учебник по программированию

Head First, Программирование для Android, Гриффитс Д., 2018.

   Система Android покорила мир. Все хотят иметь планшет или смартфон, а устройства на базе Android — самые популярные в мире. В этой книге мы научим вас разрабатывать и запускать приложения.
Вам уже пришла в голову гениальная идея? Дело за малым — воплотить ее в жизнь.
Вы научитесь правильно формировать структуру приложений, проектировать гибкие и интерактивные интерфейсы, запускать службы в фоновом режиме, обеспечивать работу на разных устройствах и многое другое.
Все, что от вас требуется, — базовые знания Java.

Глубокое обучение, Погружение в мир нейронных сетей, Николенко С., Кадурин А., Архангельская Е., 2018.

   Перед вами — первая книга о глубоком обучении, написанная на русском языке. Глубокие модели оказались ключом, который подходит ко всем замкам сразу: новые архитектуры и алгоритмы обучения, а также увеличившиеся вычислительные мощности и появившиеся огромные наборы данных привели к революционным прорывам в компьютерном зрении, распознавании речи, обработке естественного языка и многих других типично «человеческих» задачах машинного обучения. Эти захватывающие идеи, вся история и основные компоненты революции глубокого обучения, а также самые современные достижения этой области доступно и интересно изложены в книге. Максимум объяснений, минимум кода, серьезный материал о машинном обучении и увлекательное изложение — в этой уникальной работе замечательных российских ученых и интеллектуалов.

Глубокое обучение на R, Шолле Ф., 2018.

   Глубокое обучение — Deep learning — это набор алгоритмов машинного обучения, которые моделируют высокоуровневые абстракции в данных, используя архитектуры, состоящие из множества нелинейных преобразований. Согласитесь, эта фраза звучит угрожающе. Но все не так страшно, если о глубоком обучении рассказывает Франсуа Шолле, который создал Keras — самую мощную библиотеку для работы с нейронными сетями. Познакомьтесь с глубоким обучением на практических примерах из самых разнообразных областей. Книга делится на две части в первой даны теоретические основы, вторая посвящена решению конкретных задач. Это позволит вам не только разобраться в основах DL, но и научиться использовать новые возможности на практике. Книга написана для людей с опытом программирования на R, желающих быстро познакомиться с глубоким обучением на практике, и является переложением бестселлера Франсуа Шолле «Глубокое обучение на Python», но использующим примеры на базе интерфейса R для Keras.

Глубокое обучение на Python, Шолле Ф., 2018.

   Глубокое обучение — Deep learning — это набор алгоритмов машинного обучения, которые моделируют высокоуровневые абстракции в данных, используя архитектуры, состоящие из множества нелинейных преобразований. Согласитесь, эта фраза звучит угрожающе. Но всё не так страшно, если о глубоком обучении рассказывает Франсуа Шолле, который создал Keras — самую мощную библиотеку для работы с нейронными сетями. Познакомьтесь с глубоким обучением на практических примерах из самых разнообразных областей. Книга делится на две части: в первой даны теоретические основы, вторая посвящена решению конкретных задач. Это позволит вам не только разобраться в основах DL, но и научиться использовать новые возможности на практике.
Обучение — это путешествие длиной в жизнь, особенно в области искусственного интеллекта, где неизвестностей гораздо больше, чем определенности.

Прагматичный ИИ, Машинное обучение и облачные технологии, Гифт Н., 2019.

   Искусственный интеллект — это мощный инструмент в руках современного архитектора, разработчика и аналитика.
Облачные технологии — ваш путь к укрощению искусственного интеллекта.
Тщательно изучив эту незаменимую книгу от Ноя Гифта, легендарного эксперта по языку Python, вы легко научитесь писать облачные приложения с использованием средств искусственного интеллекта и машинного обучения, решать реалистичные задачи из таких востребованных и актуальных областей, как спортивный маркетинг, управление проектами, ценообразование, сделки с недвижимостью.
Все примеры разобраны на языке Python, №I в сфере современных стремительных вычислений.

Вероятностное программирование на Python, Байесовский вывод и алгоритмы, Дэвидсон-Пайлон К., 2019.

   Байесовские методы пугают формулами многих айтишников, но без анализа статистики и вероятностей сейчас не обойтись. Кэмерон Дэвидсон-Пайлон рассказывает о байесовском методе с точки зрения программиста-практика, работающего с многофункциональным языком РуМС и библиотеками NumPy, SciPy и Matplotlib. Раскрывая роль байесовских выводов при А В-тестировании, выявлении мошенничества и в других насущных задачах, вы не только легко разберетесь в этой нетривиальной теме, но и начнете применять полученные знания для достижения своих целей.

Введение в машинное обучение с помощью Python, Мюллер А., Гвидо С., 2017.

   Эта книга – фантастический, суперпрактический ресурс для каждого, кто хочет начать использовать машинное обучение в Python – как жаль, что когда я начинала использовать scikit-learn, этой книги не было.
Машинное обучение стало неотъемлемой частью различных коммерческих и исследовательских проектов, однако эта область не является прерогативой больших компаний с мощными аналитическими командами. Даже если вы еще новичок в использовании Python, эта книга познакомит вас с практическими способами построения систем машинного обучения. При всем многообразии данных, доступных на сегодняшний день, применение машинного обучения ограничивается лишь вашим воображением.

Секреты Python, 59 рекомендаций по написанию эффективного кода, Слаткин Б., 2016.

   Язык программирования Python обладает уникальными возможностями, осознать которые поначалу не так-то просто. Предыдущий опыт многих программистов, знакомых с другими языками, часто мешает им в полной мере оценить выразительность средств Python и эффективно использовать предлагаемые возможности. Нередко встречаются программисты, которые впадают в другую крайность, проявляя чрезмерное усердие в попытках выжать из Python все, что только возможно. Однако при отсутствии надлежащего опыта такой подход может порождать серьезные проблемы, с которыми впоследствии приходится бороться.
В книге тщательно анализируется стиль написания программ, который принято характеризовать фразой в духе Python (Pythonic way) и который позволяет максимально эффективно задействовать все возможности этого языка. Автор предполагает, что основы Python читателю уже известны. Новички ознакомятся здесь с наилучшими методиками применения Python. Опытные программисты научатся уверенно применять новые для них и поэтому непривычные на первых порах инструменты этого языка.