учебник по программированию

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.

Поговорим на Python, Разработка ПО для начинающих, Анни П., 2024.
     
   Программирование — это приключение, полное трудностей, нового опыта, побед и поражений. В книге «Поговорим на Python» вы присоединитесь к Эрику и Саймону, которые учатся программировать на Python и создают свое первое приложение. Книга написана специально для будущих программистов и идеальна, чтобы начать осваивать навык, который останется на всю жизнь!
Книга «Поговорим на Python» учит писать код, задавать вопросы, делать ошибки и пробовать разные решения — прямо как в жизни. Вы шаг за шагом будете создавать приложение для небольшой кофейни, начиная с онлайн-меню и заканчивая хранением заказов в базе данных. Уникальные практические задания приведут вас туда, куда не добираются другие книги для начинающих. Вы получите и отработаете на практике такие важные навыки, как планирование структуры приложения, поиск ошибок и управление ожиданиями пользователей.

Python, 12 уроков для начинающих, Добряк П.В., 2023.
     
   В 12 уроках показаны основы программирования и базовые конструкции языка Python. Изложены принципы различных стилей программирования. Даны понятия ввода-вывода, переменных, условий, потока чисел, циклов и списков, массивов, функций и рекурсий. Рассмотрены особенности структурного, объектно-ориентированного и функционального программирования. В каждой главе предложены практические задачи и дано их пошаговое решение с подробным описанием алгоритма.

Глубокое обучение с fastai и PyTorch, Минимум формул, минимум кода, максимум эффективности, Ховард Д., Гуггер С., 2022.
     
   Обычно на глубокое обучение смотрят с ужасом, считая, что только доктор математических наук или ботан, работающий в крутой айтишной корпорации, могут разобраться в этой теме. Отбросьте стереотипы: любой программист, знакомый с Python, может добиться впечатляющих результатов. Как? С помощью fastai — библиотеки, предоставляющей комфортный интерфейс для решения наиболее популярных задач.
Создатели fastai доказали, что самые модные и актуальные приложения можно делать быстро и не засыпать над скучными теоретическими выкладками и зубодробительными формулами.

Осваиваем архитектуру Transformer, Йылдырым С., Асгари-Ченаглу М., 2022.
     
   Основанные на трансформерах языковые модели - преобладающая тема исследований в области обработки естественного языка (NLP). В этой книге рассказывается, как создавать различные приложения NLP на основе трансформеров, используя библиотеку Python Transformers.
Вы познакомитесь с архитектурой трансформеров и напишете свою первую программу для работы с моделями на основе этой передовой технологии.
Книга адресована специалистам по NLP, преподавателям машинного обучения / NLP и тем, кто хочет освоить машинное обучение в части обработки естественного языка. Предполагается, что читатель владеет навыками программирования на языке Python, знает основы NLP и понимает, как работают глубокие нейронные сети.

Глубокое обучение, Гудфеллоу Я., Бенджио И., Курвилль А., 2018.
     
   Глубокое обучение — это вид машинного обучения, наделяющий компьютеры способностью учиться на опыте и понимать мир в терминах иерархии концепций. Книга содержит математические и концептуальные основы линейной алгебры, теории вероятностей и теории информации, численных расчетов и машинного обучения в том объеме, который необходим для понимания материала. Описываются приемы глубокого обучения, применяемые на практике, в том числе глубокие сети прямого распространения, регуляризация, алгоритмы оптимизации, сверточные сети, моделирование последовательностей и др. Рассматриваются такие приложения, как обработка естественных языков, распознавание речи, компьютерное зрение, онлайновые рекомендательные системы, биоинформатика и видеоигры.
Издание предназначено студентам вузов и аспирантам, а также опытным программистам, которые хотели бы применить глубокое обучение в составе своих продуктов или платформ.

Генеративное глубокое обучение, Как не мы рисуем картины, пишем романы и музыку, Фостер Д., 2024.
     
   Генеративное моделирование — одна из самых обсуждаемых тем в области искусственного интеллекта. Машины можно научить рисовать, писать и сочинять музыку. Вы сами можете посадить искусственный интеллект за парту или мольберт, для этого достаточно познакомиться с самыми актуальными примерами генеративных моделей глубокого обучения: вариационными автокодировщиками, генеративно-состязательными сетями, моделями типа кодер-декодер и многим другим.
Дэвид Фостер делает понятными и доступными архитектуру и методы генеративного моделирования, его советы и подсказки сделают ваши модели более творческими и эффективными в обучении. Вы начнете с основ глубокого обучения на базе Keras, а затем перейдете к самым передовым алгоритмам.