программирование

Python и анализ данных, Маккини У., 2020.
     
   Второе издание этой книги дает современное практическое введение в разработку научных приложений на Python, ориентированных на обработку данных. Код переписан под версию Python 3.6, добавлены сведения о последних версиях библиотек pandas, NumPy, IPython и Jupyter.
Описаны те части языка Python и библиотеки для него, которые необходимы для эффективного решения широкого круга аналитических задач: интерактивная оболочка IPython и Iupyter-блокноты, библиотеки NumPy и pandas, библиотека для визуализации данных matplotlib и др.
Издание подойдет как аналитикам, только начинающим осваивать обработку данных, так и опытным программистам на Python, еще не знакомым с научными приложениями.

Postgres, Первое знакомство, Лузанов П., Рогов Е., Лёвшин И., 2024.
     
   Эту небольшую книгу мы написали для тех, кто только начинает знакомиться с PostgreSOL.
Мы надеемся, что наша книга сделает ваш первый опыт работы с PostgreSOL приятным и поможет влиться в сообщество пользователей этой СУБД.

Kubernetes для разработчиков, Деннис У., 2025.
     
   Современное программное обеспечение должно хорошо поддаваться масштабированию, эффективно справляясь при этом с балансировкой нагрузки, отслеживанием состояния и обеспечением безопасности. Узнайте, как можно решать эти и другие важные задачи. В издании рассматриваются все составляющие процесса контейнеризации и развертывания приложения на платформе Kubernetes с точки зрения разработчика. Сначала вы создадите небольшое приложение, способное работать в облачном кластере Kubernetes, а затем поэтапно изучите рекомендуемые практики, позволяющие сделать развертывание стабильным в долгосрочной перспективе, включая методы масштабирования, планирования емкости и оптимизации ресурсов.

Elasticsearch для разработчиков, Индексирование, анализ, поиск и агрегирование данных, Шривастава А., 2025.
     
   Эта книга предназначена для широкого круга специалистов, включая разработчиков, архитекторов, администраторов баз данных, инженеров DevOps и других читателей, заинтересованных в эффективном изучении Elasticsearch и применении его1 в своих приложениях — как новых, так и уже существующих. Особенно она полезна для тех, кто хочет работать с данными с помощью Elasticsearch.
Для чтения книги желательно иметь базовые знания computer science, а также быть знакомыми с JSON и REST. В книге рассматривается Elasticsearch, а также введение в другие инструменты стека Elastic.

Deep Learning with PyTorch, Second Edition, MEAP, Version 3, Antiqa L., Stevens E., Huang H., Viehmann T.
     
   Thank you for purchasing the MEAP for Deep Learning with PyTorch, Second Edition.
The book is written for developers, students, or even hobbyists who have some prior experience with the Python programming language and want to gain a better understanding of deep learning. There is no better time to learn about deep learning than now as artificial intelligence gains an ever-growing significance in shaping our products and the world around us.

Deep Learning with PyTorch, Second Edition, MEAP, Version 5, Antiqa L., Stevens E., Huang H., Viehmann T., 2024.
     
   The book is written for developers, students, or even hobbyists who have some prior experience with the Python programming language and want to gain a better understanding of deep learning. There is no better time to learn about deep learning than now as artificial intelligence gains an evergrowing significance in shaping our products and the world around us.

Beginning Anomaly Detection Using Python-Based Deep Learning, Adari S.K., Alla S., 2024.
     
   In this book, you will learn how anomaly detection can be used to solve business problems. You will explore how anomaly detection techniques can be used to address practical use cases and address real-life problems in the business landscape. Every business and use case is different, so while we cannot copy and paste code and build a successful model to detect anomalies in any dataset, this book will cover many use cases with hands-on coding exercises to give you an idea of the possibilities and concepts behind the thought process. All the code examples in the book are presented in Python 3-8. We choose Python because it is truly the best language for data science, with a plethora of packages and integrations with scikit-learn, deep learning libraries, etc. We will start by introducing anomaly detection, and then we will look at legacy methods of detecting anomalies that have been used for decades.

Информационные технологии в строительстве, Программирование на Python, Барышева О.Б., 2024.
     
   Учебное пособие содержит начальные сведения о программировании на языке Python и является основой для изучения курса «Информационные технологии в профессиональной деятельности» студентами Казанского государственного архитектурно-строительного университета, обучающимися по направлению 08.03.01 «Строительство». Может быть также рекомендовано студентам различных специальностей технических вузов, занимающихся программированием, математическим моделированием и численными методами, а также может служить справочным материалом при выполнении расчетно-графических, курсовых и дипломных работ, связанных с различными расчетами.