آموزش بهینه سازی محدب با استفاده از برنامه نویسی موازی - پیش ثبت نام

آموزش بهینه سازی محدب با استفاده از برنامه نویسی موازی - پیش ثبت نام

درخواست اطلاع رسانی انتشار این آموزش
وضعیت انتشار: در حال هماهنگی
زمان تقریبی انتشار: ۶ تا ۱۴ هفته (برای ۹۰ درصد آموزش‌های این مرحله)
این آموزش در صف شروع ضبط است و به زودی در فرادرس ارائه عمومی آن آغاز خواهد شد. شما می توانید با وارد کردن ایمیل خود، در اولین زمان، از انتشار نهایی این آموزش مطلع شوید.
آموزش بهینه سازی محدب با استفاده از برنامه نویسی موازی - پیش ثبت نام

چکیده

امروزه بسیاری از مسائل مهم در زمینه تکنولوژی و مهندسی را می توان با استفاده از بهینه سازی ریاضی مدل سازی و حل نمود. با توجه به پدیده انفجار ابعاد که تقریبا در تمامی مسائل دنیای واقعی وجود دارد، حل موثر مسائل بهینه سازی با ابعاد بالا امر بسیار مهمی به نظر می رسد. از طرفی گسترش روز افرون ابر کامپیوترها قدرت محاسباتی قابل توجهی را در دسترس محققان و برنامه نویسان قرار داده است که استفاده موثر از این تکنولوژی می تواند در جهت حل مسائل روز بهینه سازی به کار گرفته شود. از این جهت، در این فرادرس به حل مسائل توزیع یافته و ابعاد بزرگ بهینه سازی محدب و پیاده سازی الگوریتم های عددی سریع با استفاده از پردازش موازی و برنامه نویسی موازی می پردازیم.

فرادرس از جهت فرصت آموختن، یک محیط کاملا باز (بدون هیچ مرز و شرط برای ورود) برای همه است. اما از جهت فرصت آموزش دادن، یک محیط به شدت بسته است و مدرسین آن با عبور از سخت ترین ضوابط علمی و فیلترهای مهارت آموزشی برگزیده و دستچین می شوند. در چندین سال گذشته کمتر از 5 درصد متقاضیان تدریس در فرادرس توانسته اند به مرحله نهایی ارائه آموزش در آن برسند. ارائه یک آموزش توسط «گروه مدرسین فرادرس» تضمینی برای کیفیت آن می باشد.

توضیحات تکمیلی

امروزه بسیاری از مسائل مهم در زمینه تکنولوژی و مهندسی را می توان با استفاده از بهینه سازی ریاضی مدل سازی و حل نمود. با توجه به پدیده انفجار ابعاد که تقریبا در تمامی مسائل دنیای واقعی وجود دارد، حل موثر مسائل بهینه سازی با ابعاد بالا امر بسیار مهمی به نظر می رسد. از طرفی گسترش روز افرون ابر کامپیوترها قدرت محاسباتی قابل توجهی را در دسترس محققان و برنامه نویسان قرار داده است که استفاده موثر از این تکنولوژی می تواند در جهت حل مسائل روز بهینه سازی به کار گرفته شود. از این جهت، در این فرادرس به حل مسائل توزیع یافته و ابعاد بزرگ بهینه سازی محدب و پیاده سازی الگوریتم های عددی سریع با استفاده از پردازش موازی و برنامه نویسی موازی می پردازیم.

برای رسیدن به این هدف، از مدرن ترین روش های موجود برای طراحی، توسعه و پیاده سازی الگوریتم های عددی بهینه سازی مانند: تکنولوژی های OpenMP و (Message Passing Interface (MPI استفاده می گردد. با توجه به ضرورت سرعت و دقت در حل این گونه از مسائل، در این آموزش از زبان برنامه نویسی سی پلاس پلاس استفاده می گردد. پیش بینی می شود دانش آموختگان این آموزش قادر به مدل سازی و حل توزیع یافته اکثر مسائل مورد نظر در زمینه های تحقیقاتی مختلف مانند: یادگیری ماشین، کنترل سیستم های ابعاد بزرگ، طراحی و توسعه شبکه های قدرت و غیره باشند.

 
فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
  • درس یکم: مقدمه و مروری بر مفاهیم مورد نیاز زبان سی پلاس پلاس و ابزارهای مورد نیاز
    • معرفی High Performance Computing
    • مروری بر مفاهیم لینوکس
    • مروری بر زبان سی پلاس پلاس ۱۱
    • مروری بر پیاده سازی روش های عددی تک متغیره همراه با مثال
    • مروری بر بهینه سازی محدب
  • درس دوم: جبر خطی عددی در سی پلاس پلاس
    • مبانی جبر خطی عددی
    • معرفی کتابخانه Eigen
    • مثال
  • درس سوم: مبانی و اصول برنامه نویسی موازی
    • ضرورت برنامه نویسی موازی
    • مروری بر روش ها و سطوح برنامه نویسی موازی
    • مثال
  • درس چهارم: برنامه نویسی به روش Multi-Threading
    • معرفی کتابخانه OpenMP و کاربردهای آن
    • مثال
  • درس پنجم: برنامه نویسی به روش توزیع شده با استفاده از MPI
    • معرفی مفاهیم MPI
    • کاربردهای MPI
    • مثال
  • درس ششم: بهینه سازی محدب توزیع شده
    • مقدمات
    • بهینه سازی توزیع یافته و یادگیری ماشین
    • تئوری الگوریتم های بهینه سازی توزیع شده و معرفی کلی الگوریتم های مربوطه
    • تئوری الگوریتم بهینه سازی ADMM توزیع شده و متمرکز
    • تئوری الگوریتم بهینه سازی Proximal توزیع شده و متمرکز
  • درس هفتم: بهینه سازی محدب توزیع شده - پیاده سازی نرم افزاری
    • پیاده سازی سری الگوریتم ADMM
    • پیاده سازی الگوریتم ADMM توزیع شده در سی پلاس پلاس با استفاده MPI
    • مقایسه روش پیاده سازی سری و موازی الگوریتم ADMM
    • بررسی نتایج و جمع بندی نهایی

 

مفید برای رشته های
  • مهندسی کامپیوتر
  • هوش مصنوعی
  • ریاضی
  • اقتصاد

آنچه در این آموزش خواهید دید:

مراجع و فایل های جانبی مرتبط با آموزش
فایل برنامه ها و پروژه های اجرا شده
فایل PDF یادداشت‌ های ارائه مدرس



راهنمای تهیه آموزش ها

آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

راهنمایی بیشتر ( +)

در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
  • با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
  • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه


اطلاعات تکمیلی

نام آموزش آموزش بهینه سازی محدب با استفاده از برنامه نویسی موازی - پیش ثبت نام
ناشر فرادرس
کد آموزش FVMTH9907
زبان فارسی
نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)





برچسب‌ها: High Performance Computing | Message Passing Interface | MPI | اصول برنامه نویسی موازی | الگوریتم بهینه سازی ADMM توزیع شده | الگوریتم بهینه سازی Proximal توزیع شده | الگوریتم های بهینه سازی توزیع شده | برنامه نویسی به روش Multi-Threading | برنامه نویسی به روش توزیع شده | برنامه نویسی سی پلاس پلاس | برنامه نویسی موازی | بهینه سازی توزیع یافته | بهینه سازی ریاضی | بهینه سازی محدب | بهینه سازی محدب توزیع شده | پیاده سازی الگوریتم ADMM توزیع شده | پیاده سازی الگوریتم های عددی | پیاده سازی روش های عددی تک متغیره | پیاده سازی سری الگوریتم ADMM | تکنولوژی های OpenMP | جبر خطی عددی در سی پلاس پلاس | روش پیاده سازی سری و موازی الگوریتم ADMM | زبان سی پلاس پلاس | زبان سی پلاس پلاس ۱۱ | سطوح برنامه نویسی موازی | قدرت محاسباتی | کاربردهای MPI | کتابخانه OpenMP | مبانی جبر خطی عددی | مسائل بهینه سازی | معرفی کتابخانه Eigen | معرفی مفاهیم MPI | مفاهیم لینوکس | یادگیری ماشین