Орланд Пол.
Математические алгоритмы для программистов. 3D-графика, машинное обучение и моделирование на Python / Пол Орланд ; [перевод с английского А. Киселев] . - Санкт-Петербург [и др.] : Питер, 2025. - 751 с. : ил. - (Библиотека программиста). - Оригинальное название: Math for Programmers: 3D graphics, machine learning, and simulations with Python. - ISBN 978-5-4461-2287-5. - ISBN 978-1617295355 англ.

Шифры: 004.4 - О-66

Аннотация: Неважно, чем вы занимаетесь — большими данными, машинным обучением, компьютерной графикой или криптографией, — без математики вам не обойтись! Везде сейчас требуются базовые знания и понимание алгоритмов. Практические примеры позволят легко разобраться с самыми необходимыми математическими понятиями. 300 упражнений и мини-проектов откроют вам новые возможности в освоении интересных и популярных IT-профессий. Вы познакомитесь с базовыми библиотеками Python, используемыми при разработке реальных приложений, и вспомните давно забытые основы линейной алгебры и матана.

Экземпляры: Всего: 3, из них: чзнл-2, ЭБС-1

Николенко С.И.
Глубокое обучение. Погружение в мир нейронных сетей / С.И. Николенко, А.А. Кадурин, Е.О. Архангельская. - Санкт-Петербург : Питер, 2025. - 476 с. : ил. - (Библиотека программиста). - Доступна электронная версия издания 2020 г. - URL: https://ibooks.ru/products/377026. - Режим доступа: по подписке, после регистрации в ЭБС " Ibooks" из сети МАИ. - ISBN 978-5-4461-1537-2.

Шифры: 004.8 - Н 636

Аннотация: Перед вами - первая книга о глубоком обучении, написанная на русском языке. Глубокие модели оказались ключом, который подходит ко всем замкам сразу: новые архитектуры и алгоритмы обучения, а также увеличившиеся вычислительные мощности и появившиеся огромные наборы данных, привели к революционным прорывам в компьютерном зрении, распознавании речи, обработке естественного языка и многих других типично "человеческих" задачах машинного обучения. Эти захватывающие идеи, вся история и основные компоненты революции глубокого обучения, а также самые современные достижения этой области, доступно и интересно изложены в книге. Максимум объяснений, минимум кода, серьезный материал о машинном обучении и увлекательное изложение - в этой уникальной работе замечательных российских ученых и интеллектуалов

Экземпляры: Всего: 7, из них: абнл-4, чзнл-2, ЭБС-1

Ховард Джереми.
Глубокое обучение с fastai и PyTorch : минимум формул, минимум кода, максимум эффективности / Джереми Ховард, Сильвейн Гуггер ; [перевел с английского Д. Брайт]. - Санкт-Петербург и [др.] : Питер, 2025. - 621, [1] с. : ил. - (Бестселлеры O'Reilly). - Оригинальное название: Deep Learning for Coders with fastai and PyTorch: AI Applications Without a PhD. - ISBN 978-5-4461-1475-7. - ISBN 978-1492045526 англ.

Шифры: 004.8 - Х 683

Аннотация: Обычно на глубокое обучение смотрят с ужасом, считая, что только доктор математических наук или ботан, работающий в крутой айтишной корпорации, могут разобраться в этой теме. Отбросьте стереотипы: любой программист, знакомый с Python, может добиться впечатляющих результатов. Как? С помощью fastai — библиотеки, предоставляющей комфортный интерфейс для решения наиболее популярных задач. Создатели fastai доказали, что самые модные и актуальные приложения можно делать быстро и не засыпать над скучными теоретическими выкладками и зубодробительными формулами.

Экземпляры: Всего: 3, из них: чзнл-2, ЭБС-1

Шолле Франсуа.
Глубокое обучение на Python / Франсуа Шолле ; пер. с англ. А.Н. Киселев. - 2-е межд. издание. - Санкт-Петербург : Питер, 2025. - 574 с. : ил. - (Библиотека программиста). - Оригинальное название: Deep Learning with Python, Second Edition. - Доступна электронная версия издания 2023 г. - URL: https://ibooks.ru/products/386793. - Режим доступа: по подписке, после регистрации в ЭБС " Ibooks" из сети МАИ. - ISBN 978-5-4461-1909-7. - ISBN 978-1617296864 англ.

Шифры: 004.8 - Ш 783

Аннотация: Глубокое обучение динамично развивается, открывая все новые и новые возможности создания ПО. Это не только автоматический перевод текстов с одного языка на другой, распознавание изображений, но и многое другое. Глубокое обучение превратилось в важный навык, необходимый каждому разработчику. Keras и TensorFlow облегчают жизнь разработчикам и позволяют легко работать даже тем, кто не имеет фундаментальных знаний в области математики или науки о данных. Настала пора познакомиться с глубоким обучением и мощной библиотекой Keras! В этом расширенном и дополненном издании создатель библиотеки Keras — Франсуа Шолле — делится знаниями и с новичками, и с опытными специалистами. Иллюстрации и наглядные примеры помогут вам разобраться с самыми сложными вопросами и концепциями. Вы быстро приобретете навыки, необходимые для разработки приложений глубокого обучения.

Экземпляры: Всего: 9, из них: абнл-2, абст-4, чзнл-2, ЭБС-1

Факур М.
Causal Inference на Python. Причинно-следственные связи в IT-разработке / М. Факур; [перевел с английского Е. Матвеев; науч. ред. Д. Лысенко]. - Санкт-Петербург [и др.] : Питер ; Астана : Sprint Book, 2025. - 394, [2] с. : ил. - (Бестселлеры O'Reilly). - Оригинальное название: Causal Inference in Python: Applying Causal Inference in the Tech Industry. - ISBN 978-601-08-4354-7. - ISBN 978-1098140250англ.

Шифры: 004.8 - Ф 189

Аннотация: Сколько покупателей привлечет дополнительный доллар, вложенный в онлайн-рекламу? Какие клиенты будут покупать только по скидочному купону? Как разработать оптимальную стратегию ценообразования? Причинно-следственный анализ (casual inference) — лучший способ разобраться, как влиять на бизнес-метрики, которыми вы хотите управлять. И для этого понадобится всего пара строк кода на Python. Матеуш Факур рассказывает про малоизвестные применения причинно-следственного анализа, с помощью которых можно оценить влияние воздействия на результат. Менеджеры, специалисты по работе с данными и бизнес-аналитики познакомятся как с классическими методами причинно-следственного анализа (A/B тестами, линейной регрессией, мерой склонности, синтетическим контролем, разностью разностей), так и с современными подходами (применением машинного обучения для оценки гетерогенных эффектов). Каждый метод проиллюстрирован практическим примером.

Экземпляры: Всего: 2, из них: чзнл-2

Марков С.
Охота на электроовец. Большая книга искусственного интеллекта : в 2 т. / Сергей Марков ; иллюстрации О. Добровольского. - Москва, 2024. - ISBN 978-5-6052656-0-3.
Т. 2. - 2024. - 779 с. : ил., цв. ил., табл. - Библиогр.: с. 689-779 (1978 назв.); Алф. указ.: с. 493-516; Указ.: с. 653-688. - ISBN 978-5-6052656-2-7.

Шифры: 004.8 - М 268

Экземпляры: Всего: 5, из них: абнл-3, чзнл-2

Марков С.
Охота на электроовец. Большая книга искусственного интеллекта : в 2 т. / Сергей Марков ; иллюстрации О. Добровольского. - Москва, 2024. - ISBN 978-5-6052656-0-3.
Т. 1. - 2024. - 565 с. : ил., цв. ил., табл. - Указ. - Библиогр.: с.517-565 (1224 назв.); Алф. указ.: с. 493-516; Указ.: с. 493-516. - ISBN 978-5-6052656-1-0.

Шифры: 004.8 - М 268

Экземпляры: Всего: 5, из них: абнл-3, чзнл-2

Портер Лео.
Программирование на Python с помощью GitHub Copilot и ChatGPT / Лео Портер, Даниэль Зингаро; [перевела с английского Е. Сенченкова]. - Санкт-Петербург [и др.] : Питер, 2024. - 335 с. : ил. - (Библиотека программиста). - Оригинальное название: Learn AI-Assisted Python Programming With GitHub Copilot and ChatGPT. - Библиогр.: с. 333-335. - ISBN 978-5-4461-4077-0. - ISBN 978-633437784 англ.

Шифры: 004.4 - П 60

Аннотация: В наши дни люди пишут компьютерные программы совсем не так, как раньше. Используя GitHub Copilot, можно простым языком описать, что должна делать программа, а искусственный интеллект тут же сгенерирует ее. Узнайте, как создавать и улучшать программы на Python с помощью ИИ, даже если прежде вы не написали ни строчки компьютерного кода. Сэкономьте время на рутинном программировании и воспользуйтесь услугами ИИ, способного мгновенно воплотить ваши идеи в жизнь. Заодно выучите Python!

Экземпляры: Всего: 2, из них: чзнл-1, ЭБС-1

Марков С.
Охота на электроовец. Большая книга искусственного интеллекта : в 2 т. / Сергей Марков ; иллюстрации О. Добровольского. - Москва, 2024. - ISBN 978-5-6052656-0-3.
Т. 1. - 2024. - 565 с. : ил., цв. ил., табл. - Указ. - Библиогр.: с.517-565 (1224 назв.); Алф. указ.: с. 493-516; Указ.: с. 493-516. - ISBN 978-5-6052656-1-0.
Т. 2. - 2024. - 779 с. : ил., цв. ил., табл. - Библиогр.: с. 689-779 (1978 назв.); Алф. указ.: с. 493-516; Указ.: с. 653-688. - ISBN 978-5-6052656-2-7.

Шифры: 004.8 - М 268

Аннотация: Новый этап в области компьютерных технологий часто называют очередной «весной искусственного интеллекта». Её начало обычно отсчитывают с момента появления нейронной сети, сегодня известной под названием AlexNet, успех которой в распознавании зрительных образов возвестил о начале «революции глубокого обучения». В результате этой революции машинам удалось превзойти человеческий уровень при решении множества задач. Сегодня уже мало кого удивляют победы машин над сильнейшими игроками в го, создание ими музыки и картин, предсказание нейронными сетями пространственной структуры белков и другие вещи, которые десять лет назад мы посчитали бы чудесами. Алгоритмы искусственного интеллекта (ИИ) быстро вошли в нашу жизнь и стали её неотъемлемой частью. Например, каждый раз, когда вы делаете фотографию при помощи смартфона, её обработку выполняет нейронная сеть. На смену весне искусственного интеллекта приходит лето. Эта книга рассказывает о том, какие события в истории науки привели к началу этого лета, о современных технологиях ИИ и их возможностях, а также пытается приоткрыть завесу, скрывающую от нас мир ближайшего будущего. Мифы и заблуждения об искусственном интеллекте, страхи, насущные проблемы, перспективные направления исследований — обо всём этом вы узнаете из этого двухтомника. "Книга Сергея Маркова представляет собой уникальную энциклопедию технологий, объединяемых в наше время хорошо всем знакомым термином «искусственный интеллект» (ИИ). Понимая ИИ как набор средств для автоматизации интеллектуальной деятельности, автор разворачи- вает завораживающую картину создания людьми «умных машин» – от примитивных вычислительных устройств древности до самых современных алгоритмов обучения нейросетей. Написанная одним из ведущих профессионалов в области ИИ, книга сочетает глубину изложения с простотой и понятностью, что делает чтение ценным для ИИ-экспертов и увлекательным для широкого круга читателей, интересующихся современными технологиями, – от школьников до пенсионеров". Дмитрий Ливанов, д.ф.-м.н., ректор МФТИ Сергей Марков — специалист в области искусственного интеллекта и машинного обучения. С конца 1990-х занимается разработкой и руководством проектами, связанными с применением систем ИИ в различных областях человеческой деятельности. Создатель шахматной программы SmarThink (одной из сильнейших отечественных шахматных программ в 2000-е годы). Основатель научно-популярного портала «XX2 век» (), автор ряда научных статей и множества научно-популярных лекций, посвящённых теме ИИ. В настоящее время управляющий директор, начальник Управления экспериментальных систем машинного обучения Дивизиона общих сервисов «Салют» ПАО «Сбербанк», где при его непосредственном участии были созданы такие нейросетевые модели, как ruGPT-3, ruGPT-3.5, GigaChat, ruDALL-E Malevich, Kandinsky, mGPT и другие.

Фостер Дэвид.
Генеративное глубокое обучение. Как не мы рисуем картины, пишем романы и музыку / Дэвид Фостер; пер. с англ. Л. Киселева. - 2-е изд. - Астана : Спринт Бук, 2024. - 448 с. : ил. - (Бестселлеры O’Reilly). - Оригинальное название: Generative Deep Learning: Teaching Machines To Paint, Write, Compose, and Play 2nd Edition. - ISBN 978-601-08-3729-4.

Шифры: 004.8 - Ф 811

Аннотация: Генеративный ИИ — одна из самых обсуждаемых тем в сфере технологий. Пора разобраться с возможностями TensorFlow и Keras, чтобы с легкостью создавать впечатляющие генеративные модели глубокого обучения, включая вариационные автокодировщики (VAE), генеративно-состязательные сети (GAN), трансформеры, нормализующие потоки, модели на основе энергии и диффузионные модели удаления шума. Дэвид Фостер, начинает с основ глубокого обучения и постепенно переходит к передовым архитектурам. Благодаря его советам и подсказкам вы узнаете, как повысить эффективность обучения и творческие возможности ваших моделей. Книга была полностью обновлена и переработана, чтобы соответствовать текущему развитию генеративного обучения.

Экземпляры: Всего: 7, из них: абнл-4, чзнл-2, ЭБС-1

Плас Джейк Вандер.
Python для сложных задач: наука о данных / Джейк Вандер Плас ; [перевела с английского Л. Киселева]. - 2-е междунар. изд. - Астана : Sprint Book, 2024. - 590 с. : ил. - (Бестселлеры O'Reilly). - Оригинальное название: Python Data Science Handbook: Essential Tools for Working with Data 2nd Edition. - Доступна электронная версия издания 2021 г. - URL: https://ibooks.ru/bookshelf/376830. - Режим доступа: по подписке, после регистрации в ЭБС " Ibooks" из сети МАИ. - ISBN 978-601-08-3564-1.

Шифры: 004.4 - П 373

Аннотация: Python — первоклассный инструмент, и в первую очередь благодаря наличию множества библиотек для хранения, анализа и обработки данных. Отдельные части стека Python описываются во многих источниках, но только в новом издании «Python для сложных задач» вы найдете подробное описание: IPython, NumPy, pandas, Matplotlib, Scikit-Learn и др. Специалисты по обработке данных, знакомые с языком Python, найдут во втором издании решения таких повседневных задач, как обработка, преобразование и подготовка данных, визуализация различных типов данных, использование данных для построения статистических моделей и моделей машинного обучения. Проще говоря, эта книга является идеальным справочником по научным вычислениям в Python. 5 причин прочитать: IPython и Jupyter — это идеальная вычислительная среда для специалистов, использующих Python. Класс DataFrame для эффективного хранения и обработки маркированных/табличных данных. ndarray для эффективного хранения плотных массивов данных и управления ими. Matplotlib и гибкие средства визуализации данных. Scikit-Learn для эффективной реализации на Python наиболее важных и хорошо зарекомендовавших себя алгоритмов машинного обучения.

Экземпляры: Всего: 4, из них: абнл-1, чзнл-2, ЭБС-1

Дембицкий Н.Л.
Применение аналоговых процессоров и киберфизических сетей в технических системах и устройствах / Н.Л. Дембицкий. - Москва : МАИ, 2022. - 162 с. : ил. - (Научная библиотека). - Библиогр.: с.154-160 (88 назв.). - ISBN 978-5-4316-0983-1.

Шифры: 004.3 - Д 301

Аннотация: В монографии рассмотрена теория разработки вычислительных сетей управления техническими объектами с применением аналоговых процессоров. Представлены примеры интеграции вычислительных устройств в агрегаты технических систем. Рассмотрены методы создания устройств функционально-логического синтеза сигналов управления и построения аналоговых искусственных нейронных сетей. Для разработчиков вычислительной техники, радиосистем и систем автоматического управления, а также для аспирантов и магистров, специализирующихся в данной тематике.

Экземпляры: Всего: 99, из них: абнл-5, абст-86, к/х7-2, чзнл-3, чзуч-2, ЭБС-1

Мерков А.Б.
Распознавание образов : Введение в методы статистического обучения / А.Б. Мерков. - Изд. стер. - Москва : URSS : [ЛЕНАНД], 2021. - 250 с. : ил. - Библиогр.: с.239-244 (87 назв.). - ISBN 978-5-9710-8698-7.

Шифры: 004.9 - М 523

Аннотация: Предлагаемая книга посвящена общим методам статистического обучения, в частности задаче распознавания. В ней предпринята попытка компактно и единообразно изложить основные современные универсальные методы распознавания и используемый в них математический аппарат. Значительная часть описываемых методов строго обоснована: простые технические детали доказательств сформулированы и предложены в качестве упражнений, более сложные доказательства приведены полностью. Приводятся многочисленные ссылки, в том числе на доступные электронные копии статей. Книга не содержит теории статистического обучения, хотя автор ссылается на нее; не включает описание методов, сильно зависящих от специфики данных (изображений, речи, текстов), и не привязана ни к каким программным реализациям машинного обучения.

Экземпляры: Всего: 5, из них: абнл-2, чзнл-3

Кваснов А.В.
Интеллектуальная обработка радиолокационной информации / А.В. Кваснов; Санкт-Петербург. политехн. ун-т Петра Великого. - Санкт-Петербург : Изд-во СПб политехн. ун-та Петра Великого, 2021. - 351 с. : ил. - Библиогр.: с.320-329 (148 назв.). - ISBN 978-966-97817-7-2.

Шифры: 621.396.9 - К 323

Аннотация: В монографии с позиции прикладных задач рассмотрены методы и алгоритмы обработки радиолокационной информации. Приведена идеология синтеза данных в совмещенных и пространственно-распределенных радиоэлектронных комплексах. На основе многомерного анализа и математической статистики показаны методы отождествления отметок целей, обработки сигнальной и траеторной информации. Освещены вопросы радиолокационного распознавания объектов и классификации целей с помощью вероятностного подхода и искусственных нейронных сетей. Главы монографии снабжены практическими примерами, реализация которых может быть осуществлена в рамках алгоритмов программного обеспечения радиоэлектронных комплексов. Для инженеров и работникам, связанным с проектированием и разработкой радиоэлектронных комплексов, а также для преподавателей, аспирантов и студентов технических факультетов высших учебных заведений.

Экземпляры: Всего: 2, из них: чзнл-2

JavaScript для глубокого обучения: TensorFlow.js / Франсуа Шолле, Эрик Нильсон, Стэн Байлесчи, Шэнкуинг Цэй; перевод с английского И. Пальти. - Санкт-Петербург : Питер, 2021. - 575 с. : ил. - (Библиотека программиста). - ISBN 978-5-4461-1697-3. - ISBN 978-1617296178 англ.

Шифры: 004.8 - Я 165

Аннотация: Пора научиться использовать TensorFlow.js для построения моделей глубокого обучения, работающих непосредственно в браузере! Умные веб-приложения захватили мир, а реализовать их в браузере или серверной части позволяет TensorFlow.js. Данная библиотека блестяще портируется, ее модели работают везде, где работает JavaScript. Специалисты из Google Brain создали книгу, которая поможет решать реальные прикладные задачи. Вы не будете скучать над теорией, а сразу освоите базу глубокого обучения и познакомитесь с продвинутыми концепциями ИИ на примерах анализа текста, обработки речи, распознавания образов и самообучающегося игрового искусственного интеллекта.

Экземпляры: Всего: 2, из них: чзнл-1, ЭБС-1

Мерков А.Б.
Распознавание образов : Введение в методы статистического обучения / А.Б. Мерков. - Изд. 2-е, испр. - Москва : URSS : [ЛЕНАНД], 2019. - 250 с. : ил. - Библиогр.: с.239-244 (87 назв.). - ISBN 978-5-9710-5796-3.

Шифры: 004.9 - М 523

Аннотация: Предлагаемая книга посвящена общим методам статистического обучения, в частности задаче распознавания. В ней предпринята попытка компактно и единообразно изложить основные современные универсальные методы распознавания и используемый в них математический аппарат. Значительная часть описываемых методов строго обоснована: простые технические детали доказательств сформулированы и предложены в качестве упражнений, более сложные доказательства приведены полностью. Приводятся многочисленные ссылки, в том числе на доступные электронные копии статей. Книга не содержит теории статистического обучения, хотя автор ссылается на нее; не включает описание методов, сильно зависящих от специфики данных (изображений, речи, текстов), и не привязана ни к каким программным реализациям машинного обучения.

Экземпляры: Всего: 15, из них: абст-12, чзуч-3

Хайкин С.
Нейронные сети : полный курс : перевод с английского. / С. Хайкин. - 2-е изд., испр. - Москва; Санкт-Петербург : Диалектика, 2019. - 1103 с. : ил. - Тит. л. на рус. англ. яз. - Библиогр.: с.996-1069 (1183 назв.). - ISBN 978-5-907144-22-4 (рус.). - ISBN 0-13-273350-1 (англ.).

Шифры: 004.8 - Х 154

Экземпляры: Всего: 8, из них: абнл-4, чзнл-2, чзуч-2

Кащенко С.А.
Модели волновой памяти / С.А. Кащенко, В.В. Майоров; Ярослав. гос. ун-т им. П.Г.Демидова. - Изд.2-е. - М. : ЛИБРОКОМ, 2013. - 286 с. : ил. - (Синергетика: от прошлого к будущему. №43). - Библиогр.: с.273-286 (246 назв.). - ISBN 978-5-397-03290-2.

Шифры: 621.37 - К 317

Экземпляры: Всего: 1, из них: чзнл-1

Редько В.Г.
Эволюция, нейронные сети, интеллект: Модели и концепции эволюционной кибернетики / В.Г. Редько; предисл. Г.Г.Малинецкого. - Изд. 7-е. - М. : ЛИБРОКОМ, 2011. - 220 с. : ил. - (Синергетика: от прошлого к будущему). - Библиогр. в конце гл. - ISBN 978-5-397-01865-4.

Шифры: 007 - Р 336

Экземпляры: Всего: 1, из них: чзнл-1

Редько В.Г.
Эволюция, нейронные сети, интеллект. Модели и концепции эволюционной кибернетики / В.Г. Редько; предисл. Г.Г. Малинецкого. - Изд. 6-е. - М. : ЛИБРОКОМ, 2009. - 220 с. : ил. - (Синергетика: от прошлого к будущему). - Библиогр. в конце гл. - ISBN 978-5-397-00616-3.

Шифры: 007 - Р 336

Экземпляры: Всего: 1, из них: чзнл-1