программирование

Современное прогнозирование временных рядов, Манохин В.С., 2026.

   Книга представляет собой комплексное руководство по прогнозированию временных рядов, объединяющее классические статистические методы (ARIMA, ETS), градиентный бустинг и современные нейросетевые архитектуры в едином рабочем процессе на Python. Ключевая особенность издания — глава о прогнозируемости (forecastability): семнадцать количественных метрик оценки предсказуемости ряда, позволяющих определить теоретический предел точности еще до выбора модели. Отдельные разделы посвящены корректному проектированию схемы валидации, обнаружению и компенсации дрейфа данных, а также построению воспроизводимых production-решений.
Издание предназначено специалистам по анализу данных, инженерам машинного обучения и исследователям, работающим с временными рядами. Она также будет полезна аспирантам, преподавателям и техническим руководителям в области прогнозной аналитики.

Python для сложных задач, Наука о данных, Плас В.Д., 2026.

   Python — первоклассный инструмент, и в первую очередь благодаря наличию множества библиотек для хранения, анализа и обработки данных. Отдельные части стека Python описываются во многих источниках, но только в новом издании «Python для сложных задач» вы найдете подробное описание IPython, NumPy, pandas, Matplotlib, Scikit-Learn и др.
Специалисты по обработке данных, знакомые с языком Python, найдут во втором издании решения таких повседневных задач, как обработка, преобразование и подготовка данных, визуализация различных типов данных, использование данных для построения статистических моделей и моделей машинного обучения. Проще говоря, эта книга является идеальным справочником по научным вычислениям в Python.

Python для data science, Васильев Ю., 2026.

   Python — идеальный выбор для манипулирования и извлечения информации из данных всех видов. «Python для data science» познакомит программистов с питоническим миром анализа данных. Вы научитесь писать код на Python, применяя самые современные методы, для получения, преобразования и анализа данных в управлении бизнесом, маркетинге и поддержке принятия решений.
Познакомьтесь с богатым набором встроенных структур данных Python для выполнения основных операций, а также о надежной экосистеме библиотек с открытым исходным кодом для data science, включая NumPy, pandas, scikit-learm, matplotlib и другие. Научитесь загружать данные в различных форматах, упорядочивать, группировать и агрегировать датасеты, а также создавать графики, карты и другие визуализации. На подробных примерах стройте реальные приложения, в том числе службу такси, использующую геолокацию, анализ корзины для определения товаров, которые обычно покупаются вместе, а также модель машинного обучения для прогнозирования цен на акции.

Pattern Recognition Primer, Przystalski K., Ogorzałek M.J., Argasiński J.K., 2026.

   This book is suitable for wide range of data scientists, machine learning engineers, data analysts, academic teachers and especially for students. One of the advantages of this book is that the reader is able to get a detailed explanation of each commonly used classification method. Each method is presented in a easily to understand way by using simple comparison examples and additionally ready to use examples written in Python. Teachers can use it for their lectures/lessons and students to learn about clas-sification methods. Each exercise have a solution that is described in the appendix to the book. Additionally, ready to use examples written in Python are shown. Teachers can use it for their lectures/lessons and students to learn about classification methods.

Introduction to Psychophysics with Python, Sengupta R., Madhavilatha M., 2026.

   This book presents psychophysics as an irreverent yet rigorous science – a field that challenges past authority by emphasizing reproducibility, quantitative precision, and the empirical basis of perception. Rooted in classical traditions (Weber, Fechner, Stevens), it equips readers with both historical grounding and hands-on methods.

Apache Kafka в действии, От базовых концепций до продакшена, Зеленин А., Кропп А., 2026.

   Apache Kafka — это эталонная платформа для аналитики в реальном времени, передачи событий и потоковой обработки. Выступая в качестве центрального узла для распределенных данных, Kafka обеспечивает беспрепятственный обмен между продюсерами и потребителями по модели «издатель — подписчик». Kafka легко обрабатывает миллионы событий в секунду, а его надежная архитектура гарантирует высокую отказоустойчивость и масштабируемость.
«Apache Kafka в действии» — это практическое руководство для ИТ-специалистов, которые внедряют Kafka в приложения и инфраструктуры, обрабатывающие огромные объемы данных. Издание охватывает все ключевые темы — от основ Kafka до продвинутых операций, а теория дополнена наглядными иллюстрациями и примерами из ежедневной практики. Читатели научатся настраивать кластеры Kafka, производить и потреблять сообщения, обрабатывать потоковые данные в реальном времени, а также интегрировать Kafka в корпоративные системы. В книге доступно изложены принципы создания надежных приложений Kafka и преимущества распределенной архитектуры для масштабируемости и устойчивости.

React в действии, Томас М.Т., 2019.

   Книга «React в действии» знакомит фронтенд-разработчиков с фреймворком React и смежными инструментами. Сначала вы познакомитесь с библиотекой React, затем освежите материал о некоторых фундаментальных идеях в данном контексте и узнаете о работе с компонентами. Вы на практике освоите чистый React (без транспиляции, без синтаксических помощников), перейдете от простейших статических компонентов к динамическим и интерактивным.
Во второй половине книги рассмотрены различные способы взаимодействия с React. Вы изучите базовые методы жизненного цикла, научитесь создавать поток данных, формы, а также тестировать приложения. На закуску вас ждет материал об архитектуре React-приложения, взаимодействии с Redux, экскурс в серверный рендеринг и обзор React Native.

Конкурентность и параллелизм на платформе .NET, Паттерны эффективного проектирования, Террелл Р., 2019.

   Рикардо Террелл научит вас писать идеальный код, с которым любые приложения будут просто летать. Книга содержит примеры на языках C# и F#, описывает паттерны проектирования конкурентных и параллельных программ как в теории, так и на практике.
Вы начнете с теоретических основ параллелизма, после чего перейдете к примерам и проверенным решениям, помогающим создавать и оптимизировать код для современных многопроцессорных систем.
В этой книге автор раскрыл важнейшие конкурентные абстракции, реализацию потоковой обработки событий в реальном времени и наилучшие конкурентные паттерны и практики, применимые на любых платформах.