فرادرس
هزینه آموزش
۳۵,۰۰۰ تومان

آموزش الگوریتم موازی و پردازش موازی

آموزش الگوریتم موازی و پردازش موازی

تعداد دانشجو
۲۷۹ نفر
مدت زمان
۱۳ ساعت و ۲ دقیقه
هزینه آموزش
۳۵,۰۰۰ تومان
محتوای این آموزش
۳ بازخورد (مشاهده نظرات)
آموزش الگوریتم موازی و پردازش موازی

چکیده

هدف از این فرادرس پایه ریزی درس الگوریتم موازی و حل مسائل گوناگون در این حوزه است. در این آموزش ما الگوریتم های مهم و اساسی مانند: جستجو، مرتب سازی و … را بر روی ساختارهای مختلف پردازنده ها مورد بررسی قرار می دهیم. ابتدا اصول تحلیل الگوریتم ها را مرور خواهیم کرد، سپس به بحث پردازش موازی و نقش آن در کاهش زمان اجرا می پردازیم. کامپیوترهای مختلف را از نظر پذیرش داده ها و الگوریتم و همچنین نوع حافظه داده ها و الگوریتم های ادغام، جستجو و مرتب سازی را مورد بررسی قرار می دهیم و در انتها چندین مساله مهم را به شکل موازی مورد بررسی قرار می دهیم.

مدرس
منوچهر بابایی

کارشناس ارشد مهندسی کامپیوتر - نرم افزار

مهندس منوچهر بابایی، کارشناس ارشد مهندسی کامپیوتر - نرم افزار با زمینه تحقیقاتی هوش مصنوعی هستند. ایشان سابقه آموزشی زیادی در تدریس دروس دانشگاهی رشته مهندسی کامپیوتر و فناوری اطلاعات دارند و در این زمینه کتاب‌ هایی برای دروس معماری کامپیوتر و ساختمان گسسته تالیف نموده‌اند. ایشان بر زبان‌ های برنامه نویسی سی، سی پلاس پلاس، سی شارپ، جاوا و متلب تسلط داشته و در مراکز آموزشی معتبر در این موضوعات تدریس نموده اند.

چکیده آموزش


توضیحات تکمیلی

مبحث پردازش موازی و نوشتن الگوریتم موازی علیرغم پیشرفت پردازنده ها و ظهور پردازنده های گرافیکی، باز هم موضوع بسیار حیاتی در طراحی الگوریتم است. اگر طراح بتواند یک الگوریتم را به صورت موازی بنویسید که از قابلیت و توانایی پردازنده ها به نحو احسن استفاده کند، موفقیت بزرگی در کاهش زمان اجرا و هزینه الگوریتم ها به دست آورده است. امروزه امکانات زیادی در استفاده از بحث موازی سازی در قالب جعبه ابزارها در اختیار برنامه نویسان قرار می گیرد.

به عنوان مثال جعبه ابزار موازی نرم افزار متلب (MATLAB) کمک شایانی در موازی سازی الگوریتم ها می کند. به خصوص برای زبان های برنامه نویسی مفسری، این موضوع حیاتی تر خواهد بود که بتوانیم با موازی سازی الگوریتم و یا پخش داده ها روی پردازنده های مختلف به تسریع چند برابری (حداکثر نزدیک به تعداد پردازنده ها) دست پیدا کنیم.

هدف از این فرادرس پایه ریزی درس الگوریتم موازی و حل مسائل گوناگون در این حوزه است. در این آموزش ما الگوریتم های مهم و اساسی مانند: جستجو، مرتب سازی و … را بر روی ساختارهای مختلف پردازنده ها مورد بررسی قرار می دهیم. ابتدا اصول تحلیل الگوریتم ها را مرور خواهیم کرد، سپس به بحث پردازش موازی و نقش آن در کاهش زمان اجرا می پردازیم. کامپیوترهای مختلف را از نظر پذیرش داده ها و الگوریتم و همچنین نوع حافظه داده ها و الگوریتم های ادغام، جستجو و مرتب سازی را مورد بررسی قرار می دهیم و در انتها چندین مساله مهم را به شکل موازی مورد بررسی قرار می دهیم.

 

فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
  • درس یکم: مقدمه ای بر پردازش موازی و تحلیل الگوریتم ها
    • ضرورت استفاده از پردازش موازی و نوشتن الگوریتم های موازی
    • مدل های محاسباتی - دسته بندی Flynn
    • معرفی معماری های موازی (پردازنده های خطی، پردازنده درختی، پردازنده مش)
    • پردازش موازی - قانون آمدال (Amdahl)
    • تجزیه و تحلیل الگوریتم های موازی (زمان اجرا، تعدادپردازنده، هزینه)
    • روش های محاسبه پیچیدگی الگوریتم های موازی
  • درس دوم: مساله انتخاب (Selection)
    • الگوریتم ترتیبی انتخاب مبتنی بر رتبه و آنالیز آن
    • الگوریتم موازی انتخاب
      • معرفی دو الگوریتم لازم برای انتخاب موازی (همه پخشی - محاسبه تمامی جمع ها)
      • تحلیل الگوریتم موازی انتخاب
    • معرفی شبکه های انتخاب
  • درس سوم: ادغام (Merge)
    • معرفی شبکه های ادغام
    • ادغام بر روی مدل CREW
      • ادغام ترتیبی
      • ادغام موازی
    • ادغام بر روی مدل EREW
    • الگوریتم بهبودیافته ادغام برای EREW
      • پیدا نمودن میانه دو دنباله مرتب
      • ادغام سریع روی مدل EREW
  • درس چهارم: مرتب سازی
    • شبکه های مرتب سازی
    • مرتب سازی در آرایه های خطی
    • مرتب سازی در مدل CRCW
    • مرتب سازی در مدل CREW
    • مرتب سازی در مدل EREW
      • مرتب سازی به وسیله ادغام بدون برخورد
      • مرتب سازی مبتنی بر انتخاب
  • درس پنجم: جستجو
    • جستجو در دنباله های مرتب
      • جستجو در مدل EREW
      • جستجو در مدل CREW
      • جستجو در مدل CRCW
    • جستجو در دنباله های تصادفی
      • جستجو روی مش
      • جستجو روی درخت
      • جستجو در کامپیوترهای SIMD
  • درس ششم: عملیات ماتریسی
    • ترانهاده ماتریس
      • الگوریتم ترتیبی ترانهاده
      • ترانهاده روی معماری مش
      • ترانهاده روی معماری شافل
      • ترانهاده روی مدل EREW
    • ضرب ماتریس ها
      • ضرب روی معماری مش
      • ضرب روی معماری مکعب

 

مفید برای رشته های
  • مهندسی کامپیوتر

آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل PDF یادداشت‌ های ارائه مدرس



پیش نمایش‌ها

پیش‌نمایش ۱: مقدمه ای بر پردازش موازی و تحلیل الگوریتم‌ ها

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۸ مگابایت -- (کلیک کنید +))

پیش‌نمایش ۲: مساله انتخاب (Selection)

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۴۱ مگابایت -- (کلیک کنید +))

پیش‌نمایش ۳: ادغام (Merge)

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۱۴ مگابایت -- (کلیک کنید +))

پیش‌نمایش ۴: مرتب ‌سازی
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
پیش‌نمایش ۵: جستجوی موازی
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
پیش‌نمایش ۶: عملیات ماتریسی
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.

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 الگوریتم موازی و پردازش موازی
ناشر فرادرس
شناسه اثر ۸–۱۲۴۵۲–۰۶۷۱۸۱ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
کد آموزش FVSFT95031
مدت زمان ۱۳ ساعت و ۲ دقیقه
زبان فارسی
نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)
حجم دانلود ۷۱۹ مگابایت     (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)


نظرات

تا کنون ۲۷۹ نفر از این آموزش استفاده کرده اند و ۳ نظر ثبت شده است.
اروین
اروین

آموزش بد نبود شاید با نیازها من منطبق نبود برای من کاربردی نبود ولی در کل خوب و به در بخور بود

مرتضی
مرتضی

آموزش عالی بود و حرف نداشت. نحوه تدریس ایشون عالیه اگر خیلی کوتاه در حد بیست دقیقه زبان ها رو توضیح می دادند، خیلی بهتر می شد.

محسن
محسن

دوره بسیار مفیدی بود . ممنونم از جناب مهندس بابایی


برچسب‌ها: Amdahl | Data-Parallel SIMD Machines | Message-Passing MIMD Machines | Past Present and Future | ادغام ترتیبی | ادغام موازی | الگوریتم | الگوریتم موازی | الگوریتم موازی انتخاب | الگوریتم های موازی | انتخاب موازی | پردازش موازی | ترانهاده روی مدل EREW | ترانهاده روی معماری مش | دسته بندی Flynn | شبکه های ادغام | ضرب روی معماری مش | ضرب روی معماری مکعب | قانون آمدال | کامپیوترهای SIMD | مدل CRCW | مدل CREW | مدل EREW | مدل های توسعه یافته | مدل های محاسباتی | مرتب سازی موازی Shared-Memory MIMD Machines | موازی سازی