учебник по программированию

Computer Science, Основы программирования на Java, ООП, алгоритмы и структуры данных, Седжвик Р., Уэйн К., 2018.

   Преподаватели Принстонского университета Роберт Седжвик и Кевин Уэйн создали универсальное введение в Computer Science на языке Java, которое идеально подходит как студентам, так и профессионалам. Вы начнете с основ, освоите современный курс объектно-ориентированного программирования и перейдете к концепциям более высокого уровня: алгоритмам и структурам данных, теории вычислений и архитектуре компьютеров.
И главное — вся теория рассматривается на практических и ярких примерах: прикладная математика, физика и биология, числовые методы, визуализация данных, синтез звука, обработка графики, финансовое моделирование и многое другое.

Математика на Python, Часть 1, Элементы линейной алгебры и аналитической геометрии, Балджы А.С., Хрипунова М.Б., Александрова И.А., 2018.

   Дисциплина «Компьютерный практикум» является обязательной дисциплиной базовой части профессионального цикла ООП по направлению 38.03.01 «Экономика» всех профилей (модуль математики и информатики Б.1.1.2.3.). Изучение данной дисциплины нацелено на формирование у слушателей практических навыков по реализации математических методов и моделей, применяемых в профессиональных задачах, с помощью компьютерных вычислений. В учебном пособии представлены задачи по высшей математике и их реализация на языке Python.
Соответствует требованиям Федерального государственного образовательного стандарта высшего образования последнего поколения.
Учебно-методическое пособие предназначено для проведения занятий по дисциплине «Компьютерный практикум» для студентов, обучающихся по направлениям подготовки 38.03.01 «Экономика» и 38.03.02 «Менеджмент» (уровень бакалавриата) в Финансовом университете при Правительстве Российской Федерации, а также в других образовательных организациях высшего образования.

Алгоритмы, Эриксон Д., 2023.

   В этом руководстве содержатся основные сведения об алгоритмах: анализируются различные типы алгоритмов, рассматриваются методы их построения (рекурсия, динамическое программирование и др.), приводятся практические примеры. В конце каждой главы приводятся упражнения, направленные на закрепление пройденного.
Для изучения материала требуется знание основ дискретной математики и методов доказательств, а также представление об основных вычислительных задачах и алгоритмах. Желателен практический опыт работы с языком программирования, поддерживающим косвенную адресацию и рекурсию.
Издание адресовано студентам и преподавателям технических вузов, а также тем, кто хочет изучить основы алгоритмизации.

SQL для анализа данных, Танимура К., 2024.

   Рассказывается о возможностях SQL применительно к анализу данных. Сравниваются различные типы баз данных, описаны методы подготовки данных для анализа. Рассказано о типах данных, структуре SQL-запросов, профилировании, структурировании и очистке данных. Описаны методы анализа временных рядов, трендов, приведены примеры анализа данных с учетом сезонности. Отдельные главы посвящены когортному анализу, текстовому анализу, выявлению и обработке аномалий, анализу результатов экспериментов и А/В-тестирования. Описано создание сложных наборов данных, комбинирование методов анализа. Приведены практические примеры анализа воронки продаж и потребительской корзины.

Python - это просто, Пошаговое руководство по программированию и анализу данных, Нисчал Н., 2023.

   Рассмотрены основы синтаксиса языка Python на примере дистрибутива Anaconda. Показаны приложения IPython, Spyder IDE, Jupyter Notebook. Описан синтаксис переменных, функций, циклов. Подробно изучаются структуры данных в Python: строки, списки, кортежи, множества и словари. Объясняегсл понятие классов и их применение в объектно-ориентированном программировании. Описаны возможности библиотеки обработки изображений Pillow, библиотеки Tkinter для создания приложений с графическим интерфейсом. Отдельный раздач посвящен обработке ошибок и исключений в программах. Рассматриваются библиотеки NumPy и Pandas, приводятся практические примеры их использования для анализа и обработки данных. Описана библиотека Matplotlib и ее возможности в сфере визуализации данных.

Python, Системный анализ данных, расчеты и моделирование, Сунднес Й., 2025.

   Перед вами подробное руководство по применению в научных целях Python — современного и наиболее востребованного языка программирования. Его преимущество заключается в том, что это так называемый язык высокого уровня с простым и интуитивно понятным синтаксисом. Однако несмотря на то, что Python хорошо подходит в качестве языка для начинающих, он также активно применяется и для решения самых сложных задач, благодаря чему в настоящее время является одним из наиболее широко используемых языков программирования во всем мире. Автор книги, норвежский исследователь Йоаким Сунднес, известный своими достижениями в области научных вычислений, машинного обучения и моделирования, подробно объясняет принципы работы с Python. Начиная с базового синтаксиса и заканчивая более сложными аспектами, в том числе применением инструментария объектно-ориентированного программирования на практике, он попутно знакомит читателя с использованием библиотек NumPy и Matplotlib для научных вычислений и визуализации научных данных.
Издание будет полезно специалисту с любым опытом и уровнем знаний. Изложение материала простое и доступное, что делает данное пособие отличным выбором для самостоятельного изучения. Оно прекрасно подойдет как для студентов, делающих первые шаги в программировании, так и для профессионалов, которые хотят овладеть новым инструментарием и внедрить Python в свои проекты. Читатели найдут здесь множество примеров решения практических задач, дополненных подробными объяснениями и комментариями.

Введение в статистическое обучение с примерами на языке Python, Джеймс Г., Уиттен Д., Хасти Т., Тибширани Р., Тейлор Дж., 2024.

   В этой книге доступным языком описывается все разнообразие форм статистического обучения. Рассматриваются линейная регрессия, классификация, методы повторной выборки, отбор и регуляризация, полиномиальная регрессия, сплайны, локальная регрессия, обобщенные аддитивные модели, деревья решений, метод опорных векторов, кластеризация, а также нейронные сети, анализ выживаемости и множественная проверка гипотез. Теоретическая часть дополнена примерами из реальной практики и разборами решений на языке Python.
Издание предназначено не только для опытных специалистов в области статистики, но и для тех, кто желает попробовать применить продвинутые техники статистического обучения при анализе своих данных.

Python, Pandas на практике, 200 упражнений по анализу данных с решениями и пояснениями, Реувен Л., 2025.

   Сегодня трудно представить аналитика данных, не пользующегося библиотекой Pandas, но в тонкостях работы с ней немудрено запутаться. В этой книге собраны упражнения, основанные на многолетней преподавательской практике автора. Прочитав её, вы будете чувствовать себя уверенно при встрече с недостатками реальных данных в виде пропущенных значений, смешанных форматов и отсутствия чёткой структуры.
Книга предназначена начинающим аналитикам данных, изучающим Pandas, но будет полезна и опытным специалистам, стремящимся отточить свои навыки.