کتاب مقدمه‌ای بر برنامه‌نویسی موازی با CUDA برای تسریع محاسبات علمی

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 مقدمه‌ای بر برنامه‌نویسی موازی با CUDA برای تسریع محاسبات علمی

موضوع کلی: مهندسی نرم‌افزار و توسعهٔ سیستم‌های موازی

موضوع میانی: برنامه‌نویسی پردازشگرهای گرافیکی (GPU)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر پردازش موازی و GPU
  • 2. تاریخچهٔ پردازش موازی
  • 3. معماری پردازنده‌های گرافیکی (GPU)
  • 4. مزایای استفاده از GPU برای محاسبات عمومی
  • 5. مفاهیم کلیدی در برنامه‌نویسی موازی
  • 6. مدل برنامه‌نویسی CUDA
  • 7. معماری حافظه در GPU
  • 8. انواع حافظه‌ها در CUDA (Global, Shared, Local, Constant, Texture)
  • 9. زبان برنامه‌نویسی CUDA C/C++
  • 10. اولین برنامه CUDA: Hello World
  • 11. کامپایل و اجرای برنامه‌های CUDA
  • 12. مدیریت حافظه در CUDA
  • 13. انتقال داده بین CPU و GPU
  • 14. تخصیص و آزادسازی حافظه روی دستگاه (Device)
  • 15. توابع هسته (Kernel Functions)
  • 16. فراخوانی توابع هسته
  • 17. مدیریت جریان (Stream) در CUDA
  • 18. همگام‌سازی در CUDA
  • 19. مفهوم Grid، Block و Thread
  • 20. ابعاد Grid و Block
  • 21. پیکربندی Thread Hierarchy
  • 22. دسترسی به داده‌ها در حافظه اشتراکی (Shared Memory)
  • 23. بهینه‌سازی استفاده از حافظه اشتراکی
  • 24. موازی‌سازی حلقه (Loop Parallelization)
  • 25. تکنیک‌های کاهش داده (Data Reduction)
  • 26. کاهش با استفاده از حافظه اشتراکی
  • 27. کاهش در سطح Block
  • 28. کاهش در سطح Grid
  • 29. پردازش موازی آرایه‌ها
  • 30. ضرب ماتریس‌ها با CUDA
  • 31. پیاده‌سازی ضرب ماتریس با استفاده از حافظه اشتراکی
  • 32. بهینه‌سازی ضرب ماتریس
  • 33. پردازش تصویر با CUDA
  • 34. فیلترهای تصویر و موازی‌سازی آن‌ها
  • 35. کانولوشن تصویر با CUDA
  • 36. تکنیک‌های افزایش سرعت پردازش تصویر
  • 37. پردازش سیگنال با CUDA
  • 38. تبدیل فوریه گسسته (DFT) با CUDA
  • 39. الگوریتم‌های FFT موازی
  • 40. کاربرد CUDA در محاسبات علمی
  • 41. شبیه‌سازی‌های فیزیکی با CUDA
  • 42. شبیه‌سازی دینامیک مولکولی
  • 43. محاسبات علمی در حوزهٔ زیست‌شناسی
  • 44. پردازش داده‌های ژنتیکی با CUDA
  • 45. کاربرد CUDA در یادگیری ماشین
  • 46. مقدمه‌ای بر شبکه‌های عصبی
  • 47. تسریع آموزش شبکه‌های عصبی با GPU
  • 48. پیاده‌سازی لایه‌های کانولوشنی
  • 49. پیاده‌سازی لایه‌های تماماً متصل
  • 50. کاربرد CUDA در پردازش زبان طبیعی
  • 51. مقدمه‌ای بر پردازش زبان طبیعی
  • 52. تسریع مدل‌های زبانی با GPU
  • 53. پردازش موازی رشته‌ها
  • 54. کاربرد CUDA در گرافیک کامپیوتری
  • 55. شیدرها و پردازش موازی
  • 56. رندرینگ تعاملی با CUDA
  • 57. شبیه‌سازی فیزیک در بازی‌ها
  • 58. مفاهیم پیشرفته در CUDA
  • 59. کاهش پیچیدگی حافظه
  • 60. مدیریت خطا در CUDA
  • 61. دیباگ کردن برنامه‌های CUDA
  • 62. پروفایلینگ و بهینه‌سازی عملکرد
  • 63. استفاده از ابزارهای پروفایلینگ CUDA
  • 64. بهینه‌سازی پهنای باند حافظه
  • 65. کاهش تأخیر حافظه
  • 66. مدیریت توان مصرفی GPU
  • 67. برنامه‌نویسی ناهمگام (Asynchronous Programming)
  • 68. همپوشانی محاسبات و انتقال داده
  • 69. استفاده از CUDA Streams برای همپوشانی
  • 70. دستورالعمل‌های CUDA (CUDA Instructions)
  • 71. موازی‌سازی با warp
  • 72. هماهنگی در warp
  • 73. پدیدهٔ Branch Divergence
  • 74. مدیریت Branch Divergence
  • 75. تکنیک‌های کاهش Branch Divergence
  • 76. حافظهٔ Global و دسترسی ترتیبی
  • 77. حافظهٔ Shared و دسترسی منظم
  • 78. استراتژی‌های دسترسی به حافظه
  • 79. بهینه‌سازی برای معماری‌های مختلف GPU
  • 80. برنامه‌نویسی با کتابخانه‌های CUDA
  • 81. cuBLAS برای عملیات جبری خطی
  • 82. cuFFT برای تبدیل فوریه
  • 83. cuRAND برای اعداد تصادفی
  • 84. cuDNN برای شبکه‌های عصبی عمیق
  • 85. استفاده از cuDNN در عمل
  • 86. برنامه‌نویسی موازی با OpenMP
  • 87. مقایسه CUDA و OpenMP
  • 88. برنامه‌نویسی موازی با OpenCL
  • 89. مقایسه CUDA و OpenCL
  • 90. ملاحظات امنیتی در پردازش موازی
  • 91. مدیریت منابع سخت‌افزاری
  • 92. انتخاب مناسب GPU برای کاربرد
  • 93. مقدمه‌ای بر محاسبات توزیع‌شده
  • 94. کاربرد CUDA در سیستم‌های توزیع‌شده
  • 95. ملاحظات اخلاقی در استفاده از فناوری‌های پیشرفته
  • 96. توسعهٔ پایدار در مهندسی نرم‌افزار
  • 97. آیندهٔ برنامه‌نویسی موازی و GPU
  • 98. نکات تکمیلی و تمرین‌های پیشرفته
  • 99. منابع بیشتر برای مطالعه
  • 100. جمع‌بندی و گام‌های بعدی

📚 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.