Все для школьников, студентов, учащихся, преподавателей и родителей - Обучалка - Obuchalka.org

Программирование на Python с нуля до профессионала, Полное руководство с примерами и практикой, Ганиев А., 2024.

   Начав читать эту книгу, вы сделаете первый шаг к освоению Python — языка, который используется в самых разнообразных сферах: от научных исследований до разработки веб-приложений и игр. Python — это не просто инструмент, а целая экосистема, которая предоставляет возможности для решения практически любых задач.
Я надеюсь, что эта книга вдохновит вас на изучение программирования и поможет вам уверенно освоить Python. Независимо от того, хотите ли вы стать разработчиком, исследователем данных или просто автоматизировать повседневные задачи, Python предоставит вам все необходимые инструменты для достижения ваших целей. Программирование — это не просто набор инструкций для компьютера, это искусство решения проблем и создания новых возможностей. Впереди — увлекательное путешествие в мир кода. Удачи вам на этом пути!

Программирование на Python, Афанасьев М.Я., Крылова А.А., Шорохов С.А., Федосов Ю.В., 2025.

   Методические указания разработаны для студентов, обучающихся по направлениям, связанным с программированием и инженерией, и предназначены для углубленного освоения языка Python. Пособие охватывает ключевые аспекты, необходимые для формирования базовых и продвинутых навыков программирования, таких как работа с управляющими символами, анализ данных, создание графических интерфейсов и алгоритмизация.

Практикум по анализу данных на языках Python и R, Баюк О.А., Исаева М.Р., Самсонкин М.О., 2023.

   Данное учебное пособие предназначено для студентов очного отделения, изучающих дисциплину «Анализ данных». Пособие написано в соответствии с программой дисциплины «Анализ данных». Оно предназначено для подготовки бакалавров по направлениям «Экономика» и «Бизнес-информатика» Финуниверситета. В пособии отражены темы: выборочный метод, точечные и интервальные оценки, проверка статистических гипотез, корреляционный анализ, дисперсионный анализ и анализ временных рядов. Пособие может быть использовано как для проведения семинарских занятий, так и для организации самостоятельной работы студентов.

Нейросети на Python, Основы ИИ и машинного обучения, Куликова И.В., 2025.

   Эта книга является практическим комплексным гидом по изучению ИИ и применению нейросетей. В ней вы найдете информацию о различных типах нейросетей, их архитектуре, принципах работы и различных возможностях использования.
Примеры использования библиотек NumPy, PyTorch, Matplotlib, SciPy, NetworkX, TensorFlow, OpenCV, Pandas, scikit-learn, nltk помогут вам лучше понять действия нейросети в реальных условиях.
Математические основы машинного обучения, с многочисленными примерами уравнений и формул на языке программирования Python, помогут понять истоки появления нейросетей с научной точки зрения.
Отдельно рассмотрено практическое применение искусственного интеллекта, описаны способы взаимодействия с нейросетями разной направленности. Это будет полезно для всех, кто желает овладеть многочисленными возможностями современных нейросетей: генерацией изображений, созданием видео, написанием текстов, созданием озвучки и т.д.
Помимо теоретической и практической частей, в книге есть ссылки на реальные нейросети, которые помогут читателям углубить свои знания и навыки в области их практического использования.
Книга обязательно станет ценным ресурсом для всех, кто хочет изучить нейросети и их применение в самых различных сферах.

Изучаем Python, Программирование игр, визуализация данных, веб-приложения, Мэтиз Э., 2025.

   «Изучаем Python» — это самое популярное в мире руководство по языку Python. Вы сможете не только максимально быстро его освоить, но и научитесь писать программы, устранять ошибки и создавать работающие приложения.
В первой части книги вы познакомитесь с основными концепциями программирования, такими как переменные, списки, классы и циклы, а простые упражнения приучат вас к шаблонам чистого кода. Вы узнаете, как делать программы интерактивными и как протестировать код, прежде чем добавлять в проект. Во второй части вы примените новые знания на практике и создадите три проекта: аркадную игру в стиле Space Invaders, визуализацию данных с удобными библиотеками Python и простое веб-приложение, которое можно быстро развернуть онлайн.
Книга была переработана и дополнена, чтобы соответствовать последним практикам программирования на Python: приемы редактирования в VS Code, применение модуля pathlib для работы с файлами, тестирование с помощью pytest, а также Matplotlib, Plotty и Django.
Если вы подумываете «А не заняться ли мне программированием?», то эта книга — идеальный старт. Не нужно больше ждать! Погнали!

Машинное обучение в Elastic Stack, Кольер Р., Монтонен К., Азарми Б., 2021.

   В книге подробно рассматривается работа с Elastic Stack - обширной экосистемой компонентов, которые служат для сбора, поиска и обработки данных. Вы ознакомитесь с общими принципами машинного обучения, узнаете о методах автоматического обнаружения аномалий, проверке целостности и анализа данных из разрозненных источников, научитесь истолковывать результаты обнаружения и прогнозирования аномалий и использовать их в своих целях, а также выполнять анализ временных рядов для различных типов данных.
Издание адресовано специалистам, которые работают с данными и хотят интегрировать машинное обучение с эффективными приложениями для мониторинга, обеспечения безопасности и аналитики в области данных.

Математика в примерах и задачах для подготовки к ЕГЭ и поступлению в вуз, Ячменёв Л.Т., 2022.

   Приводятся краткие сведения из теории и дается решение задач различной трудности, рекомендуются задачи для самостоятельного решения.
Пособие предназначено для тех, кто заканчивает школу и решил поступить в вуз, а также может быть полезно учителям и слушателям подготовительных курсов.

Максимальная производительность, Архитектурные подходы к оптимизации запросов в PostgreSQL, Золотухина Д.Ю., 2024.

   В книге описываются ключевые принципы и архитектурные подходы к оптимизации запросов в PostgreSQL. Особое внимание уделено внутренним механизмам работы планировщика запросов, статистике данных и эффективному использованию индексов для достижения максимальной производительности в современных базах данных.