • 63. آشنایی با معماری‌های مختلف GPU
  • 64. انتخاب سخت‌افزار مناسب برای محاسبات
  • 65. ارزیابی عملکرد و بهینه‌سازی پله به پله
  • 66. اشکال‌زدایی کدهای CUDA/OpenCL
  • 67. بررسی و تحلیل نتایج
  • 68. بهره‌گیری از ابزارهای Profiling پیشرفته
  • 69. اندازه‌گیری و تحلیل مصرف حافظه
  • 70. استفاده از ابزارهای ردیابی و اشکال‌زدایی GPU
  • 71. موازی‌سازی الگوریتم‌های پیچیده
  • 72. بهینه‌سازی الگوریتم‌های گراف
  • 73. بهینه‌سازی الگوریتم‌های مرتب‌سازی
  • 74. بهینه‌سازی الگوریتم‌های جستجو
  • 75. طراحی و پیاده‌سازی یک هسته محاسباتی سفارشی
  • 76. نوشتن هسته‌های بهینه برای انواع داده‌های مختلف
  • 77. استفاده از انواع داده‌های پیچیده در هسته‌ها
  • 78. آشنایی با مفهوم استریمینگ داده‌ها
  • 79. پیاده‌سازی الگوریتم‌های استریمینگ
  • 80. بهینه‌سازی عملکرد استریمینگ
  • 81. آشنایی با کتابخانه‌های تخصصی GPU
  • 82. کار با cuBLAS در Julia
  • 83. کار با cuFFT در Julia
  • 84. معرفی و استفاده از cuSOLVER در Julia
  • 85. ادغام AcceleratedKernels.jl با سایر پکیج‌ها
  • 86. ترکیب AcceleratedKernels.jl با Plots.jl
  • 87. ترکیب AcceleratedKernels.jl با DataFrames.jl
  • 88. چالش‌ها و راه‌حل‌ها در برنامه‌نویسی موازی
  • 89. محدودیت‌های سخت‌افزاری و نرم‌افزاری
  • 90. مقایسه با سایر چارچوب‌های محاسبات موازی
  • 91. آینده محاسبات موازی و نقش Julia
  • 92. آخرین پیشرفت‌ها در AcceleratedKernels.jl
  • 93. آشنایی با جامعه و منابع آموزشی AcceleratedKernels.jl
  • 94. نکات و ترفندهای پیشرفته برای بهینه‌سازی
  • 95. مطالعه موردی: پیاده‌سازی یک پروژه کامل با AcceleratedKernels.jl
  • 96. بررسی و تحلیل عملکرد پروژه
  • 97. جمع‌بندی و نتیجه‌گیری دوره
  • 98. منابع و مراجع
  • 99. پرسش و پاسخ
  • 100. نصب و راه‌اندازی مجدد برای مرور

📚 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.