учебник по информатике

The Enterprise Data Catalog, Olesen-Bagneux O., 2027.

   I’m assuming you’re reading this book because you’re involved with planning to implement a data catalog, improve an existing one, sunset it, or simply trying to understand what kind of technology a data catalog is: what it does, how it should be used, and if it can help you in a certain way. You might be part of the offices of the legal counsel, chief data officer, data protection officer, or chief information officer. You might be a data engineer, data scientist, or data manager, or you might be part of the data governance team. If you are, then this book will help you understand what a data catalog is and how it will enable you to find exactly what you are searching for.

AI для геймеров.

   Стриминг в 2025 году — это не только игры, но и создание уникальных шоу, интерактивных форматов, мем-контента и сериалов, объединяющих миллионы зрителей на Twitch, VK Play, YouTube и других платформах. Генерация идей — ключевая задача для каждого стримера. Искусственный интеллект помогает быстро создавать, тестировать и масштабировать креативные концепты для стримов, что открывает совершенно новые способы взаимодействия с аудиторией.

ЕГЭ 2026, Информатика, Навигатор самостоятельной подготовки, Цифровая грамотность.
 
Фрагмент из книги:
Построение математических моделей для решения практических задач. Архитектура современных компьютеров. Многопроцессорные системы.

Создаем информационные системы, Фельдман Я.А., 2006.

   В книге подробно описана новая модель данных и ее программная реализация, предложенная и выполненная автором. Цель — дать возможность каждому предприятию построить единую информационную систему высокого качества. Работающая программа и общий подход, описанный в книге, дают возможность решить эту задачу. Особе место в книге занимает применение системы в средней школе — как для тестирования учащихся, так и для управления всем педагогическим процессом.

Обучение с подкреплением для реальных задач, Уиндер Ф., 2023.

   Книга посвящена промышленно-ориентированному применению обучения с подкреплением (Reinforcement Learning, RL). Объяснено, как обучать промышленные и научные системы решению любых пошаговых задач методом проб и ошибок — без подготовки узкоспециализированных учебных множеств данных и без риска переобучить или переусложнить алгоритм. Рассмотрены марковские процессы принятия решений, глубокие Q-сети, градиенты политик и их вычисление, методы устранения энтропии и многое другое. Данная книга — первая на русском языке, где теоретический базис RL и алгоритмы даны в прикладном, отраслевом ключе.

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.

IFDRP, Интеллектуальный формат представления и обработки данных, Хайруллин А., 2025.

   Сегодня мы стоим на пороге новой эпохи. Эпохи, в которой документы перестают быть текстами - и становятся интеллектуальными структурами, готовыми работать, взаимодействовать, анализировать, моделировать и эволюционировать под потребности обработки данных.

Deep Learning Crash Course, Volpe G., Midtvedt B., Pineda J., 2026.

   We believe that the best way to learn deep learning is by coding. For this reason, this book is organized around self-contained examples and projects that progress from simple to complex. As a result, you’ll receive all the benefits of sequential learning while also having the freedom to explore each topic independently.
As you embark on this journey, it’s important to recognize that deep learning frameworks continuously evolve, but their core principles remain consistent. This book primarily uses PyTorch, currently the most popular deep learning framework, along with Lightning and Deeplay for added convenience. However, the fundamental concepts, techniques, and insights you will gain are transferable across various frameworks. In an ever-evolving landscape, they will empower you to choose the best tools for your projects as well as transition between them, easing your learning curve when the next deep learning framework emerges.