Автоматизация_программируемых_сетей.pdf
7.8 MB
Автоматизация программируемых сетей [2019] Осуолт, Эделман
Постоянное появление новых протоколов, технологий, моделей доставки и ужесточение требований к интеллектуальности и гибкости бизнес-процессов сделали сетевую автоматизацию чрезвычайно важной. Это практическое руководство наглядно демонстрирует сетевым инженерам, как использовать широкий спектр технологий и инструментальных средств, в том числе Linux, Python, JSON и XML, для автоматизации систем с помощью написания программного кода. Книга поможет вам упростить выполнение задач, связанных с конфигурированием, управлением и эксплуатацией сетевого оборудования, топологий, сервисов и поддержкой сетевых соединений. Внимательно изучая ее, вы получите основные практические навыки и освоите инструментальные средства, необходимые для сложного перехода к автоматизации сети.
Постоянное появление новых протоколов, технологий, моделей доставки и ужесточение требований к интеллектуальности и гибкости бизнес-процессов сделали сетевую автоматизацию чрезвычайно важной. Это практическое руководство наглядно демонстрирует сетевым инженерам, как использовать широкий спектр технологий и инструментальных средств, в том числе Linux, Python, JSON и XML, для автоматизации систем с помощью написания программного кода. Книга поможет вам упростить выполнение задач, связанных с конфигурированием, управлением и эксплуатацией сетевого оборудования, топологий, сервисов и поддержкой сетевых соединений. Внимательно изучая ее, вы получите основные практические навыки и освоите инструментальные средства, необходимые для сложного перехода к автоматизации сети.
👍2
[1] Встреча с незнакомкой (комета Галлея) [1986]
[2] Отсюда к звездам виден путь (ЦУП) [1989]
[3] Миссия «Союз-Аполлон» [1975]
[4] Космос, время московское [1982]
[5] Воспоминания Н.П. Каманина о космосе [1971]
[6] Земное притяжение (Союз-9) [1970]
[7] В скафандре над планетой (Восход-2) [1965]
[8] Орбиты «МИРа» [1993]
[9] Рождение идеи. Циолковский [1980]
[10] Пути жизнеобеспечения в космосе [1980]
➡️Смотреть фильмы⬅️
#космонавтика #астрономия #научные_фильмы #космос
[2] Отсюда к звездам виден путь (ЦУП) [1989]
[3] Миссия «Союз-Аполлон» [1975]
[4] Космос, время московское [1982]
[5] Воспоминания Н.П. Каманина о космосе [1971]
[6] Земное притяжение (Союз-9) [1970]
[7] В скафандре над планетой (Восход-2) [1965]
[8] Орбиты «МИРа» [1993]
[9] Рождение идеи. Циолковский [1980]
[10] Пути жизнеобеспечения в космосе [1980]
➡️Смотреть фильмы⬅️
#космонавтика #астрономия #научные_фильмы #космос
Цифровая обработка сигналов на Python [2017] Аллен Б. Дауни
Если вы знакомы с основами математики и с программированием на Python, то вы готовы к погружению в обработку сигналов. При изучении этой сложной темы в большинстве руководств начинают с теории, в этой же книге все изучается на примерах, взятых из реальной жизни. Уже в первой главе вы разложите звук на гармоники, поменяете их и создадите новые звуки.
Автор, Аллен Дауни, рассматривает несколько методов - тут и спектральное разложение, и фильтрация, и свертка, и быстрое преобразование Фурье. В этой книге много упражнений и примеров кода - с ними проще разбираться в материале. Книга профессора Дауни - идеальный путеводитель в мире цифровой обработки сигналов. Она содержит массу информации - от основ до "высоких материй", и она представлена в простом, логичном и хорошо организованном виде, с большим количеством иллюстраций. Прилагаемые Python-программы служат практическими, живыми примерами.
Если вы знакомы с основами математики и с программированием на Python, то вы готовы к погружению в обработку сигналов. При изучении этой сложной темы в большинстве руководств начинают с теории, в этой же книге все изучается на примерах, взятых из реальной жизни. Уже в первой главе вы разложите звук на гармоники, поменяете их и создадите новые звуки.
Автор, Аллен Дауни, рассматривает несколько методов - тут и спектральное разложение, и фильтрация, и свертка, и быстрое преобразование Фурье. В этой книге много упражнений и примеров кода - с ними проще разбираться в материале. Книга профессора Дауни - идеальный путеводитель в мире цифровой обработки сигналов. Она содержит массу информации - от основ до "высоких материй", и она представлена в простом, логичном и хорошо организованном виде, с большим количеством иллюстраций. Прилагаемые Python-программы служат практическими, живыми примерами.
👍1
Изучаем OpenCV 3 Кэлер А / Learning OpenCV 3
Разработка программ компьютерного зрения на C++ с применением библиотеки OpenCV. Это практическое руководство поможет вам начать освоение быстро развивающейся дисциплины компьютерного зрения. Написанная Адрианом Кэлером и Гэри Брэдски, создателем библиотеки OpenCV с открытым исходным кодом, эта книга является подробным введением в предмет и предназначена для разработчиков, научных сотрудников, инженеров-робототехников и энтузиастов-любителей. Вы узнаете, как создавать приложения, которые позволяют компьютерам «видеть» и принимать решения на основе полученных данных.
Библиотека OpenCV, насчитывающая свыше 500 функций, используется в самых разных коммерческих приложениях: охрана, обработка медицинских изображений, распознавание образов и лиц, робототехника, заводской контроль качества продукции. Прочитав эту книгу, вы сможете уверенно ориентироваться в компьютерном зрении и OpenCV и создавать как простые, так и более изощренные приложения. Упражнения в конце каждой
Разработка программ компьютерного зрения на C++ с применением библиотеки OpenCV. Это практическое руководство поможет вам начать освоение быстро развивающейся дисциплины компьютерного зрения. Написанная Адрианом Кэлером и Гэри Брэдски, создателем библиотеки OpenCV с открытым исходным кодом, эта книга является подробным введением в предмет и предназначена для разработчиков, научных сотрудников, инженеров-робототехников и энтузиастов-любителей. Вы узнаете, как создавать приложения, которые позволяют компьютерам «видеть» и принимать решения на основе полученных данных.
Библиотека OpenCV, насчитывающая свыше 500 функций, используется в самых разных коммерческих приложениях: охрана, обработка медицинских изображений, распознавание образов и лиц, робототехника, заводской контроль качества продукции. Прочитав эту книгу, вы сможете уверенно ориентироваться в компьютерном зрении и OpenCV и создавать как простые, так и более изощренные приложения. Упражнения в конце каждой
Введение_в_рекурсивное_программирование.pdf
9.5 MB
Введение в рекурсивное программирование [2019] Рубио-Санчес
Подробно анализируя широкий спектр вычислительных задач различной сложности, книга послужит полезным руководством для всех тех, кто хочет научиться думать и программировать рекурсивно. Издание содержит специальные главы о наиболее распространенных типах рекурсии (линейной, хвостовой, множественной), а также о парадигмах разработки алгоритмов, где преобладает рекурсия («разделяй и властвуй» и перебор с возвратами). Поэтому его можно использовать как во вводных, так и в углублённых курсах по программированию и разработке алгоритмов.
Книга освещает также низкоуровневые вопросы выполнения рекурсивных программ, отношение между рекурсией и итерацией, а также включает в себя большую главу по теоретической оценке стоимости вычисления рекурсивных программ. И наконец, в книге рассматриваются комбинаторные задачи и взаимная рекурсия.
Подробно анализируя широкий спектр вычислительных задач различной сложности, книга послужит полезным руководством для всех тех, кто хочет научиться думать и программировать рекурсивно. Издание содержит специальные главы о наиболее распространенных типах рекурсии (линейной, хвостовой, множественной), а также о парадигмах разработки алгоритмов, где преобладает рекурсия («разделяй и властвуй» и перебор с возвратами). Поэтому его можно использовать как во вводных, так и в углублённых курсах по программированию и разработке алгоритмов.
Книга освещает также низкоуровневые вопросы выполнения рекурсивных программ, отношение между рекурсией и итерацией, а также включает в себя большую главу по теоретической оценке стоимости вычисления рекурсивных программ. И наконец, в книге рассматриваются комбинаторные задачи и взаимная рекурсия.
👍1
Глубокое_обучение_на_Python_2018.pdf
10.3 MB
Глубокое обучение на Python [2018] Шолле Ф.
Глубокое обучение — Deep learning — это набор алгоритмов машинного обучения, которые моделируют высокоуровневые абстракции в данных, используя архитектуры, состоящие из множества нелинейных преобразований. Согласитесь, эта фраза звучит угрожающе. Но всё не так страшно, если о глубоком обучении рассказывает Франсуа Шолле, который создал Keras — самую мощную библиотеку для работы с нейронными сетями. Познакомьтесь с глубоким обучением на практических примерах из самых разнообразных областей.
Книга делится на две части: в первой даны теоретические основы, вторая посвящена решению конкретных задач. Это позволит вам не только разобраться в основах DL, но и научиться использовать новые возможности на практике. Обучение — это путешествие длиной в жизнь, особенно в области искусственного интеллекта, где неизвестностей гораздо больше, чем определенности.
Глубокое обучение — Deep learning — это набор алгоритмов машинного обучения, которые моделируют высокоуровневые абстракции в данных, используя архитектуры, состоящие из множества нелинейных преобразований. Согласитесь, эта фраза звучит угрожающе. Но всё не так страшно, если о глубоком обучении рассказывает Франсуа Шолле, который создал Keras — самую мощную библиотеку для работы с нейронными сетями. Познакомьтесь с глубоким обучением на практических примерах из самых разнообразных областей.
Книга делится на две части: в первой даны теоретические основы, вторая посвящена решению конкретных задач. Это позволит вам не только разобраться в основах DL, но и научиться использовать новые возможности на практике. Обучение — это путешествие длиной в жизнь, особенно в области искусственного интеллекта, где неизвестностей гораздо больше, чем определенности.
👍2❤1😍1
Прикладной_анализ_текстовых_данных.pdf
10.3 MB
Прикладной анализ текстовых данных на Python. Машинное обучение и создание приложений обработки естественного языка [2019] Бенгфорт
Технологии анализа текстовой информации стремительно меняются под влиянием машинного обучения. Нейронные сети из теоретических научных исследований перешли в реальную жизнь, и анализ текста активно интегрируется в программные решения. Нейронные сети способны решать самые сложные задачи обработки естественного языка, никого не удивляет машинный перевод, «беседа» с роботом в интернет-магазине, перефразирование, ответы на вопросы и поддержание диалога. Почему же Сири, Алекса и Алиса не хотят нас понимать, Google находит не то, что мы ищем, а машинные переводчики веселят нас примерами «трудностей перевода» с китайского на албанский? Ответ кроется в мелочах – в алгоритмах, которые правильно работают в теории, но сложно реализуются на практике.
Технологии анализа текстовой информации стремительно меняются под влиянием машинного обучения. Нейронные сети из теоретических научных исследований перешли в реальную жизнь, и анализ текста активно интегрируется в программные решения. Нейронные сети способны решать самые сложные задачи обработки естественного языка, никого не удивляет машинный перевод, «беседа» с роботом в интернет-магазине, перефразирование, ответы на вопросы и поддержание диалога. Почему же Сири, Алекса и Алиса не хотят нас понимать, Google находит не то, что мы ищем, а машинные переводчики веселят нас примерами «трудностей перевода» с китайского на албанский? Ответ кроется в мелочах – в алгоритмах, которые правильно работают в теории, но сложно реализуются на практике.
👍1
Обучение_мобильной_разработке_на.pdf
26.4 MB
Обучение мобильной разработке на Delphi [2015] Леонов
Книга посвящена изучению программирования в среде Delphi. В качестве учебных примеров были выбраны приложения, которые могут быть использованы в проектном обучении. Материалом книги во многом сформировался в результате реализации программы «Школа реальных дел 2014–2015» под эгидой Департамента Информационных Технологии Москвы (ДИТ Москвы).
Книга посвящена изучению программирования в среде Delphi. В качестве учебных примеров были выбраны приложения, которые могут быть использованы в проектном обучении. Материалом книги во многом сформировался в результате реализации программы «Школа реальных дел 2014–2015» под эгидой Департамента Информационных Технологии Москвы (ДИТ Москвы).
👍1
Обучение_с_подкреплением_2014_Саттон.pdf
9.4 MB
Обучение с подкреплением [2014] Саттон
Обучение с подкреплением является одной из наиболее активно развивающихся областей, связанных с созданием искусственных интеллектуальных систем. Оно основано на том, что агент пытается максимизировать получаемый выигрыш, действуя в сложной среде с высоким уровнем неопределенности.
Дается исчерпывающее и ясное изложение идей, методов и алгоритмов обучения с подкреплением, при этом диапазон излагаемого материала от истоков возникновения рассматриваемых концепций до современных результатов в данной области. Для специалистов в области искусственного интеллекта, нейросетевого моделирования и управления, а также студентов и аспирантов соответствующих специальностей.
Обучение с подкреплением является одной из наиболее активно развивающихся областей, связанных с созданием искусственных интеллектуальных систем. Оно основано на том, что агент пытается максимизировать получаемый выигрыш, действуя в сложной среде с высоким уровнем неопределенности.
Дается исчерпывающее и ясное изложение идей, методов и алгоритмов обучения с подкреплением, при этом диапазон излагаемого материала от истоков возникновения рассматриваемых концепций до современных результатов в данной области. Для специалистов в области искусственного интеллекта, нейросетевого моделирования и управления, а также студентов и аспирантов соответствующих специальностей.
👍1