учебник по информатике

Комбинаторные алгоритмы, Ху Т.Ч., Шинг М.Т., 2004.
 
   Книга представляет собой перевод второго расширенного и дополненного издания распространенного на Западе учебника американских математиков Т.Ч. Ху и М.Т. Шинга. Первое издание (1982) на русский язык не переводилось. Книга посвящена алгоритмам дискретной математики (кратчайшие пути и потеки в сетях, динамическое программирование, поиск с возвратом, бинарные деревья, эвристические алгоритмы, матричное умножение, NP-полные задачи, локальные алгоритмы, деревья Гомори-Ху) и может использоваться как учебник по курсу «Анализ и разработка алгоритмов» и как справочник. Весь материал изложен в классических традициях учебной литературы. Многие результаты на русском языке излагаются впервые.
Для студентов, аспирантов и научных работников, специализирующихся по дискретной математике и информатике.

Рисуем персонажей Atomic Heart, Пошаговые мастер-классы для начинающих, Шакерова Д., 2025.
 
   Atomic Heart — игра, ставшая большим событием игровой индустрии в 2023 году, и в этом официальном гайде по рисованию вы сможете как художник окунуться в будоражащий и немного ностальгический мир альтернативного СССР. Издание — настоящая находка для тех, кто хочет научиться рисовать полюбившихся персонажей: здесь вы не только найдете простые советы о том, как рисовать человека, но и узнаете основные принципы построения композиции, а также работы с цветом и светотенью.

Машинное зрение и управление в робототехнике, Корк П., 2026.
 
   Данная книга представляет собой фундаментальное и исчерпывающее введение в компьютерное зрение и робототехнику. В ней рассмотрен широкий круг тем, включая цветное зрение, передовые методы сегментации, деформацию изображения, стереозрение, оценку местоположения, глубокое обучение, групповую коррекцию и визуальную одометрию. Уникальной особенностью является объединение всех ключевых концепций компьютерного зрения и управления роботами в одном томе. Материал книги сопровождается примерами на основе портированного на Python популярного пакета Robotics Toolbox for MATLAB®, что позволяет закрепить знания при помощи нескольких строк кода.
Издание будет полезно читателям с разным уровнем подготовки - от студентов и аспирантов, изучающих робототехнику, до опытных инженеров и исследователей, желающих углубить и систематизировать свои знания.

Глубокое обучение, Принципы и концепции, Бишоп К.М., Бишоп X., 2025.
 
   Эта книга предлагает исчерпывающее описание фундаментальных идей, лежащих в основе глубокого обучения. Она разбита на небольшие главы с последовательным изложением материала. Особое внимание уделяется практической ценности изучаемых методов в реальном мире. Сложные концепции рассмотрены в нескольких ракурсах, включая текстовые описания, диаграммы, математические формулы и программные псевдокоды. Второе издание дополнено решениями задач с пояснениями автора.
Книга адресована как новичкам в машинном обучении, так и опытным специалистам в этой области.

Разберись в ИИ и нейросетях, Как они работают, где помогают и где ошибаются, Зарубина А.А., 2026.
 
   Разобраться в ИИ - проще, чем кажется. И полезнее, чем вы думаете.
Нейросети уже используются в работе, учебе и повседневной жизни. Они пишут тексты, создают изображения, помогают находить информацию и принимать решения. Но большинство пользователей до конца не понимают, как они работают и где им можно доверять.
Как устроены нейросети? Чем отличаются разные ИИ-сервисы? И почему даже умный ИИ может ошибаться?
В этой книге вы узнаете:
• простыми словами о том, что такое нейросети и как они работают;
• какие ИИ-инструменты существуют (ChatGPT, Алиса AI, Gemini и другие) и чем они отличаются;
• где ИИ действительно помогает и в каких ситуациях может ошибаться;
• какие ошибки допускают нейросети и почему это происходит;
• как использовать ИИ в работе и повседневных задачах.
Эта книга - не про сложные технологии. Это про понимание: как устроен ИИ. где он полезен и как использовать его с пользой, а не наугад.

Нейробиблия, Сидоров Г.С., 2026.
 
Фрагмент из книги.
Замена переменных. Всё, что выделено в квадратные скобки [], — это ваши переменные. Просто сотрите скобки и впишите свои данные: название бренда, нишу, товар или имя Комбинирование. Промты из разных разделов можно объединять. Например, сначала попросите нейросеть сгенерировать текст для лендинга, а затем — создать для него иллюстрацию.
Правило трёх уточнений. Если результат с первого раза не идеален, уточняйте: «Сделай тон более дружелюбным», «Добавь больше цифр», «Убери воду и оставь суть».

Машинное обучение для приложений высокого риска, Холл П., Кертис Дж., Панди П., 2025.
 
   Книга представляет собой комплексное руководство по применению искусственного интеллекта и машинного обучения (ИИ/ML) с целью снижения рисков для современного бизнеса, связанного с использованием этих технологий. Рассмотрены основы управления рисками и компьютерной безопасности, нормативные акты, ответственность за качество продуктов, основанных на ML, а также объяснимые модели и методы их проверки, включая новый фреймворк управления рисками NIST AI. Читателю предложен углубленный взгляд на программирование с использованием Python и подробными примерами для структурированных и неструктурированных данных. Особое внимание уделяется объяснимым бустинговым машинам, библиотеке XGBoost и методам повышения качества моделей ML. Представлены основанные на реальном опыте советы о том, как организовать успешную работу с приложениями высокого риска. Приведены практические примеры, иллюстрирующие важность и сложность внедрения ML в различных отраслях.

LLMOps, Управление большими языковыми моделями, Ариан А., 2026.
 
   Книга «LLMOps: Управление большими языковыми моделями» посвящена практическим аспектам внедрения, эксплуатации и масштабирования систем на базе больших языковых моделей. Автор подробно рассматривает полный жизненный цикл LLM-проектов — от выбора архитектуры и подготовки данных до развертывания, мониторинга и оптимизации решений в промышленной среде.
Особое внимание уделено вопросам надежности, производительности, безопасности и стоимости эксплуатации моделей, а также адаптации LLM под конкретные бизнес-задачи. Рассматриваются современные подходы к организации LLMOps-процессов и интеграции моделей в существующую ИТ-инфраструктуру.