SuperComputing-HPC-Data-Summary

收录SC小组在学习高性能计算、分布式架构、数据挖掘与人工智能方向的笔记和材料

SC/HPC小组培养计划与学习路线

计算机软硬件基础：

• 数据结构与算法
• 离散数学
• Linux 基础
• 操作系统基础
• 深入理解计算机系统
• 数据库基础

机器学习、深度学习(包含数据分析与统计算法方向)：

• 数据预处理(插值算法、统计知识、matplotlib 可视化)
• 特征变量的选择，初识 kaggle(线性代数、numpy、pandas)
• 分类与聚类(KNN、PCA 降维、信息熵、决策树、随机森林及 sklearn 实现)
• 统计分析(数理统计基础、拟合算法、多元变量分析、时间序列分析)
• 机器学习基础(逻辑回归、感知机、简单神经网络)
• 深度学习基础(CNN、RNN、LSTM 等算法的 Tensorflow 实现)

并行计算：

• OpenMP、MPI、CUDA 及其他并行语法
• 并行数据挖掘、遗传算法、迭代算法与前沿介绍

分布式与高性能计算：

• 高性能计算导论(分布式架构与软硬件策略)
• Introduction to High Performance Scientific Computing - Victor Eijkhout(已授权)
• 区块链概念介绍(以太坊与智能合约)
• python 高性能优化策略(numba、cython、pypy、矩阵优化、FFT、Blas、泊松方程、二位热传导方程等)

部分材料来自网络，如有侵权，请联系删除