Руководство позволит разработчикам, интересующимся паттернами проектирования в Kotlin, применить свои знания на практике. В книге рассматриваются классические и современные паттерны проектирования, демонстрируются практические подходы к их реализации и соответствующие методологии. Третье издание содержит актуальные обновления Kotlin, начиная с версии 1.6, и предлагает углубленное обсуждение таких тем, как структурированная конкурентность и контекстные приемники. Книга начинается с описания базового синтаксиса Kotlin и важности паттернов проектирования, в том числе классических порождающих, структурных и поведенческих паттернов. Затем она переходит к представлению средств функционального программирования и паттернов реактивной и конкурентной обработки, включая корутины и структурированную конкурентность. Знакомясь с этими продвинутыми концепциями, вы будете совершенствовать навыки программирования на Kotlin.

Инфраструктура как код (IaC) – это набор методов и процессов для построения и обслуживания инфраструктуры с использованием скриптов, файлов конфигурации или языков программирования. IaC значительно облегчает тестирование компонентов, реализацию функций и масштабирование системы. Но самое главное – поскольку IaC следует классическим методам разработки, для внесения изменений в масштабах системы достаточно нескольких коммитов кода! Прочитав эту книгу, вы научитесь создавать виртуальные серверы, сети, балансировщики нагрузки, брандмауэры и другие компоненты с помощью Python и Terraform, а также уверенно обновлять инфраструктуру, не прерывая работу системы. Советы экспертов по стратегиям совместной работы в команде помогут вам избежать нестабильности, повысить безопасность системы и сократить расходы.

Книга имеет своей целью изучение базовых принципов устройства современных ЭВМ, анализ качественных и количественных характеристик различных компонент ЭВМ, анализ влияния этих характеристик на работу прикладных программ. Помимо того, предполагается практическое освоение языка ассемблера архитектуры IA-32, изучение особенностей этой процессорной архитектуры, изучение взаимосвязей между архитектурой набора команд, механизмами реализации языка Си и системой программирования.

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.

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.

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.

Книга посвящена обучению основам компьютерного моделирования физических процессов. Каждая глава содержит теоретический материал, описание математических методов, используемых для построения компьютерных моделей физических процессов, а также задачи для самостоятельного решения. В качестве базового программного продукта используется пакет MATLAB. В книге обобщен опыт преподавания автором ряда дисциплин для бакалавров, магистров и специалистов, обучающихся по направлениям подготовки и специальностям укрупненных групп специальностей 09.00.00 - «Информатика и вычислительная техника», 10.00.00 - «Информационная безопасность» в Уральском федеральном университете. К книге прилагается электронное приложение доступное для скачивания на сайте издательства, содержащее программные реализации каждой из рассмотренных в ней компьютерных моделей, реализованных автором на внутреннем языке пакета MATLAB в виде m-файлов и т-функций.

В этом издании мы расскажем вам о последних достижениях в области технологий искусственного интеллекта, а также о том, какой прогресс достигнут исследователями, разработчиками и энтузиастами, продолжающими расширять границы инноваций. Данная книга представляет собой подробное руководство для разработчиков на Python, желающих научиться создавать приложения с использованием больших языковых моделей. Авторы расскажут об основных возможностях и преимуществах моделей GPT-4 и GPT-3.5, а также принципах их работы. Здесь же вы найдете пошаговые инструкции по разработке приложений с использованием библиотеки для Python от OpenAI, в том числе инструментов для генерирования текста, отправки вопросов и получения ответов и создания интеллектуальных ассистентов. Издание содержит множество легковоспроизводимых примеров, которые помогут применить модели в своих проектах. Все примеры кода на Python доступны в репозитории GitHub. Решили использовать возможности LLM в своих приложениях? Тогда вы выбрали правильную книгу.