Kde môže osoba nájsť viac informácií o paralelnom výpočte online?

Existuje veľa vynikajúcich online zdrojov na učenie sa o paralelnom výpočte. Tu je niekoľko miest, kde sa dá začať, kategorizované pre ľahšiu navigáciu:

Pre začiatočníkov:

* online kurzy:

* Coursera &edx: Vyhľadajte kurzy týkajúce sa „paralelného výpočtu“, „súbežného programovania“, „distribuovaných systémov“ alebo „vysokovýkonných výpočtov“. Mnoho univerzít ponúka úvodné kurzy na týchto platformách. Vyhľadajte kurzy, ktoré používajú praktické príklady Python, C ++ alebo Java.

* udemy a ďalšie platformy: Podobne ako v prípade Coursera a EDX, tieto ponúkajú širokú škálu kurzov, často v rôznych cenových bodoch.

* Výuky a blogy:

* webové stránky výrobcov hardvéru (Intel, AMD, NVIDIA): Tieto často majú úvodné materiály a dokumentáciu o svojich technológiách paralelného spracovania (napr. Viacjadrové CPU, GPU).

* Blogy a články na technologických webových stránkach (ARS Technica, IEEE Spectrum atď.): Tieto stránky často obsahujú články, ktoré vysvetľujú paralelné výpočtové koncepty prístupným spôsobom. Vyhľadajte podmienky ako „paralelné programovanie pre začiatočníkov“.

Pre stredne pokročilých/pokročilých študentov:

* Akademické práce a výskum:

* ACM Digital Library &IEEE XPLORE: Toto sú rozsiahle úložiská výskumných prác týkajúcich sa paralelných výpočtov a súvisiacich tém. Nájdete pokročilé algoritmy, teoretické analýzy a špičkový výskum.

* učebnice (online verzie alebo výňatky): Mnoho univerzít poskytuje online prístup k svojim kurzovým materiálom, ktoré môžu zahŕňať výňatky z alebo odkazov na príslušné učebnice. Vyhľadajte „paralelné výpočtové učebnice“ a nájdite možnosti.

* Špecializovaná dokumentácia:

* MPI (rozhranie prenosu správy) Dokumentácia: Ak máte záujem o výpočet klastrov, porozumenie MPI je nevyhnutné. Webová stránka fóra MPI má podrobnú dokumentáciu.

* OpenMP Dokumentácia: Toto je API pre paralelné programovanie zdieľanej pamäte. Rada pre kontrolu architektúry OpenMP poskytuje dokumentáciu a špecifikácie.

* cuda (nvidia) dokumentácia: Pri programovaní GPU sa budete musieť naučiť Cuda. NVIDIA poskytuje rozsiahlu dokumentáciu a návody.

* OPENCL DOKUMENTÁCIA: Ďalšie API pre paralelné programovanie na rôznych zariadeniach (CPU, GPU). Skupina Khronos zachováva špecifikácie.

Ďalšie užitočné zdroje:

* wikipedia: Aj keď to nie je primárny zdroj, Wikipedia poskytuje dobrý prehľad o paralelných výpočtových koncepciách a súvisiacich oblastiach.

* Stack pretečenie: Skvelé miesto na kladenie konkrétnych otázok a nájdenie riešení spoločných problémov, s ktorými sa vyskytujú paralelné programovanie.

Tipy pre vaše hľadanie:

* byť špecifický: Namiesto toho, aby ste hľadali „paralelné výpočty“, skúste hľadať konkrétne aspekty, ako napríklad „paralelné triediace algoritmy“, „paralelné programovanie v Pythone“ alebo „Paralelné výpočty GPU“.

* Vyhľadajte praktické príklady: Najlepším spôsobom, ako sa učiť, je robiť. Vyhľadajte návody, ktoré obsahujú príklady kódu a praktické cvičenia.

* Začnite s konkrétnou oblasťou: Paralelné výpočty je široké pole. Zamerajte sa na konkrétnu oblasť, ktorá vás zaujíma (napr. Distribuované systémy, programovanie GPU, viacjadrové programovanie), aby ste sa vyhli ohromeniu.

Nezabudnite skontrolovať dátum akéhokoľvek zdroja, ktorý nájdete; Pokrok v tejto oblasti je rýchly. Veľa šťastia!

• Predchádzajúca strana: Cloud computing versus tradičná infraštruktúra počítačovej služby? 
• Ďalšia strana: Ktoré sieťové zariadenie môže poskytnúť vyhradenú šírku pásma?