TypeScript — это язык программирования со статической типизацией, позиционирующий себя как язык, расширяющий возможности javascript. Typescript код компилируется в javascript код, который можно запускать как на клиентской стороне (браузер), так и на стороне сервера (Node.js). Качество сгенерированного кода сопоставимо с кодом, написанным профессиональным разработчиком с большим стажем. Хотя на текущий момент практически невозможно найти библиотеку, которая бы не была портирована на TypeScript. javascript код, оставшийся от предыдущих проектов, не стоит списывать со счетов, поскольку его совместное использование не вызовет никакой проблемы. Компилятор TypeScript отлично справляется с динамическим javascript кодом, включенным в свою типизированную среду, и даже выявляет в нем ошибки. TypeScript значительно сокращает время на устранение ошибок и выявление багов, которые порой не так просто определить в динамической среде javascript. В случае, если для разработчика TypeScript является первым типизированным языком, следует знать, что его изучение значительно ускорит процесс профессионального роста, поскольку типизированный мир открывает аспекты программирования, которые не проявляются в

Компьютерное зрение находит все большее практическое применение в различных сферах деятельности человека. Дисциплина изучает алгоритмы цифровой обработки изображений, занимается реализацией на практике предложенных решений. В методическом пособии предлагаются задания, с помощью которых можно овладеть практическими навыками работы с библиотекой компьютерного зрения и машинного обучения с открытым исходным кодом OpenCV на языке Python. Учебное пособие предназначено для студентов бакалавров и магистров по таким специальностям, как мехатроника и робототехника, вычислительная техника, управление в технических системах, автоматизация технологических процессов в производстве. В учебном пособии даны задания, предназначенные для закрепления теоретических знаний по цифровой обработке изображений в OpenCV.

Работа с неограниченными и быстрыми потоками данных всегда была сложной задачей. Но Kafka Streams и ksqlDB позволяют легко и просто создавать приложения потоковой обработки. Из книги специалисты по обработке данных узнают, как с помощью этих инструментов создавать масштабируемые приложения потоковой обработки, перемещающие, обогащающие и преобразующие большие объемы данных в режиме реального времени. Kafka Streams — это легкая, но мощная библиотека Java для обогащения, преобразования и обработки потоков данных в реальном времени. Митч Сеймур, инженер службы обработки данных в Mailchimp, объясняет важные понятия потоковой обработки на примере нескольких любопытных бизнес-задач. Он рассказывает о достоинствах Kafka Streams и ksqlDB, чтобы помочь вам выбрать наиболее подходящий инструмент.

Прочитав эту книгу, вы в полной мере освоите фреймворк Dash от Plotly, предоставляющий разработчикам Python блестящие возможности по созданию полноценных интерактивных веб-приложений и дашбордов без знания языка javascript. Вы научитесь создавать различные типы диаграмм; вставлять в приложение разнообразные элементы управления, включая кнопки, выпадающие списки, флажки, календари и т. д. и снабжать приложения динамическими страницами со ссылками. Прочитав эту книгу, вы сможете разрабатывать и развертывать сложные интерактивные дашборды, производить многоступенчатый рефакторинг кода и оптимизировать написанные вами приложения. Dash использует фреймворк Flask на стороне сервера. Для построения диаграмм применяется графическая библиотека Plotly – это не строгое требование, но эта библиотека обладает самыми богатыми возможностями и поддержкой. Библиотека React используется для управления компонентами. По сути, любое приложение Dash можно воспринимать как одностраничное приложение React. Одним из главных преимуществ фреймворка Dash является то, что он позволяет создавать полностью интерактивные приложения и интерфейсы для работы с данными и аналитикой с использованием чистого Python.

CPython, самая популярная реализация Python, абстрагируется от сложностей ОС и предоставляет платформу для создания масштабируемых и высокопроизводительных приложений. Каждому python-разработчику на какой-то стадии необходимо будет узнать, как работает CPython. Это позволит в полной мере использовать его мощь и оптимизировать приложения. Вы разберетесь с основными концепциями внутреннего устройства CPython и научитесь: читать исходный код интерпретатора CPython и свободно ориентироваться в нем; вносить изменения в синтаксис Python и компилировать их в вашу собственную версию CPython; понимать внутреннюю реализацию таких структур, как списки, словари и генераторы; управлять памятью CPython; масштабировать код Python за счет параллелизма и конкурентного выполнения; дополнять базовые типы новой функциональностью; выполнять наборы тестов; профилировать и проводить бенчмарк Python-кода и исполнительной среды; отлаживать код C и Python на профессиональном уровне; изменять или обновлять компоненты библиотеки CPython, чтобы они могли использоваться в будущих версиях. Книга предназначена для Python-разработчиков среднего и высокого уровня.

Кодовые базы разрастаются, становясь всё сложнее и запутаннее, что не может не пугать разработчиков. Как обнаружить код, изменяющий состояние вашей системы? Как сделать код таким, чтобы он не увеличивал сложность и запутанность кодовой базы? Большую часть «действий», изменяющих состояние, можно превратить в «вычисления», чтобы ваш код стал проще и логичнее. Вы научитесь бороться со сложными ошибками синхронизации, которые неизбежно проникают в асинхронный и многопоточный код, узнаете, как компонуемые абстракции предотвращают дублирование кода, и откроете для себя новые уровни его выразительности. Книга предназначена для разработчиков среднего и высокого уровня, создающих сложный код. Примеры, иллюстрации, вопросы для самопроверки и практические задания помогут надежно закрепить новые знания.Книга написана для программистов с практическим опытом от 2 до 5 лет. Предполагается, что вы уже знаете хотя бы один язык программирования. Также желательно, чтобы вы построили хотя бы одну достаточно крупную систему, чтобы представлять, с какими проблемами разработчики сталкиваются при масштабировании. Примеры написаны на jаvascript, направленном на читаемость кода. Если вы понимаете код C, C#,

Системы автоматического принятия решений и поддержки принятия решений человеком широко используются в различных областях – от предотвращения столкновений самолетов до скрининга рака молочной железы. При разработке таких систем важно учитывать различные источники неопределенности, тщательно соблюдая баланс между несколькими целями. Данная книга представляет собой полное введение в теорию алгоритмов принятия решений в условиях неопределенности, включая формулировки основных математических задач и методы их решения. Основное внимание уделяется планированию и обучению с подкреплением (англ. reinforcement learning), хотя некоторые из представленных методов основаны на элементах обучения с учителем (англ. supervised learning) и оптимизации. В основе этого учебника лежат алгоритмы, реализованные на языке программирования Julia. Мы обнаружили, что язык Julia идеально подходит для описания алгоритмов в удобочитаемой форме. Приоритетом при разработке алгоритмических реализаций была простота понимания, а не эффективность кода.

«Алгоритмы на практике» научат решать самые трудные и интересные программистские задачи, а также разрабатывать собственные алгоритмы. В качестве примеров для обучения взяты реальные задания с международных соревнований по программированию. Вы узнаете, как классифицировать задачи, правильно подбирать структуру данных и выбирать алгоритм для решения. Поймете, что выбор структуры данных — будь то хеш-таблица, куча или дерево — влияет на скорость выполнения программы и на эффективность алгоритма. Разберетесь, как применять рекурсию, динамическое программирование, двоичный поиск. Никакого условного псевдокода, все примеры сопровождаются исходным кодом на языке Си подробными объяснениями.