Es gibt viele hervorragende Online -Ressourcen, um etwas über parallele Computer zu lernen. Hier sind einige Orte, an denen Sie anfangen sollten, die für eine leichtere Navigation kategorisiert sind:

für Anfänger:

* Online -Kurse:

* Coursera &edx: Suche nach Kursen zu "Parallel Computing", "Concurrent Programing", "Distributed Systems" oder "Hochleistungs-Computing". Viele Universitäten bieten Einführungskurse auf diesen Plattformen an. Suchen Sie nach Kursen, die Python, C ++ oder Java für praktische Beispiele verwenden.

* udemy &andere Plattformen: Ähnlich wie bei Coursera und EDX bieten diese eine Vielzahl von Kursen, oft zu verschiedenen Preisen.

* Tutorials und Blogs:

* Websites von Hardwareherstellern (Intel, AMD, Nvidia): Diese haben häufig Einführungsmaterialien und Dokumentation zu ihren parallelen Verarbeitungstechnologien (z. B. Multi-Core-CPUs, GPUs).

* Blogs und Artikel auf technischen Websites (ARS Technica, IEEE -Spektrum usw.): Diese Websites enthalten häufig Artikel, in denen parallele Computerkonzepte auf zugängliche Weise erklärt werden. Suchen Sie nach Begriffen wie "Parallele Programmierung für Anfänger".

für Zwischen-/fortgeschrittene Lernende:

* akademische Papiere und Forschung:

* ACM Digital Library &IEEE XPLORE: Dies sind enorme Repositorys von Forschungsarbeiten zu parallelen Computing und verwandten Themen. Sie finden fortschrittliche Algorithmen, theoretische Analysen und modernste Forschung.

* Lehrbücher (Online -Versionen oder Auszüge): Viele Universitäten bieten Online -Zugriff auf ihre Kursmaterialien, die Auszüge aus oder Links zu relevanten Lehrbüchern enthalten können. Suchen Sie nach "Parallel Computing -Lehrbuch", um Optionen zu finden.

* Spezialisierte Dokumentation:

* MPI (Meldungsplatz -Schnittstelle) Dokumentation: Wenn Sie an Cluster -Computing interessiert sind, ist das Verständnis von MPI unerlässlich. Die MPI -Forum -Website hat eine detaillierte Dokumentation.

* OpenMP -Dokumentation: Dies ist eine API für die parallele Programmierung von gemeinsamem Gedächtnis. Das OpenMP Architecture Review Board enthält Dokumentation und Spezifikationen.

* Cuda (Nvidia) Dokumentation: Für die GPU -Programmierung müssen Sie CUDA lernen. Nvidia bietet umfangreiche Dokumentation und Tutorials.

* OpenCL -Dokumentation: Eine weitere API für die parallele Programmierung über verschiedene Geräte (CPUs, GPUs). Die Khronos -Gruppe behält die Spezifikationen bei.

Andere hilfreiche Ressourcen:

* Wikipedia: Wikipedia ist zwar keine primäre Quelle, und bietet einen guten Überblick über parallele Computerkonzepte und verwandte Felder.

* Stapelüberlauf: Ein großartiger Ort, um spezifische Fragen zu stellen und Lösungen für häufig auftretende Probleme zu finden, die bei paralleler Programmierung auftreten.

Tipps für Ihre Suche:

* spezifisch sein: Versuchen Sie, nach bestimmten Aspekten wie "parallelen Sortieralgorithmen", "Parallelprogrammierung in Python" oder "GPU Parallel Computing" zu suchen.

* Suchen Sie nach praktischen Beispielen: Der beste Weg, um zu lernen, ist das. Suchen Sie nach Tutorials, die Codebeispiele und praktische Übungen enthalten.

* Beginnen Sie mit einem bestimmten Bereich: Parallele Computing ist ein breites Feld. Konzentrieren Sie sich auf einen bestimmten Bereich, der Sie interessiert (z. B. verteilte Systeme, GPU-Programmierung, Multi-Core-Programmierung), um nicht überfordert zu werden.

Denken Sie daran, das Datum einer Ressource zu überprüfen, die Sie finden. Fortschritte in diesem Bereich sind schnell. Viel Glück!