Para principiantes:
* cursos en línea:
* Coursera y edx: Busque cursos sobre "computación paralela", "programación concurrente", "sistemas distribuidos" o "computación de alto rendimiento". Muchas universidades ofrecen cursos introductorios en estas plataformas. Busque cursos que usen Python, C ++ o Java para ejemplos prácticos.
* Udemy y otras plataformas: Similar a Coursera y EDX, estos ofrecen una amplia variedad de cursos, a menudo a varios precios.
* Tutoriales y blogs:
* Sitios web de fabricantes de hardware (Intel, AMD, Nvidia): Estos a menudo tienen materiales introductorios y documentación sobre sus tecnologías de procesamiento paralelas (por ejemplo, CPU de múltiples núcleos, GPU).
* Blogs y artículos en sitios web de tecnología (ARS Technica, IEEE Spectrum, etc.): Estos sitios con frecuencia presentan artículos que explican conceptos informáticos paralelos de manera accesible. Busque términos como "programación paralela para principiantes".
Para alumnos intermedios/avanzados:
* Documentos académicos e investigación:
* Biblioteca digital ACM e IEEE Xplore: Estos son vastos repositorios de trabajos de investigación sobre computación paralela y temas relacionados. Puede encontrar algoritmos avanzados, análisis teóricos e investigación de vanguardia.
* Libros de texto (versiones o extractos en línea): Muchas universidades proporcionan acceso en línea a los materiales de su curso, que pueden incluir extractos o enlaces a libros de texto relevantes. Busque "libro de texto de computación paralelo" para encontrar opciones.
* Documentación especializada:
* MPI (interfaz de pase de mensajes) Documentación: Si está interesado en la computación de clúster, la comprensión de MPI es esencial. El sitio web del foro MPI tiene documentación detallada.
* OpenMP Documentation: Esta es una API para la programación paralela de memoria compartida. La Junta de Revisión de Arquitectura OpenMP proporciona documentación y especificaciones.
* CUDA (NVIDIA) Documentación: Para la programación de GPU, necesitará aprender CUDA. NVIDIA proporciona una amplia documentación y tutoriales.
* Documentación de OpenCl: Otra API para la programación paralela en varios dispositivos (CPU, GPU). El grupo Khronos mantiene las especificaciones.
Otros recursos útiles:
* wikipedia: Si bien no es una fuente primaria, Wikipedia proporciona una buena visión general de los conceptos de computación paralelos y los campos relacionados.
* Overflow de pila: Un gran lugar para hacer preguntas específicas y encontrar soluciones a los problemas comunes encontrados en la programación paralela.
Consejos para su búsqueda:
* sea específico: En lugar de solo buscar "computación paralela", intente buscar aspectos específicos, como "algoritmos de clasificación paralela", "programación paralela en Python" o "Computación paralela de GPU".
* Busque ejemplos prácticos: La mejor manera de aprender es hacer. Busque tutoriales que incluyan ejemplos de código y ejercicios prácticos.
* Comience con un área específica: La computación paralela es un campo amplio. Concéntrese en un área particular que le interese (por ejemplo, sistemas distribuidos, programación de GPU, programación de múltiples núcleos) para evitar ser abrumados.
Recuerde verificar la fecha de cualquier recurso que encuentre; Los avances en este campo son rápidos. ¡Buena suerte!