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.

Предлагаемое пособие содержит три темы из первой части ЕГЭ профильного уровня с краткими ответами. Каждая тема сопровождается подробным решением и обоснованием разнообразных примеров, встречающихся на экзамене, приводятся примеры для самостоятельного решения и ответы к ним. Для удобства пользования пособием приводятся краткие справочные материалы по алгебре и началам анализа. Пособие адресовано старшеклассникам и абитуриентам для самостоятельной подготовки к экзаменам, учителям математики, методистам, слушателям подготовительных отделений вузов и репетиторам.

В предлагаемом пособии представлен материал профильного уровня для подготовки к ЕГЭ: решение уравнений и неравенств. В него входят все основные методы решения уравнений, изучаемых в основной и старшей школе: целых рациональных, дробно-рациональных, иррациональных, логарифмических и показательных. В последние годы стало активно внедряться в ЕГЭ по математике решение неравенств методом рационализации. На многочисленных примерах с подробными решениями и обоснованиями показаны различные методы и идеи решения уравнений и неравенств. Пособие предназначено для выпускников средней школы, слушателей подготовительных отделений вузов, методистов и репетиторов, а также может быть полезно учителям математики в качестве дополнительного материала к школьному учебнику для работы в классах с углубленным изучением математики и при проведении кружковых и факультативных занятий.

Предлагаемое пособие содержит подробное решение всех заданий ЕГЭ базового уровня с анализом типичных ошибок, допускаемых школьниками и абитуриентами. Ошибки классифицированы, указаны их причины и приведены правильные решения. Для удобства пользования пособием приводятся краткие справочные материалы по всему курсу математики 7-11 классов. Разобраны более 400 примеров и дан анализ типичных ошибок, допу­скаемых абитуриентами на экзамене, указаны причины таких ошибок и приведены правильные решения. Пособие адресовано старшеклассникам и абитуриентам для эффективной подготовки и успешной сдачи экзамена, а также учителям математики, методистам, слушателям подготовительных отделений вузов и репетиторам.

Пособие предназначено для отработки навыков выполнения заданий высокого уровня сложности (часть 2) ЕГЭ по химии. Пособие состоит из пяти разделов и приложения. Каждый из разделов содержит примеры, которые позволяют освоить алгоритм выполнения за­даний высокого уровня сложности. Число приведённых заданий является достаточным для выработки устойчивых навыков (всего в пособии более 1 000 заданий). Для каждого задания даётся ответ, в большинстве случаев — с пояснениями или подробным разбором его выполнения. Пособие поможет выпускникам качественно подготовиться к ЕГЭ по химии и сдать его на высокий балл. Учителя могут использовать материал пособия для организации повторения и систематизации изученного материала, для выявления и устранения пробелов в знаниях старшеклассников, для формирования у них устойчивых навыков решения задач высокого уровня сложности.

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. 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».