Целью учебной дисциплины «Архитектура и программное обеспечение вычислительных систем» является формирование у будущих преподавателей физики, математики и информатики профессиональных компетенций в области физических основ построения и функционирования компьютера, аппаратного и программного обеспечения вычислительных систем. При изучении данной дисциплины студенты приобретут знания о способах и формах представления информации в вычислительных системах, об архитектуре и принципах работы ЭВМ и еѐ основных логических блоков, организации вычислительных систем.

Книга знакомит с основами науки о данных. В ней охватываются все ключевые аспекты, начиная с истории развития сбора и анализа данных и заканчивая этическими проблемами, связанными с конфиденциальностью информации. Авторы объясняют, как работают нейронные сети и машинное обучение, приводят примеры анализа бизнес-проблем и того, как их можно решить, рассказывают о сферах, на которые наука о данных окажет наибольшее влияние в будущем.

Эта книга — первый кросс-дисциплинарный гид по искусственному интеллекту на русском языке. Сильный искусственный интеллект — это следующая ступень в развитии ис­кусственного интеллекта (ИИ), не обязательно наделенного самосознанием, но, в отличие от современных нейросетей, способного справляться с широким кругом задач в разных условиях. Авторы книги рассказывают о том, что должен уметь сильный ИИ, какие научные подходы помогут его создать и как изменится мир с его появлением.

Главная задача книги — определить набор руководящих принципов и описать их применение в функциональных областях управления данными. Издание всесторонне описывает проблемы, возникающие в процессе управления данными, и предлагает способы их решения. В нем подробно описаны широко принятые практики, методы и приемы, функции, роли, результаты и метрики. Книга предоставляет специалистам по управлению данными, ИТ-специалистам, руководителям, преподавателям и исследователям обширный материал для совершенствования работы с информационными активами и корпоративными данными.

Маркос Лопез де Прадо делится тем, что обычно скрывают - самыми прибыльными алгоритмами машинного обучения, которые он использовал на протяжении двух десятилетий, чтобы управлять большими пулами средств самых требовательных инвесторов. Машинное обучение меняет практически каждый аспект нашей жизни, алгоритмы МО выполняют задачи, которые до недавнего времени доверяли только проверенным экспертам. В ближайшем будущем машинное обучение будет доминировать в финансах, гадание на кофейной гуще уйдет в прошлое.

«Основы больших данных» обеспечивают прагматичное и серьезное введение в область больших данных. Популярный ИТ-автор Томас Эрл и его команда четко объясняют ключевые концепции, теорию и терминологию Big Data, а также фундаментальные технологии и методы. Весь охват материала книги поддерживается примерами из практики и многочисленными простыми диаграммами.

Машинное обучение — это сегодня один из самых быстро развивающихся разделов информатики, с приложениями в самых разных областях. Цель этой книги — познакомить читателя с фундаментальными принципами машинного обучения и характерными для него алгоритмическими парадигмами. Книга вмещает в себя обширный свод основополагающих теоретических идей машинного обучения и математические выкладки, благодаря которым эти идеи становятся практическими алгоритмами.

Многотомная работа посвящена систематическому изложению общих формализмов, математических моделей и алгоритмических методов, которые могут быть исспользуемы при моделировании и исследованиях математических моделей объектов искусственного интеллекта. Развиваются представления и методы решения, основанные на теориях эвристического поиска и автоматическом доказательстве теорем, а также процедуральные методы, базирующиеся на классе проблемно-ориентированных языков, сочетающих свойства языков программирования и автоматических решателей задач отображения искусственного интеллекта различными математическими средствами.

Наука о данных — это вовсе не страшно! Изучите программирование на языке Python для анализа данных и статистики. Пишите код в облаке, используя Google Colab. Обменивайтесь данными и визуализируйте информацию. Интересуетесь наукой о данных, но немного побаиваетесь? Не нужно! Эта книга покажет, как использовать язык Python для создания интересных вещей с помощью науки о данных. Вы увидите, как установить набор инструментов Anaconda, благодаря которому работа с Python станет очень простой.

В этой книге представлено общее введение в вероятностные графовые модели (ВГМ) с инженерной точки зрения. В книге подробно рассматриваются теоретические основы для каждого из основных классов ВГМ, включая принципы и методы представления, логического вывода и обучения, а также обзоры реальных практических приложений для каждого типа модели. Примеры приложений взяты из самых разнообразных предметных областей и наглядно демонстрируют множество вариантов применения байесовских классификаторов, скрытых марковских моделей, байесовских сетей.

Автор книги "Наука о данных с нуля" легко, доступ­но и иногда с юмором повествует о сложных вещах, составляющих фундамент нау­ки о данных и машинного обучения. Второе издание кни­ги дополнено главами о глубоком обучении и этике данных. Кроме того, книга со­держит несколько новых разделов, в частности о рекуррентных нейронных сетях, векторных вложениях слов и разложении матриц и некоторые другие. В книге детально разбирается пример разработки глубокой ней­ронной сети по образу библиотеки Keras. В исходный код внесен ряд изменений, отражающих последние тренды в развитии языка Python, в частности широко ис­пользуются аннотации типов, не характерные для ранних версий языка Python, и типизированные именованные кортежи.

Архитектура компьютерных систем — это одна из базовых, фундаментальных основ в процессе профессиональной подготовки будущего техника-программиста. Курс лекций «Архитектура компьютерных систем» рассчитан на 74 аудиторных часа и предназначен для студентов 2 курса специальности «Программирование в компьютерных системах». Целью изучения дисциплины - формирование у студентов знаний о представлении информации в вычислительных системах, об архитектуре и принципах работы ЭВМ и её основных логических блоков, организации вычислительных систем.

Книга охватывает различные аспекты деятельности транспортной отрасли и может использоваться как базовый справочник или путеводитель по основам интеллектуальных транспортных систем (ИТС). В начале даётся определение интеллектуальной транспортной системы, освещаются её предназначение, цели и задачи. Далее описывается место ИТС в государстве и хозяйственно-экономическом комплексе страны, рассматриваются нормативные правовые акты, которые регламентируют функционирование ИТС. Приводятся функции ИТС, описываются её подсистемы, их взаимосвязь друг с другом и с внешними объектами.

В последнее время географические информационные системы (ГИС) находят широкое применение во многих отраслях науки и практики. Прежде всего следует отметить географию и ее дисциплины – геологию, геоморфологию, гидрометеорологию, почвоведение, биогеографию, ландшафтоведение, геоэкологию, геодезию и картографию, геодемографию; социально-экономическую, политическую и электоральную географию. Данные направления представляют собой традиционную область использования ГИС.

Существуют универсальные СУБД (Oracle, DB2, Microsoft SQL Server), которые направлены на многофункциональность, на удовлетворение всех потребностей информационных систем (ИС). Из-за своей всенаправленности, универсальные СУБД очень громоздкие и неповоротливые, часто они не успевают быстро адаптироваться к новым потребностям бизнеса, из-за чего бизнес теряет деньги. Считается, что именно бизнес является главной движущей силой развития СУБД (и IT продуктов в целом).

Как бы ни развивалась вычислительная техника и какие бы изменения в принципах вычислений ни происходили — во всех ее применениях, от смартфона и скромного ноутбука до больших мейнфреймов, распределенных систем и Интернета вещей, — всегда есть нечто неизменное: наличие операционной системы. Многие пользователи даже не подозревают, что операционная система — это не только и не столько красивые окошки на экране, сколько многие сотни тысяч строк кода, серьезнейшие алгоритмы, масса экспериментов

Колосс на глиняных ногах – так можно назвать программиста без подготовки в области Computer Science. Уверенное владение основами позволяет «не изобретать велосипеды» и закладывать в архитектуру программ эффективные решения. Всё это избавляет от ошибок и чрезмерных затрат на тестирование и рефакторинг. Не беда, если вы чувствуете себя не у дел, когда другие программисты обсуждают аппроксимативный предел. Даже специалисты с опытом допускают ошибки из-за того, что подзабыли Computer Science.

В книге дается обзор современного состояния и перспектив развития исследований по машинному интеллекту. Предложен подход к созданию «сильного» искусственного интеллекта с использованием принципов работы человеческого мозга. Каждая глава представляет собой самостоятельный очерк, ставящий и разрешающий актуальные вопросы современности: Какие задачи предстоит решить на пути совершенствования машинного обучения? Как машинный интеллект может способствовать технологическому развитию общества в целом и частного предпринимательства в частности?

В настоящем пособии представлены методические указания к выполнению восьми лабораторных работ по дисциплине «Технологии машинного обучения». По итогам выполнения всех работ студент должен получить теоретические знания об основных математических подходах и технологиях построения моделей машинного обучения, методах предобработки и анализа данных, основам работы с текстовыми данными, изображениями и временными рядами.

Широкое внедрение виртуализации, появление облачных вычислений, многократный ежегодный рост объемов данных и наличие разнообразных типов и источников данных — все эти факторы сделали современные технологии хранения данных еще важнее и актуальнее для успешной деятельности как коммерческих, так и любых других организаций. Наиболее остро по сравнению с прежними временами перед руководителями IT-отрасли встала проблема найма на работу и подготовки высококвалифицированных технических специалистов сферы хранения данных

Рост сложных задач, решение которых связано с применением современных ИТ-технологий, ведет к необходимости использования параллельных вычислений. Параллельные вычисления носят междисциплинарный характер. Они затрагивают, в частности, такие области, как численные методы, структуры и алгоритмы обработки данных, аппаратное и программное обеспечение, системный анализ.