Size: a a a

Physics.Math.Code

2020 July 08
Physics.Math.Code
Чистый Agile. Основы гибкости [2020] Роберт Мартин
источник
Physics.Math.Code
Чистый Agile. Основы гибкости [2020] Роберт Мартин

Прошло почти двадцать лет с тех пор, как появился Манифест Agile. Легендарный Роберт Мартин (Дядя Боб) понял, что пора стряхнуть пыль с принципов Agile и заново рассказать о гибком подходе не только новому поколению программистов, но и специалистам из других отраслей. Автор полюбившихся айтишникам книг «Чистый код», «Идеальный программист», «Чистая архитектура» стоял у истоков Agile. «Чистый Agile» устраняет недопонимание и путаницу, которые за годы существования Agile усложнили его применение по сравнению с изначальным замыслом. По сути Agile — это всего лишь небольшая подборка методов и инструментов, помогающая небольшим командам программистов управлять небольшими проектами, но приводящая к большим результатам, потому что каждый крупный проект состоит из огромного количества кирпичиков. Пять десятков лет работы с проектами всех мыслимых видов и размеров позволяют Дяде Бобу показать, как на самом деле должен работать Agile.
источник
Physics.Math.Code
Head First. Изучаем Go [2020] Макгаврен Джей
источник
Physics.Math.Code
Head First. Изучаем Go [2020] Макгаврен Джей

Go упрощает построение простых, надежных и эффективных программ. А эта книга сделает его доступным для обычных программистов. Основная задача Go — эффективная работа с сетевыми коммуникациями и многопроцессорной обработкой, но код на этом языке пишется и читается не сложнее чем на Python и JavaScript. Простые примеры позволят познакомиться с языком в действии и сразу приступить к программированию на Go. Так что вы быстро освоите общепринятые правила и приемы, которые позволят вам называть себя гофером.
источник
Physics.Math.Code
​​В основе современных цифровых продуктов лежат технологии искусственного интеллекта, глубокого и машинного обучения. Индустрия востребована, но квалифицированных специалистов мало — самое время прокачаться в Data Science.

На бесплатном занятии в Нетологии узнаете о возможностях обучения нейросетей, машинного и глубокого обучения, необходимом скилсете и путях входа в профессиональную область.

Регистрируйтесь, это бесплатно → http://netolo.gy/fFa
источник
Physics.Math.Code
Друзья, у нас есть обсуждения, в которые вы можете задавать свои вопросы и отвечать другим участникам

И это относится не только к нашему ламповому чату @math_code в телеге, но и к нашей группе в VK:

💡Обсуждения по всем тематическим вопросам 👨🏻‍💻

📌 Просмотрите темы обсуждений, вы наверняка найдете что-то полезное.
источник
Physics.Math.Code
Python Tutorial Release 3.7.0 Guido van Rossum and the Python development team
источник
Physics.Math.Code
Занимательная алгебра [1955] Перельман
источник
Physics.Math.Code
Занимательная алгебра [1955] Перельман

Не следует на эту книгу смотреть, как на легкопонятный учебник алгебры для начинающих. Подобно прочим моим сочинениям той же серии, «Занимательная алгебра» — прежде всего не учебное руководство, а книга для вольного чтения. Читатель, которого она имеет в виду, должен уже обладать некоторыми познаниями в алгебре, хотя бы смутно усвоен­ными или полузабытыми.

«Занимательная алгебра» ставит себе целью уточнить, воскресить и закрепить эти разрознен­ные и непрочные сведения, но главным образом — воспитать в читателе вкус к занятию алгеброй и возбудить охоту само­стоятельно пополнить по учебным книгам пробелы своей под­готовки. В этом отношении установка «Занимательной алгебры» противоположна задачам такой, например, книги, как «Числа и фигуры» Радемахера и Теплица *), которая не требует от чи­тателя «помнить то, чему мы учились по математике в юные годы». Моя книга, напротив, стремится помочь закреплению школьных знаний и навыков.
источник
Physics.Math.Code
источник
Physics.Math.Code
источник
2020 July 09
Physics.Math.Code
5 ошибок, которые могут помешать вам стать программистом

Некоторые очевидные и не очень ошибки начинающих программистов. Это модели поведения и ложные представления, которые могут или вообще закрыть вам дорогу в программирование, или, по крайней мере, растянуть этот путь на много лет. Статья предназначена в первую очередь для новичков.

💡Читать в нашем канале на Яндекс.Дзене 📌

#программирование #article
источник
Physics.Math.Code
Learning Spark: Lightning-Fast Data Analytics, 2nd edition [2020] Damji, Wenig
Изучаем Spark: Молниеносная аналитика данных, 2 изд. Дамджи, Вениг
источник
Physics.Math.Code
Learning Spark: Lightning-Fast Data Analytics, 2nd edition [2020] Damji, Wenig
Изучаем Spark: Молниеносная аналитика данных, 2 изд. Дамджи, Вениг

Data is getting bigger, arriving faster, and coming in varied formats—and it all needs to be processed at scale for analytics or machine learning. How can you process such varied data workloads efficiently? Enter Apache Spark.
Updated to emphasize new features in Spark 2.x., this second edition shows data engineers and scientists why structure and unification in Spark matters. Specifically, this book explains how to perform simple and complex data analytics and employ machine-learning algorithms. Through discourse, code snippets, and notebooks, you’ll be able.
источник
Physics.Math.Code
Структуры данных и алгоритмы [2000] Ахо, Хопкрофт, Ульман
источник
Physics.Math.Code
Структуры данных и алгоритмы [2000] Ахо, Хопкрофт, Ульман

В этой книге подробно рассмотрены структуры данных и алгоритмы, которые являются фундаментом современной методологии разработки программ. Показаны разнообразные реализации абстрактных типов данных, начиная от стандартных списков, стеков, очередей и заканчивая множествами и отображениями, которые используются для неформального описания и реализации алгоритмов. Две главы книги посвящены методам анализа и построения алгоритмов; приведено и исследовано множество различных алгоритмов для работы с графами, внутренней и внешней сортировки, управления памятью. Книга не требует от читателя специальной подготовки, только предполагает его знакомство с какими-либо языками программирования высокого уровня, такими как Pascal. Вместе с тем она будет полезна специалистам по разработке программ и алгоритмов и может быть использована как учебное пособие для студентов и аспирантов, специализирующихся в области компьютерных наук.
источник
Physics.Math.Code
Математические методы анализа алгоритмов [1987] Кнут, Грин
источник
Physics.Math.Code
Математические методы анализа алгоритмов [1987] Кнут, Грин

Оригинальное и нестандартное изложение известных методов анализа алгоритмов, написанные крупным американским специалистом Д. Кнутом в соавторстве с Д. Грином. В книге представлены: комбинаторные тождества, рекуррентные соотношения, асимптотические представления. От читателя требуется знакомство с основами теории вероятностей, комбинаторного анализа и теории функций комплексного переменного. Для системных программистов, математиков-прикладников, аспирантов и студентов университетов.
источник
Physics.Math.Code
источник
Physics.Math.Code
источник