нейросеть

Алгоритмы Data Science и их практическая реализация на Python, Протодьяконов А.В., Пылов П.А., Садовников В.Е., 2022.

   Рассмотрен полный каскад разработки моделей искусственного интеллекта. Проанализирована область Data Science, из которой выделены все необходимые для прикладной сферы алгоритмы машинного обучения, расположенные по уровню возрастания сложности работы с ними.
Для студентов, изучающих информационные технологии. Может быть полезно как начинающим программистам, так и специалистам высокого уровня.

Учиться быстрее с ИИ, Как прокачивать навыки в 3 раза быстрее с нейросетями, Костин А.А., 2026.

   Эта книга практическая система обучения в эпоху ИИ: как быстро прокачивать навыки с помощью ChatGPT и нейросетей и переносить результат в реальную работу. Вместо бесконечных курсов и теории карта навыка, короткие петли попытка-проверка-исправление, тренажёры под ваши сценарии, контур антигаллюцинаций и контроль качества. Вы соберёте личный учебный трекер и второй мозг из шаблонов, чек-листов и протоколов, научитесь учиться на кейсах без самообмана и ломать плато, когда прогресс застыл. В финале понятный план на 90 дней: как закрепить навык, не перегореть, собрать портфолио и сделать обучение карьерным рычагом.
Книга для тех, кому нужен не вдохновляющий контент, а воспроизводимый результат.

ChatGPT каждый день, Библиотека промптов для задач и решений, Костин А.А., 2026.

   Вы открываете ChatGPT. задаёте вопрос и получаете длинный, размытый ответ, который приходится переписывать, уточнять и переделывать. В итоге время тратится не меньше, чем без нейросети. Причина проста: большинство людей работают с ChatGPT без системы. В этой книге собрана практическая библиотека из сотен готовых промптов для реальных задач: планирование дня и недели, деловые письма, управление проектами, анализ решений, контроль качества, антикризисный режим. Вместо хаотичных экспериментов вы получите чёткую структуру: как выбирать правильный запрос, какие переменные указывать, как улучшать результат без переписывания и как превращать ответы нейросети в готовые решения. Эта книга поможет сократить время на формулировки, уменьшить количество переделок и превратить ChatGPT в рабочий инструмент, который экономит часы каждую неделю.

Математика и архитектура глубокого обучения, Кришнанду Ч., 2026.
 
   Узнайте, что происходит внутри черного ящика! Для использования глубокого обучения вам придется подготовить данные, выбрать правильную модель, обучить ее. оценить качество и точность и предусмотреть обработку неопределенности и изменчивости в выходных данных развернутого решения. Эта книга шаг за шагом знакомит с основными математическими концепциями, которые пригодятся вам как специалисту по данным, — с векторным исчислением, линейной алгеброй и байесовским выводом, представляя их с точки зрения глубокого обучения.
Авторы объясняют математику, теорию и принципы построения моделей глубокого обучения, а затем демонстрируют применение теории на практике, приводя фрагменты программного кода на Python с подробными комментариями. В книге вы пройдете путь от основ алгебры, исчисления и статистики до современных архитектур глубокого обучения, ставших результатом новейших исследований.

Думай как ChatGPT, Человек и ИИ, Новая норма мышления, Ford М.

   Я много лет работаю с системами, подобными ChatGPT. Я видел, как они растут от примитивных болталок до моделей, которые способны вести долгие, связные разговоры почти на любую тему. Я наблюдал, как они начинают помогать людям в учёбе, работе, творчестве. И я так же видел, как люди либо идеализируют ИИ, приписывая ему «разум» и «мудрость», либо впадают в панику и предсказывают скорый конец человеческой интеллектуальной деятельности.
Эта книга не будет ни панической, ни восторженной. Она не про мифы, а про инструменты.
Прежде всего, она не про код и формулы. Я не собираюсь объяснять вам внутреннее устройство нейросетей, рассказывать про матрицы и градиентный спуск. Да, за кулисами ChatGPT живёт сложная математика, но, чтобы вы научились использовать его стиль мышления в своей жизни, вам совершенно необязательно становиться инженером машинного обучения.
Эта книга не о том, как программировать ИИ. Она о том, как программировать себя.

Глубокое обучение, Самый краткий и понятный курс, Келлехер Д.Д., 2022.

   В этой книге простым и доступным для неспециалистов языком раскрываются такие сложные темы, как искусственный интеллект, нейросети, машинное обучение, глубокое обучение. Автор рассказывает о предпосылках глубокого обучения, его истории и базовых основах, а также проводит экскурс в будущее этой технологии, раскрывая перед читателями ее потенциал.

Нейросети, Выстрой свою систему из 5 уровней автоматизации, Казанцев Т.

   ИИ-индустрия меняется быстрее, чем успевают выходить книги или ютуб-обзоры. Названия моделей и интерфейсы сервисов, о которых я пишу, неизбежно будут обновляться. Важно не то, как именно сегодня называется модель, а принципы и уровни работы с ИИ, о которых пойдёт речь.
Вы можете читать книгу не строго по порядку. Если вам уже близок базовый уровень, смело перескакивайте к главам про агентов и автоматизации, а потом возвращайтесь к пробелам. Относитесь к структуре как к карте, по которой можно двигаться своими траекториями.

Глубокое обучение с точки зрения практика, Паттерсон Дж., Гибсон А., 2018.
        
   Интерес к машинному обучению зашкаливает, но завышенные ожидания нередко губят проекты еще на ранней стадии. Как машинное обучение — и особенно глубокие нейронные сети — может изменить вашу организацию? Эта книга не только содержит практически полезную информацию о предмете, но и поможет приступить к созданию эффективных сетей глубокого обучения.
Авторы сначала раскрывают фундаментальные вопросы глубокого обучения — настройка, распараллеливание, векторизация, конвейеры операций, а затем переходят к библиотеке Deeplearning4j (DL4J), предназначенной для разработки технологических процессов профессионального уровня. На реальных примерах читатель познакомится с методами и стратегиями обучения глубоких сетей с различной архитектурой и их распараллеливания в кластерах Hadoop и Spark.
Издание предназначено для специалистов по анализу данных, находящихся в поисках более широкого и практического понимания принципов глубокого обучения.