کتاب تسلط بر برنامه‌نویسی موازی با رویکرد وظیفه‌محور: از مفاهیم تا پیاده‌سازی پیشرفته

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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تسلط بر برنامه‌نویسی موازی با رویکرد وظیفه‌محور: از مفاهیم تا پیاده‌سازی پیشرفته

موضوع کلی: علوم کامپیوتر

موضوع میانی: سیستم‌های موازی و توزیع شده

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر سیستم‌های موازی و توزیع شده
  • 2. چالش‌های محاسبات مدرن
  • 3. نیاز به پردازش موازی
  • 4. مفاهیم اساسی پردازش موازی
  • 5. انواع موازی‌سازی
  • 6. موازی‌سازی سطح دستورالعمل
  • 7. موازی‌سازی سطح داده
  • 8. موازی‌سازی سطح وظیفه
  • 9. موازی‌سازی سطح برنامه
  • 10. معماری‌های سیستم‌های موازی
  • 11. حافظه مشترک (Shared Memory)
  • 12. حافظه توزیع شده (Distributed Memory)
  • 13. معماری NUMA
  • 14. معماری MPP
  • 15. سیستم‌های هیبریدی
  • 16. مدل‌های برنامه‌نویسی موازی
  • 17. مدل پیام‌رسان (Message Passing)
  • 18. مدل اشتراک‌گذاری حافظه (Shared Memory Model)
  • 19. مدل وظیفه‌محور (Task-Based Model)
  • 20. برنامه‌نویسی مبتنی بر وظیفه چیست؟
  • 21. مزایای رویکرد وظیفه‌محور
  • 22. تفاوت برنامه‌نویسی وظیفه‌محور با مدل‌های سنتی
  • 23. مفهوم وظیفه (Task) در برنامه‌نویسی موازی
  • 24. وابستگی وظایف (Task Dependencies)
  • 25. گراف وظایف (Task Graph)
  • 26. مدیریت وابستگی‌های وظایف
  • 27. انواع وابستگی‌ها (داده‌ای، کنترلی)
  • 28. تکنیک‌های موازی‌سازی مبتنی بر وظیفه
  • 29. تقسیم وظایف (Task Decomposition)
  • 30. موازی‌سازی پویا (Dynamic Parallelism)
  • 31. موازی‌سازی ایستا (Static Parallelism)
  • 32. پلتفرم‌های برنامه‌نویسی وظیفه‌محور
  • 33. OpenMP
  • 34. Intel TBB (Threading Building Blocks)
  • 35. HPX (High Performance ParalleX)
  • 36. Charm++
  • 37. CUDA (برای موازی‌سازی روی GPU)
  • 38. OpenCL
  • 39. معرفی OpenMP برای موازی‌سازی مبتنی بر وظیفه
  • 40. دستورالعمل‌های OpenMP برای وظایف
  • 41. #pragma omp task
  • 42. #pragma omp taskwait
  • 43. #pragma omp depend
  • 44. مدیریت وظایف در OpenMP
  • 45. زمان‌بندی وظایف در OpenMP
  • 46. مزایای استفاده از OpenMP برای وظایف
  • 47. محدودیت‌های OpenMP در رویکرد وظیفه‌محور
  • 48. معرفی Intel TBB
  • 49. کلاس‌های وظیفه در TBB
  • 50. `tbb::task`
  • 51. `tbb::parallel_do`
  • 52. `tbb::parallel_for`
  • 53. `tbb::pipeline`
  • 54. مدیریت وابستگی‌ها در TBB
  • 55. زمان‌بندی وظایف در TBB
  • 56. الگوهای طراحی با TBB
  • 57. معرفی HPX
  • 58. مفهوم وظایف سبک‌وزن (Lightweight Tasks) در HPX
  • 59. `hpx::future` و `hpx::promise`
  • 60. `hpx::async`
  • 61. مدیریت وابستگی‌ها در HPX
  • 62. زمان‌بندی وظایف در HPX
  • 63. اجرای توزیع شده با HPX
  • 64. معرفی Charm++
  • 65. مفهوم اشیاء فعال (Active Objects)
  • 66. ارتباط بین اشیاء فعال
  • 67. زمان‌بندی وظایف و پیام‌ها در Charm++
  • 68. استفاده از Charm++ برای سیستم‌های توزیع شده
  • 69. معرفی CUDA برای موازی‌سازی GPU
  • 70. مدل برنامه‌نویسی CUDA
  • 71. کرنل‌ها (Kernels)
  • 72. گره‌ها (Grids) و بلوک‌ها (Blocks)
  • 73. تردها (Threads)
  • 74. موازی‌سازی مبتنی بر وظیفه در CUDA
  • 75. مدیریت حافظه در CUDA
  • 76. انتقال داده بین CPU و GPU
  • 77. زمان‌بندی هسته‌های CUDA
  • 78. معرفی OpenCL
  • 79. مدل برنامه‌نویسی OpenCL
  • 80. پلتفرم‌ها و دستگاه‌ها
  • 81. هسته‌ها (Kernels)
  • 82. کماند کوئوها (Command Queues)
  • 83. مدیریت وظایف در OpenCL
  • 84. موازی‌سازی مبتنی بر وظیفه در OpenCL
  • 85. مدیریت حافظه در OpenCL
  • 86. زمان‌بندی اجرای کرنل‌ها
  • 87. مدیریت وابستگی‌ها در برنامه‌نویسی وظیفه‌محور
  • 88. وابستگی‌های داده‌ای صریح
  • 89. وابستگی‌های داده‌ای ضمنی
  • 90. وابستگی‌های کنترلی
  • 91. تکنیک‌های پیشرفته مدیریت وابستگی
  • 92. کتابخانه‌های مدیریت وابستگی
  • 93. زمان‌بندی وظایف (Task Scheduling)
  • 94. انواع زمان‌بندها (Schedulers)
  • 95. زمان‌بندی مبتنی بر صف (Queue-based Scheduling)
  • 96. زمان‌بندی مبتنی بر چرخه (Cyclic Scheduling)
  • 97. زمان‌بندی مبتنی بر توازن بار (Load Balancing Scheduling)
  • 98. زمان‌بندی وظایف در پلتفرم‌های مختلف
  • 99. بهینه‌سازی عملکرد برنامه‌های وظیفه‌محور
  • 100. شناسایی گلوگاه‌ها (Bottlenecks)

📚 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.