Все для школьников, студентов, учащихся, преподавателей и родителей - Обучалка - Obuchalka.org

Визуализация данных с помощью Python и JavaScript, Анализ и преобразование данных, Дейл К., 2026.

   Хотите научиться эффективно представлять данные? Эта книга покажет полный путь преобразования сырых данных в яркие и информативные визуализации. Вы освоите инструменты Python и JavaScript, используя популярные и доступные библиотеки. Киран Дейл делится проверенными методами сбора, очистки и анализа данных, демонстрируя создание динамических веб-интерфейсов. Вы сможете уверенно создавать привлекательные и понятные представления данных как локально, так и прямо в браузере.
Будет полезно для всех, кто хочет прокачать навыки обработки и отображения данных в современных веб-приложениях.

The Virtual Universe, Kaplan A., 2026.

   I FIRST BECAME INTERESTED in virtual worlds when I was a PhD student about two decades ago. At the time, the virtual social world Second Life, founded in 2003, was at the center of media excitement, and I was fascinated by the idea of a virtual space where you could earn money while working as an avatar — a term that I had to look up to understand. This curiosity led me to start several projects examining consumer behavior in virtual worlds and exploring how brands could establish flagship stores on an island in Second Life.

Современное прогнозирование временных рядов, Манохин В.С., 2026.

   Книга представляет собой комплексное руководство по прогнозированию временных рядов, объединяющее классические статистические методы (ARIMA, ETS), градиентный бустинг и современные нейросетевые архитектуры в едином рабочем процессе на Python. Ключевая особенность издания — глава о прогнозируемости (forecastability): семнадцать количественных метрик оценки предсказуемости ряда, позволяющих определить теоретический предел точности еще до выбора модели. Отдельные разделы посвящены корректному проектированию схемы валидации, обнаружению и компенсации дрейфа данных, а также построению воспроизводимых production-решений.
Издание предназначено специалистам по анализу данных, инженерам машинного обучения и исследователям, работающим с временными рядами. Она также будет полезна аспирантам, преподавателям и техническим руководителям в области прогнозной аналитики.

Ручные гранаты, Справочник, Прибылов Б.В., 2004.

   Справочник будет полезен военнослужащим, сотрудникам силовых структур, поисковикам, работающим на местах боёв ВОВ, а также всем интересующимся военной техникой и вооружением.

Python для сложных задач, Наука о данных, Плас В.Д., 2026.

   Python — первоклассный инструмент, и в первую очередь благодаря наличию множества библиотек для хранения, анализа и обработки данных. Отдельные части стека Python описываются во многих источниках, но только в новом издании «Python для сложных задач» вы найдете подробное описание IPython, NumPy, pandas, Matplotlib, Scikit-Learn и др.
Специалисты по обработке данных, знакомые с языком Python, найдут во втором издании решения таких повседневных задач, как обработка, преобразование и подготовка данных, визуализация различных типов данных, использование данных для построения статистических моделей и моделей машинного обучения. Проще говоря, эта книга является идеальным справочником по научным вычислениям в Python.

Python для data science, Васильев Ю., 2026.

   Python — идеальный выбор для манипулирования и извлечения информации из данных всех видов. «Python для data science» познакомит программистов с питоническим миром анализа данных. Вы научитесь писать код на Python, применяя самые современные методы, для получения, преобразования и анализа данных в управлении бизнесом, маркетинге и поддержке принятия решений.
Познакомьтесь с богатым набором встроенных структур данных Python для выполнения основных операций, а также о надежной экосистеме библиотек с открытым исходным кодом для data science, включая NumPy, pandas, scikit-learm, matplotlib и другие. Научитесь загружать данные в различных форматах, упорядочивать, группировать и агрегировать датасеты, а также создавать графики, карты и другие визуализации. На подробных примерах стройте реальные приложения, в том числе службу такси, использующую геолокацию, анализ корзины для определения товаров, которые обычно покупаются вместе, а также модель машинного обучения для прогнозирования цен на акции.

Повышение языковых компетенций для сдачи ЕГЭ по английскому языку, Пишкова Е.Ю., Самарина И.В., 2025.

   Учебное пособие предназначено для слушателей дополнительной образовательной программы «Практика устной и письменной речи» на базе Воскресной лингвистической школы Южного федерального университета, а также учащихся 10-11 классов, готовящихся к сдаче ЕГЭ по английскому языку. Цель пособия - помочь учащимся добиться оптимальных результатов на едином государственном экзамене благодаря отработке теоретических и практических навыков для выполнения отдельных заданий экзамена. Предлагаемые систематизированные задания и упражнения призваны обеспечить сознательный подход к практическому овладению навыками чтения, письма, говорения, а также повысить уровень владения лексикой и грамматикой.

Pattern Recognition Primer, Przystalski K., Ogorzałek M.J., Argasiński J.K., 2026.

   This book is suitable for wide range of data scientists, machine learning engineers, data analysts, academic teachers and especially for students. One of the advantages of this book is that the reader is able to get a detailed explanation of each commonly used classification method. Each method is presented in a easily to understand way by using simple comparison examples and additionally ready to use examples written in Python. Teachers can use it for their lectures/lessons and students to learn about clas-sification methods. Each exercise have a solution that is described in the appendix to the book. Additionally, ready to use examples written in Python are shown. Teachers can use it for their lectures/lessons and students to learn about classification methods.