учебник по программированию

Ассемблер и программная модель процессоров x86/64, Жуков А.В., 2024.

   Книга является практическим пособием по программной модели процессоров 180x86/64. Простейшие элементы этой модели (переменные, константы, методы адресации и система команд) изучаются с помощью ассемблера а86, отладчика d86. 32-битные возможности i80x86, включая защищенный режим, вентили, исключения и прерывания, привилегии, страничное преобразование, исключения, LDT и TSS, а также 64-битные режимы процессора х64 с исключениями и прерываниями в long mode излучаются с использованием ассемблера nasm.
Электронный архив на сайте издательства содержит исходные тексты примеров и необходимые для работы файлы.

Графовые нейронные сети на Python, Лабонн М., Груздев А., 2025.

   Графовые нейронные сети стали одной из самых интересных архитектур в глубоком обучении. Технологические компании теперь пытаются применить их повсюду: в системах рекомендаций еды, видео и поиска романтических партнеров, для выявления фейковых новостей, проектирования микросхем и 3D-реконструкции.
Прочитав книгу, вы научитесь создавать собственные графовые наборы из табличных или исходных данных, преобразовывать узлы и ребра в высококачественные эмбеддинги, реализовывать графовые нейронные сети с использованием PyTorch Geometric, выполнять классификацию узлов, генерацию графов, предсказание связей, выбирать лучшую модель в зависимости от вашей задачи.
Издание предназначено специалистам по анализу и обработке данных, а также будет полезно разработчикам на Python и студентам вузов, желающих приобрести знания по одной из самых популярных архитектур ИИ.

Байесовская оптимизация с примерами из библиотек Python, Нгуен К., 2024.

   Книга рассказывает об оптимизации моделей машинного обучения на основе байесовского метода и теории вероятностей. Примеры составлены на языке Python с использованием библиотек PyTorch, GPyTorch и BoTorch. Описаны приемы настройки гиперпараметров, гауссовское распределение, использование политик машинного обучения, в частности на основе задачи о многоруких бандитах, повышение производительности вычислений, многовариантная оптимизация с учетом полезности и затрат, а также применение байесовского метода в специализированных сценариях.

Автоматизация рутины в Excel VBA, Лайфхаки для облегчения скучных рабочих задач, Шитов В.Н., 2023.

   Часто работаете с большим количеством данных? Знаете основные приемы в Excel, но еще не пробовали использовать язык Visual Basic? Тогда самое время разобраться в нем и перестать тратить время на операции, которые можно выполнить одним кликом. С помощью этого руководства вы научитесь правильно использовать синтаксис VBA, сделать тривиальные действия в Excel автоматическими, быстро обрабатывать любые данные и визуализировать их в подходящем формате, легко подстраивать функции VBA под свои нужды и писать любой код самостоятельно.

Web Automation with Playwright and Python using AI and MCP, Pathak K., 2026.

   This book, Web Automation with Playwright and Python using AI and MCP, is designed to help you navigate this shift. Playwright, a modern framework developed by Microsoft, provides reliable cross-browser automation, while Python offers a clean and flexible way to build and manage test scripts.

Надежный Python, Виафоре П., 2023.

   Современные проекты на языке Python непрерывно растут, развиваются и при этом неизбежно усложняются. Добиться надежности кода Python при сохранении гибкости, понятности и расширяемости приложений позволяет система типов, которая в данной книге подробно исследована в рамках парадигмы ООП. Особое внимание уделяется аннотированию и проверке типов, а также созданию пользовательских специализированных типов. Продвинутые главы книги посвящены вопросам тестирования, линтинга и обеспечения надежности программ на Python.

Анализ данных с LLM, Текст, таблицы, изображения и аудио, Труммер И., 2026.

   Эта книга написана, чтобы помочь разработчикам создавать приложения для анализа мультимодальных данных с использованием современных языковых технологий. Здесь рассматриваются языковые модели и основные библиотеки Python, которые понадобятся для работы с ними. С помощью серии мини-проектов показано, как использовать языковые модели для анализа текста, табличных данных, графов, изображений, видео- и аудиофайлов. Изучив такие темы, как промпт-инжиниринг (создание подсказок для языковых моделей), дообучение и современные программные фреймворки, вы сможете с помощью моделей быстро создавать сложные, производительные и экономически эффективные приложения для анализа данных.

Python и анализ данных, Маккинли У., 2024.

   Книгу можно рассматривать как современное практическое введение в разработку научных приложений на Python, ориентированных на обработку данных. Описаны те части языка Python и библиотеки для него, которые необходимы для эффективного решения широкого круга аналитических задач: интерактивная оболочка IPython, библиотеки NumPy и pandas, библиотека для визуализации данных matplotlib и др.
Издание идеально подойдет как аналитикам, только начинающим осваивать обработку данных, так и опытным программистам на Python, еще не знакомым с научными приложениями.