Пылов

Основы работы с моделями машинного и глубокого обучения, Пылов П.А., 2023.
 
   Представлены необходимые инструменты для программной и математической разработки моделей прикладного машинного и глубокого обучения. Показаны базовые принципы и аспекты, которыми оперирует область Data Science. Дан ознакомительный экскурс по теоретической составляющей курса, для каждой рассмотренной модели машинного/глубокого обучения поставлена в соответствие её прикладная реализация.
Для студентов, обучающихся по направлению подготовки «Искусственный интеллект». Может быть полезно специалистам в области искусственного интеллекта.

Алгоритмы Data Science и их практическая реализация на Python, Протодьяконов А.В., Пылов П.А., Садовников В.Е., 2022.

   Рассмотрен полный каскад разработки моделей искусственного интеллекта. Проанализирована область Data Science, из которой выделены все необходимые для прикладной сферы алгоритмы машинного обучения, расположенные по уровню возрастания сложности работы с ними.
Для студентов, изучающих информационные технологии. Может быть полезно как начинающим программистам, так и специалистам высокого уровня.

Python, Django, Data Science, Майтак Р.В., Пылов П.А., Протодьяконов А.В., 2025.

   Показаны основы работы на Python, а также два его основных ответвления — вебразработка на Django и область прикладного искусственного интеллекта, являющаяся частью Data Science.
Для студентов и сотрудников высших технических учебных заведений, а также специалистов прикладной сферы анализа данных.

Python, Django, Data Science, Майтак Р.В., Пылов П.А., Протодьяконов А.В., 2025.
     
   Показаны основы работы на Python, а также два его основных ответвления - вебразработка на Django и область прикладного искусственного интеллекта, являющаяся частью Data Science.
Для студентов и сотрудников высших технических учебных заведений, а также специалистов прикладной сферы анализа данных.

Алгоритмы Data Science и их практическая реализация на Python, Учебное пособие, Протодьяконов А.В., Пылов П.А., Садовников В.Е., 2022.
 
Рассмотрен полный каскад разработки моделей искусственного интеллекта. Проанализирована область Data Science, из которой выделены все необходимые для прикладной сферы алгоритмы машинного обучения, расположенные по уровню возрастания сложности работы с ними. Для студентов, изучающих информационные технологии. Может быть полезно как начинающим программистам, так и специалистам высокого уровня.