учебник по программированию

Python, Великое программирование в Minecraft, Корягин А., 2021.
     
   Книга «Python. Великое программирование в Minecraft» расскажет вам, как научиться программировать на языке Python, используя игру Minecraft. Изучать языки программирования не всегда тяжело и скучно.
Программирование - это магия. Зная, как программировать, вы будете создавать по мановению руки не только отдельные объекты в Minecraft, но и целые миры со своими законами.
Если вы давно мечтали построить в Minecraft целый город с транспортом и персонажами, перемещаться за доли секунды по всему миру, разработать настоящую компьютерную игру, научиться проектировать и создавать сложные архитектурные сооружения и программировать, то эта книга для вас.
В книге рассмотрены основы языка Python, принцип работы с Minecraft API, основы математической логики, а также основы в области прикладной математики и черчения. Подробно и пошагово показан процесс изучения языка программирования Python на примере создания программ, связанных с Minecraft.
Книга предназначена для новичков в области программирования и в первую очередь для детей, которые хотят научиться создавать программы на языке Python в игровой форме.

Python, Django, Data Science, Майтак Р.В., Пылов П.А., Протодьяконов А.В., 2025.
     
   Показаны основы работы на Python, а также два его основных ответвления - вебразработка на Django и область прикладного искусственного интеллекта, являющаяся частью Data Science.
Для студентов и сотрудников высших технических учебных заведений, а также специалистов прикладной сферы анализа данных.

Python для начинающих, Лучшие задачи для изучения языка программирования, Лафуркад П., Мор М., 2025.
     
   Это практическое руководство для тех, кто хочет освоить программирование на языке Python. Состоит из 15 увлекательных задач, которые помогут новичкам освоить ключевые концепции программирования, решая интересные кейсы и головоломки. Издание ориентировано на читателей с любым уровнем подготовки.
Книга «Python для начинающих. Лучшие задачи для изучения языка программирования» станет источником вдохновения для начинающих программистов, заинтересованных не только в овладении техническими навыками, но и в поиске оригинальных решений.

Python Coding Tricks & Tips, 2024.
     
   Python Coding Tricks & Tips is the perfect digital publication for the user that wants to take their skill set to the next level. Do you want to enhance your user experience? Or wish to gain insider knowledge? Do you want to learn directly from experts in their field? Learn the numerous short cuts that the professionals use? Over the pages of this essential advanced user guide you will learn everything you will need to know to become a more confident, better skilled and experienced owner.
A user that will make the absolute most of their coding and ultimately Python coding itself. An achievement you can earn by simply enabling us to exclusively help and teach you the abilities we have gained over our decades of experience.

Python All in One For Dummie, Shovic J.C., Simpson A., 2024.
     
   This book is a reference manual to guide you through the process of learning Python and how to use it in modern computer applications, such as data science, artificial intelligence, physical computing, and robotics. If you’re looking to learn a little about a lot of exciting things, this is the book for you. It gives you an introduction to the topics that you'll need to explore more deeply.
Python All-in-One For Dummies, 3rd Edition guides you through the Python language and then takes you on a tour through some cool libraries and technologies (the Raspberry’ Pi, robotics, AI, data science, and more) that all revolve around the Python language. When y’ou work on new projects and new technologies, Python is there with a diverse number of libraries just waiting for you to use.

Python - это просто, Пошаговое руководство по программированию и анализу данных, Нисчал Н., 2023.
     
   Рассмотрены основы синтаксиса языка Python на примере дистрибутива Anaconda. Показаны приложения IPython, Spyder IDE, Jupyter Notebook. Описан синтаксис переменных, функций, циклов. Подробно изучаются структуры данных в Python: строки, списки, кортежи, множества и словари. Объясняется понятие классов и их применение в объектно-ориентированном программировании. Описаны возможности библиотеки обработки изображений Pillow, библиотеки Tkinter для создания приложений с графическим интерфейсом. Отдельный раздел посвящен обработке ошибок и исключений в программах. Рассматриваются библиотеки NumPy и Pandas, приводятся практические примеры их использования для анализа и обработки данных. Описана библиотека Matplotlib и ее возможности в сфере визуализации данных.

Книга Kaggle, Машинное обучение и анализ данных, Банахевич К., Массарон Л., 2024.
     
   Книга рассказывает о продвинутых приёмах машинного обучения и науки о данных (data science) на основе задач, решаемых на всемирно известной платформе Kaggle. Показано (в том числе на примере увлекательных интервью с Kaggle-гроссмейстерами), как устроена платформа Kaggle и проводимые на ней соревнования. Изложенный материал позволяет развить необходимые навыки и собрать портфолио по машинному обучению, анализу данных, обработке естественного языка, работе с множествами. Подобран уникальный пул задач, охватывающих различные классификационные и оценочные метрики, методы обучения нейронных сетей, схемы валидации, выявление паттернов и трендов в материале любой сложности.

Машинное обучение с малым объемом кодирования, Стриплинг Г., 2025.
     
   В книге подробно представлены три проблемно-ориентированных вида машинного обучения (Machine learning, ML): автоматизированное обучение AutoML без кодирования, обучение BigQuery ML с малым объемом кодирования и обучение с применением пользовательского кода на основе библиотек scikit-learn и Keras. При этом от читателя не требуется глубоких предварительных знаний в ML или программировании, но базовые навыки в этих областях будут полезны. Специализированные библиотеки, фреймворки ML, репозиторий GitHub и другие инструменты описаны по мере их необходимости. В каждом конкретном случае ключевые концепции ML раскрыты с использованием реальных наборов данных для решения реальных задач. Рассмотрено применение AutoML для прогнозирования продаж, использование BigQuery ML для обучения линейных регрессионных моделей, обучение пользовательских ML-моделей на Python для прогнозирования оттока клиентов и ряд других популярных бизнес-кейсов.