Программирование

Предприятия, создающие сложные и масштабные приложения в облаке, сталкиваются с множеством проблем. Практически каждое решение - от выбора правильных инструментов до оценки необходимого обеспечения - сопряжено со сложным набором вариантов и компромиссов. AWS предоставляет универсальное решение для создания и масштабирования таких приложений, и это практическое руководство поможет вам решить, какие компоненты использовать и как их совместить. Авторы Джаянт Кумар и Мандип Сингх снабжают архитекторов и инженеров-программистов необходимыми знаниями о AWS и системном проектировании, чтобы помочь вам принять правильные решения и преодолеть трудности, связанные с проектированием и масштабированием архитектуры корпоративного программного обеспечения.

Курс предназначен для тех, кто ранее не сталкивался с операционной системой Linux. На курсе слушатели узнают об основных отличиях Linux от других операционных систем, получат навыки работы в ней, научатся устанавливать систему и настраивать ее основные параметры.

В пособии представлены основные методы применения языка Python для решения задач моделирования, оптимизации и обработки данных. Каждая рассмотренная тема включает краткие теоретические сведения, подробный разбор практической работы, индивидуальные варианты заданий и контрольные вопросы по теме.

Django - это мощный Рython-фреймворк для веб-приложений, который поощряет быстрое развитие и чистый, прагматичный дизайн, предлагает относительно простое обучение. Это делает его привлекательным как для новичков, так и для опытных разработчиков.

Среда программирования Scratch является прекрасным примером для обучения программированию. Интуитивно понятный красочный интерфейс сочетается с быстрым блочным построением алгоритма. Цель этой книги – научить детей основам программирования, создавая собственные небольшие игры. От простого к сложному, понемногу осваивая новые конструкции, вы пройдёте весь путь создания проектов: от идеи до реализации. Нет ничего сложного в создании собственных игр – будь то «Марио» или «Пакман», игра в бильярд, охота на летучих мышей и др.

Перед вами один из самых интересных учебников по машинному обучению - разделу искусственного интеллекта, изучающего методы построения моделей, способных обучаться, и алгоритмов для их построения и обучения. Автор воздал должное невероятному богатству предмета и не упустил из виду объединяющих принципов. Читатель с первых страниц видит машинное обучение в действии, но без не нужных на первых порах технических деталей.

В этой книге уважаемый читатель найдет множество советов по конструированию программного кода, общим вопросам, возникающим при работе в agile-команде, поисковой оптимизации веб-сайтов (SEO), автороведческой экспертизе и безопасности паролей. Книга составлена из полезных тезисов, выписанных автором из двенадцати печатных технических книг на русском языке.

От анализа больших данных и машинного обучения до автоматизации рутинных процессов и создания интерактивных визуализаций — эта часть станет вашим практическим путеводителем.
Вы узнаете, как распределенно обрабатывать данные с помощью Dask и PySpark, строить динамические дашборды с Plotly и Dash, оптимизировать производительность моделей с Cython, и разрабатывать высоконагруженные приложения с использованием Asyncio и CUDA.
Кроме того, особое внимание уделено автоматизации задач, включая парсинг данных, обработку документов и создание рабочих процессов с Airflow. Визуализация геоданных, работа с изображениями и звуком, а также современные подходы к тестированию и развертыванию приложений помогут вам интегрировать Python в самые разнообразные проекты.

В книге рассматриваются модели, системы и фреймворки, специально разработанные для обработки и анализа больших наборов данных. Вы познакомитесь с основными парадигмами и механизмами, применяемыми в анализе больших данных, включая MapReduce, рабочие потоки, массовый синхронный параллелизм, передачу сообщений и SQL-подобные модели. В главах книги описаны примеры использования фреймворков Hadoop, Spark, Storm и MPI и рассмотрены вопросы выбора среды, наиболее подходящей для достижения целевых задач приложения. Книга предназначена разработчикам приложений для работы с большими данными, исследователям и профессионалам бизнеса, основанного на данных. Читатель должен хорошо владеть такими языками, как Java, Python или Scala, и знать основные концепции параллельного и распределенного программирования.

В книге читателю предлагается обширный список «советов», которым на самом деле не стоит следовать. Каждый совет сопровождается подробным разбором и рассмотрением неочевидных моментов. Эти пояснения будут полезны новичкам, изучающим программирование. Впрочем, книга развлечёт и профессионалов рассмотрением некоторых нюансов программирования на C++.

В этом справочнике вы найдете ключевую информацию об операционной системе Linux в удобной и наглядной форме. Структура справочника позволяет линуксоидам быстро находить нужную информацию, получать примеры использования тех или иных элементов Linux.

Перед вами — увлекательный самоучитель по языку Python для начинающих. Книга подходит даже читателям с нулевым уровнем. Создавайте собственными руками веселые классические и необычные, продвинутые игры, такие как "Виселица" или "Охотник за сокровищами", — в процессе вы поймете основные принципы программирования и выучите Python играючи!

В пособии в наглядной и доступной форме приводятся сведения по школьному курсу информатики, наглядные таблицы и схемы. Издание окажет помощь старшеклассникам при подготовке к урокам, различным формам текущего и промежуточного контроля, а также к экзаменам.

В настоящей книге достаточно популярно излагаются базовые алгоритмы на графах вместе с их реализациями на языке Python. Материал иллюстрирован большим числом примеров и рисунков, способствующих его усвоению.

Если программирование — магия, то веб-скрапинг — настоящее колдовство. Написав простую автоматизированную программу, можно отправлять запросы веб-серверам, получать ответы с данными, а затем анализировать эти данные и извлекать необходимую информацию. Это обновленное третье издание книги не только познакомит вас с веб-скрапингом, но и послужит исчерпывающим руководством по сбору практически любых видов данных в современном Интернете. В части I основное внимание уделено механике веб-скрапинга: как с помощью Python отправлять запросы веб-серверам, обрабатывать ответы и автоматизировать взаимодействие с сайтами. В части II исследуются более конкретные инструменты и приложения, которые пригодятся при любом сценарии веб-скрапинга.

В этой книге вы найдете ключевые принципы, алгоритмы и компромиссы, без которых не обойтись при разработке высоконагруженных систем для работы с данными. Материал рассматривается на примере внутреннего устройства популярных программных пакетов и фреймворков.

Как вы понимаете, что зашли на хороший сайт? Это происходит практически мгновенно, с первого взгляда. Такие сайты привлекают внимание картинкой — отлично выглядят, а кроме этого они интерактивны и отзывчивы. Сразу видно, что такую страничку создавал CSS-профи, ведь именно каскадные таблицы стилей (CSS) отвечают за все наполнение и оформление сайта — от расположения элементов до неуловимых штрихов.

Практикум предназначен для проведения семинарских занятий по дисциплине «Разработка и реализация портальных решений» у студентов, обучающихся по направлению 09.03.03 «Прикладная информатика» (программа подготовки бакалавров). Материалы практикума предназначены для освоения технологий разработки порталов с применением современных систем управления контентом (CMS): WordPress, Joomla, а также с использованием Web-программирования.

Книга написана необычным для многих – живым, простым и емким языком. Автор не любит длинных описаний программ, поэтому прерывается на пояснения, что делает книгу удобной для понимания и легкой в усвоении материала. Чтение учебника не утомляет, а наоборот, захватывает.

Причинно-следственный анализ – это метод статистического анализа данных, помогающий выявить, как одно событие влияет на другое. Прочитав данную книгу, читатели научатся находить причинно-следственные связи в данных, применять правильные методы анализа и оценивать достоверность полученных выводов. Мы можем реализовать массу всяких красивых вещей с помощью машинного обучения. Единственное требование состоит в том, чтобы мы формулировали наши задачи как задачи прогнозирования. Однако машинное обучение (ML) не является панацеей. Оно может творить чудеса в условиях жестких ограничений и все же может с треском провалиться, если данные немного отклоняются от того, к чему привыкла модель. Машинное обучение, как известно, плохо справляется с такой проблемой, как обратная причинно-следственная связь. Издание предназначено специалистам по анализу данных, а также будет полезно бизнес-аналитикам и инженерам. В книге используется только свободное программное обеспечение, основанное на языке Python.