通过德高望重的计算机科学家和工程师的授课，你将掌握并行分解的专业知识”

许多计算机科学家可以使用新的编程工具和程序库，这创造了一个极好的新创业环境，在这里，曾经复杂而昂贵的项目可以由更小和更专业的团队承担。 

并行和分布式计算在这一领域脱颖而出。这种新的计算模型实际上是目前大多数软件和硬件的标准。计算机科学家必须做好使用最先进的并行分解工具的准备，因为这将大大改善他们自己的工作条件和职业道路。 

这个大学课程是深入学习并行分解的绝佳切入点，课程大纲包括最常见的并行硬件和软件、图形处理单元、MPI 和 OpenMP 混合并行化或 MapReduce 计算。 

此外，所有这些都采用 100% 在线的形式，使教学与其他职业或个人职责相结合成为可能。从攻读学位的第一天起，就可以下载整个教学大纲，学生可以按照自己选择的进度学习课程。 

深入研究并行计算的不同场景，如数据挖掘、音频处理和图像处理”

这个并行与分布式计算中的并行分解大学课程包含市场上最完整和最新的课程。主要特点是：

• 由平行和分布式计算专家提出的实际案例的发展 
• 这个书的内容图文并茂，具有明显的实用性，为专业实践所必需的那些学科提供了实用信息 
• 你可以进行自我评价过程的实际练习，以改善你的学习 
• 其特别强调创新方法 
• 理论课、专家提问和个人思考作品 
• 可从任何连接互联网的固定或便携设备上访问内容 

在你的简历中加入该大学课程，将大大提高你的学术水平”

这个课程的教学人员包括来自这个行业的专业人士，他们将自己的工作经验融入到培训中，还有来自知名企业和著名大学的公认专家。

多媒体内容是用最新的教育技术开发的，将允许专业人员进行情景式学习，也就是一个模拟的环境，提供一个沉浸式的学习程序，为真实情况进行培训。

方案的设计是基于问题的学习。通过这种方式，人员必须尝试解决整个学程中出现的不同专业实践的情况。为此，他们将得到一个由公认的专家创建的创新互动视频系统的帮助。

你将从最优秀的计算机科学专业人士那里了解到主要的并行分解系统"

在 TECH，你可以做出重要决定，选择何时、何地以及如何承担全部教学任务"

Relearning 是 TECH 首创的一种教学方法，它为计算机科学家节省了学习过程中的关键时间。由于在整个大学课程中反复强调最重要的概念，学生可以自然、循序渐进地掌握所有预期知识。再加上大量的补充材料，使这个大学课程成为进一步学习并行分解的最佳学术选择。 

你可以观看教师自己制作的详细视频、摘要和视听内容” 

模块 1. 并行与分布式计算中的并行分解 

1.1. 平行分解 

1.1.1. 并行处理： 
1.1.2. 架构 
1.1.3. 超级计算机 

1.2. 平行的硬件和平行的软件 

1.2.1. 串行系统 
1.2.2. 平行硬件 
1.2.3. 平行软件 
1.2.4. 输入和输出 
1.2.5. 产量 

1.3. 平行可扩展性和反复出现的性能问题 

1.3.1. 平行主义 
1.3.2. 平行可扩展性 
1.3.3. 反复出现的性能问题 

1.4. 共享内存并行化 

1.4.1. 共享内存并行化 
1.4.2. OpenMP 和 Pthreads 
1.4.3. 共享内存并行化。实例 

1.5. 图形处理单元（GPU） 

1.5.1. 图形处理单元（GPU） 
1.5.2. 计算统一设备架构（CUDA） 
1.5.3. 统一计算设备架构（CUDA）实例 

1.6. 信息传递系统 

1.6.1. 信息传递系统 
1.6.2. MPI。信息传递接口 
1.6.3. 信息传递系统。实例 

1.7. 使用 MPI 和 OpenMP 的混合并行化 

1.7.1. 混合编程 
1.7.2. MPI/OpenMP 编程模型 
1.7.3. 混合分解和映射 

1.8. 地图重构计算 

1.8.1. Hadoop 
1.8.2. 其他计算系统 
1.8.3. 并行计算。实例 

1.9. 行为者和反应过程的模型 

1.9.1. 利益相关者模式 
1.9.2. 反应性过程 
1.9.3. 行为者和反应性过程。实例 

1.10. 并行计算方案 

1.10.1. 音频和图像处理 
1.10.2. 统计/数据挖掘 
1.10.3. 平行分拣 
1.10.4. 平行矩阵操作 

真实案例研究将帮助你更好地理解整个大学课程所涵盖的所有高级主题”