программирование

Основы Python для Data Science, Кеннеди Б., 2023.
 
Python — язык программирования № 1 для машинного обучения и Data Science. Но как же сложно решить, с чего начать изучение Python, ведь у него огромный инструментарий! Кеннеди Берман фокусируется на тех навыках программирования, которые понадобятся вам для решения задач в области Data Science и машинного обучения. Вы познакомитесь с блокнотами Jupyter — лучшей средой для профессиональной работы с данными. После этого перейдете к ключевым библиотекам, которые упрощают процесс математических вычислений, визуализации, решение задач машинного обучения и обработки естественного языка. После этого, овладев основами, вы перейдете к продвинутым техникам, позволяющим решать более сложные задачи.

Новые возможности JavaScript, Как написать чистый код по всем правилам современного языка, Краудер Т.Д., 2023.
 
Перед вами сборник правил написания кода на современном языке JavaScript. На наглядных примерах автор объясняет, как работают последние версии JS, какие приемы в нем можно использовать, чтобы сделать код коротким и чистым, а каких ошибок лучше избегать, чтобы не было багов.

Модернизация Java Enterprise, Облачные технологии для разработчиков, Эйзеле М., Винто Н., 2023.
 
Мы написали эту книгу для разработчиков, которые хотят использовать свои монолитные модели на основе Java в будущем.

Микросервисы, Паттерны разработки и рефакторинга, Ричардсон К., 2020.
 
Если вам давно кажется, что вся разработка и развертывание в вашей компании донельзя замедлились — переходите на микросервисную архитектуру. Она обеспечивает непрерывную разработку, доставку и развертывание приложений любой сложности. Книга, предназначенная для разработчиков и архитекторов из больших корпораций, рассказывает, как проектировать и писать приложения в духе микросервисной архитектуры. Также в ней описано, как делается рефакторинг крупного приложения — и монолит превращается в набор микросервисов.

Машинное обучение на R, Экспертные техники для прогностического анализа, Ланц Б., 2020.
 
Книга предназначена для тех, кто рассчитывает использовать данные в конкретной области. Возможно, вы уже немного знакомы с машинным обучением, но никогда не работали с языком R; или, наоборот, немного знаете об R, но почти не знаете о машинном обучении. В любом случае эта книга поможет вам быстро начать работу. Было бы полезно немного освежить в памяти основные понятия математики и программирования, но никакого предварительного опыта не потребуется. Вам нужно лишь желание учиться.

Head First, Изучаем Go, Макгаврен Д., 2020.
 
Go упрощает построение простых, надежных и эффективных программ. А эта книга сделает его доступным для обычных программистов. Основная задача Go — эффективная работа с сетевыми коммуникациями и многопроцессорной обработкой, но код на этом языке пишется и читается не сложнее чем на Python и JavaScript. Простые примеры позволят познакомиться с языком в действии и сразу приступить к программированию на Go. Так что вы быстро освоите общепринятые правила и приемы, которые позволят вам называть себя гофером.

Глубокое обучение с подкреплением, AlphaGo и другие технологии, Лапань М., 2020.
 
В этой книге я попытался систематизировано рассказать об области глубокого обучения с подкреплением с точки зрения практика, задавая себе такие вопросы: каковы основные идеи, как их реализовать, какие есть подводные камни в реализации, на что обращать внимание при отладке методов, и другие подобные вопросы, которые часто остаются за кадром в научных статьях, но очень важны на практике. Я старался свести к минимуму количество формул, предпочитая интуитивное описание происходящего математической строгости. Это может вызвать негодование исследователей, работающих в области RL, заранее прошу у них прощения. Однако, по моему опыту, такой стиль изложения гораздо эффективнее для выработки интуиции в сложных областях, особенно если вы не собираетесь заниматься «высокой наукой», а просто хотите осознанно применять научные наработки на практике.

Классические задачи Computer Science на языке Python, Копец Д., 2020.
 
Многие задачи в области Computer Science, которые на первый взгляд кажутся новыми или уникальными, на самом деле уходят корнями в классические алгоритмы, методы кодирования и принципы разработки. И устоявшиеся техники по-прежнему остаются лучшим способом решения таких задач! Научитесь писать оптимальный код для веб-разработки, обработки данных, машинного обучения и других актуальных сфер применения Python. Книга даст вам возможность глубже освоить язык Python, проверить себя на испытанных временем задачах, упражнениях и алгоритмах. Вам предстоит решать десятки заданий по программированию: от самых простых (например, найти элементы списка с помощью двоичной сортировки), до сложных (выполнить кластеризацию данных методом k-средних). Прорабатывая примеры, посвященные поиску, кластеризации, графам и пр., вы вспомните то, о чем успели позабыть, и овладеете классическими приемами решения повседневных задач.