книги по программированию

Профессиональный бенчмарк, Искусство измерения производительности, Акиньшин А., 2022.
 
Это исчерпывающее руководство поможет вам правильно разрабатывать бенчмарки, измерять ключевые метрики производительности приложений .NET и анализировать результаты. В книге представлены десятки кейсов, проясняющих сложные аспекты бенчмаркинга. Ее изучение позволит вам избежать распространенных ошибок, проконтролировать точность измерений и повысить производительность своих программ.

Программируем с PyTorch, Создание приложений глубокого обучения, Пойнтер Я., 2020.
 
PyTorch — это фреймворк от Facebook с открытым исходным кодом. Узнайте, как использовать его для создания собственных нейронных сетей. Ян Пойнтер поможет разобраться, как настроить PyTorch в облачной среде, как создавать нейронные архитектуры, облегчающие работу с изображениями, звуком и текстом. Книга охватывает важнейшие концепции применения переноса обучения, модели отладки и использования библиотеки PyTorch.

Программируем на Java, Лой М., Нимайер П., Лук Д., 2023.
 
Неважно кто вы — разработчик ПО или пользователь — в любом случае слышали о языке Java. В этой книге вы на конкретных примерах изучите основы Java, API, библиотеки классов, приемы и идиомы программирования. Особое внимание авторы уделяют построению реальных приложений. Вы освоите средства управления ресурсами и исключениями, а также познакомитесь с новыми возможностями языка, появившимися в последних версиях Java.

Программирование для Android, Самоучитель, Колисниченко Д.Н., 2021.
 
Рассмотрены все основные аспекты создания приложений для платформы Android 9 (API 28): установка необходимого программного обеспечения, использование эмулятора Android, создание интерфейса пользователя, работа с графикой, воспроизведение звука и видео, методы хранения данных (в том числе СУБД SQLite), взаимодействие с аппаратными средствами мобильного устройства, отладка приложений и их публикация в магазине Google Play. Особое внимание уделено взаимодействию с аппаратными средствами смартфона. Показано, как получить информацию об устройстве и определить его состояние, использовать его датчики (акселерометр, датчик света, датчик температуры, датчик давления), камеру, Bluetooth-адаптер. Приведены решения для различных нештатных ситуаций (отказ эмулятора, проблема с установкой программного обеспечения и т. д.), что поможет начинающему программисту. В 3-м издании описано создание 64-разрядных приложений для Android, рассмотрены изменения в интерфейсе среды разработки и новый API.

Программирование GPU при помощи Python и CUDA, Тоуманен Б., 2020.
 
Книга предлагает быстрое погружение в программирование GPU. Вы узнаете, как применять закон Амдала, использовать профилировщик для определения узких мест в коде на Python, настроить окружения для программирования GPU. По мере чтения вы будете запускать свой код на GPU и писать полноценные ядра и функции на CUDA C, научитесь отлаживать код при помощи NSight IDE и получите представление об известных библиотеках от NVIDIA, в частности cuFFT и cuBLAS. Вооружившись этими знаниями, вы сможете написать с нуля глубокую нейронную сеть, использующую GPU, и изучить более основательные темы. Книга предназначена для разработчиков и специалистов по обработке данных, которые хотят познакомиться с основами эффективного программирования GPU для улучшения быстродействия, используя программирование на Python. Желательно общее знакомство с базовыми понятиями математики и физики, а также опыт программирования на Python и любом основанном на С языке программирования.

Прикладное машинное обучение без учителя с использованием Python, Пател А., 2020.
 
Эта книга рассчитана на читателей двух категорий. Первая, ощутимо боль­шая, категория — это специалисты по анализу и обработке данных, которым по долгу службы приходится работать с временными рядами, но делают они это не очень часто. Это могут быть как ветераны отрасли, так и начинающие ана­литики. Опытным специалистам материал первых глав покажется знакомым, но это не значит, что им можно пренебречь, — здесь описаны самые современные методы обработки данных и рассмотрены важные особенности управления вре­менными рядами. Аналитикам с небольшим рабочим опытом желательно прора­ботать все без исключения главы книги предельно внимательно, несмотря на их тематическую независимость друг от друга. Вторая категория читателей — руководители отделов по обработке и анализу данных в компаниях с интенсивным внутренним сбором информации. Если вы относитесь к этой группе читателей, то должны быть в курсе технологических решений, применяемых для обработки временных рядов, хотя вам и не прихо­дится заниматься программированием самостоятельно. Для вас эта книга будет полезна тем, что обозначит область применения временных рядов в существую­щих или создаваемых заново алгоритмах сбора и анализа данных. Назначение этой книги — помочь вам разобраться в технологиях, призванных упростить об­ работку существующих ресурсов данных.

Система модулей Java, Парлог Н., 2021.
 
Создать надежное и безопасное приложение гораздо проще, если упаковать код в аккуратные блоки. Система модулей в Java представляет собой языковой стандарт для создания таких блоков. Теперь вы можете контролировать взаимодействия различных JAR и легко обнаруживать недостающие зависимости. Фундаментальные изменения архитектуры затронули ядро Java, начиная с версии 9. Все API ядра распространяются в виде модулей, а для библиотек, фреймворков и приложений аналогичный подход можно считать хорошей практикой и рекомендацией. Вы освоите наилучшие практики модульного проектирования, отладки приложения и его развертывания перед сдачей в продакшен.

Основы искусственного интеллекта в примерах на Python, Самоучитель, Постолит А.В., 2024.
 
Описаны инструментальные средства для разработки приложений искусствен­ного интеллекта. Даны основы языка программирования Python. Раскрыты основ­ные понятия и определения искусственного интеллекта. Рассмотрены вопросы программной реализации элементов нейронной сети и построения многослойных нейронных сетей. Большое внимание уделено применению специализированных библиотек PyBrain, Scikit-leam, Keras, TensorFlow для формирования структуры нейронных сетей и их обучения, и библиотек ImageAI и OpenCV для обработки изображений. Материал иллюстрирован простыми и понятными примерами, де­монстрирующими использование предварительно обученных нейронных сетей для распознавания объектов на изображениях, создания собственных наборов данных, формирования структуры сети, ее обучения и практического применения. Во 2-м издании обновлены программные коды и версии библиотек, улучшены рисунки, учтены пожелания читателей и исправлены ошибки. Электронное приложение-архив, доступное на сайте издательства, содержит листинги описанных в книге примеров.