МАТЕМАТИКА

Учебное пособие состоит из пяти разделов, характеризующих используемые в психологии математические методы. Содержит задачи для самостоятельной и аудиторной работы, примеры решения. В приложении имеются необходимые статистические таблицы.

Работа представляет собой сборник самостоятельных работ по математике для учащихся 6-х классов Инженерного лицея НГТУ. Целью ее является организация самостоятельной работы учащихся в процессе изучения учебного материала.

Настоящее учебное пособие включает в себя теоретические сведения, примеры по курсу «Линейная алгебра», включая следующие разделы: матричный анализ, системы линейных алгебраических уравнений, векторный анализ, аналитическая геометрия, линейные пространства, линейные операторы, квадратичные формы, комплексные числа. Теоретический материал сопровождается многочисленными примерами, демонстрирующими практическую составляющую данного курса.

Пособие содержит индивидуальные задания по «Линейной алгебре» по темам: «Комплексные числа», «Матрицы и определители», «Системы линейных уравнений», «Геометрические векторы», «Прямая на плоскости», «Плоскость и прямая в пространстве». Адресовано студентам НГТУ всех направлений и специальностей, в учебных планах которых есть дисциплина «Линейная алгебра», и представляет собой набор индивидуальных расчетно-графических заданий.

Пособие содержит индивидуальные задания по «Линейной алгебре» по темам: «Линейные операторы», «Квадратичные формы», «Кривые второго порядка». Адресовано студентам НГТУ всех направлений и специальностей, в учебных планах которых есть дисциплина «Линейная алгебра», и представляет собой набор индивидуальных расчетно-графических заданий.

Монография посвящена исследованию дифференциальных уравнений (ДУ), описывающих волновые процессы в неоднородных средах, свойств семейств кривых и поверхностей с помощью группового и геометрического анализа. Изучена группа эквивалентности уравнения эйконала и других ДУ и ее дифференциальные инварианты. На этой основе получены групповое расслоение широкого класса ДУ, новые дифференциальные тождества, новое описание кинематической задачи сейсмики, точные решения, связи между различными ДУ, дифференциальные законы сохранения для уравнений эйконала, гидродинамики, семейств кривых и поверхностей и др. Эти результаты выявляют ряд новых возможностей группового и геометрического анализа.

В настоящем учебном пособии излагаются основные разделы дифференциального исчисления функций одной переменной. Пособие содержит большое количество примеров и может быть рекомендовано как для самостоятельного изучения курса, так и в качестве расширенного конспекта лекций.

В пособии излагаются основы теории булевых алгебр и булевых функций, лишь частично затрагиваемые в стандартных курсах дискретной математики. От читателя требуется владение основами курса «Дискретная математика», читаемого на младших курсах всех специальностей связанных с различными направлениями информатики и прикладной математики НГТУ.

Применение сборника заданий в учебном процессе позволяет сократить время учебного процесса, повысить эффективность обучения и успеваемость по графическим дисциплинам, активизировать познавательную деятельность студентов.

Рассмотрены наиболее распространенные методы математической обработки данных (описательная статистика и анализ распределений, сравнение двух средних для независимых и зависимых переменных, однофакторный и двухфакторный дисперсионный анализ, регрессионный анализ, корреляционный анализ, анализ таблиц сопряженности для качественных признаков, иерархический кластерный анализ, анализ главных компонент и факторный анализ, дискриминантный анализ). Показана техника выполнения этих методов средствами Пакета анализа MS Excel и (в случае многомерных методов) средствами пакета StatSoft STATISTICA.

В учебном пособии представлены основные темы и задания, соответствующие рабочей программе по дисциплине «Математика и математическая статистика».

Дисциплина «Основы математической обработки информации» отно- сится к базовой части Б.1. Б. 7. В соответствии с учебным планом дисциплина изучается на 1 курсе по очной форме обучения. Итоговая форма контроля: зачет. Дисциплина «Основы математической обработки информации» является предшествующей изучения дисциплин «Информационные технологии в образовании», «Методика обучения и воспитания по безопасности жизнедеятельности», «Основы научно-методической деятельности».

Дисциплина «Методы математического моделирования в педагогиче- ских исследованиях» относится к части, формируемой участниками образовательных отношений – Б.1.В.ДВ.02.02. В соответствии с учебным планом дисциплина изучается на 1 курсе по очной форме обучения. Итоговая форма контроля: зачет.

Цель данного учебного пособия – изложение не очень большого по объему, но достаточного для понимания материала по дискретной математике и ее специальных разделов для студентов первого и/или (преимущественно) второго курсов университета. Издание подготовлено на основе федеральных государственных образовательных стандартов (ФГОС) в соответствии с рабочими (учебными) программами Московского государственного лингвистического университета для направления подготовки бакалавриата «Информационная безопасность» и Финансового университета для направлений подготовки бакалавриата «Информационная безопасность», «Прикладная информатика», «Бизнес-информатика» (профиль «ИТ-менеджмент в бизнесе»). Труд авторов распределился следующим образом: часть I создана И. А. Кирилловым, часть II, материал которой преподавался в Российском государственном гуманитарном университете (РГГУ) и в Московском гуманитарном университете (МосГУ), – М. В. Шептуновым, предисловие и заключение написаны авторами совместно.

Дисциплина «Основы статистической обработки информации» отно- сится к базовой части дисциплины по выбору Б1.В.ДВ.04.01. В соответствии с учебным планом дисциплина изучается на 1 курсе по очной форме обучения. Итоговая форма контроля: зачет. Для успешного освоения дисциплины необходимы входные знания, умения и навыки студента по следующим дисциплинам: школьный курс информатики. Дисциплина «Основы статистической обработки информации» является предшествующей изучения дисциплин «Информатика», «Основы научнометодической деятельности», прохождение преддипломной практики и написания выпускной квалификационной работы.

Дисциплина «Математические методы в физической культуре» относится к части, формируемой участниками образовательных отношений, к обязательным дисциплинам Блока дисциплин: Б1. В.О2. В соответствии с учебным планом дисциплина изучается на 1 курсе в 1-м семестре по очной форме обучения. Итоговая форма контроля – экзамен. Экзамен проводится письменно. Для успешного освоения дисциплины необходимы входные знания, умения и навыки студента по математике и информатике в объеме средней школы.

Дисциплина «Информационные технологии в физической культуре и спорте» относится к базовой части основные дисциплины Б1.О.21. В соответствии с учебным планом дисциплина изучается на 3 курсе по очной форме обучения. Итоговая форма контроля: зачет. Для успешного освоения дисциплины необходимы входные знания, умения и навыки студента по следующим дисциплинам: школьный курс математики.

Дисциплина «Математические методы в физической культуре и спорте» относится к части, формируемой участниками образовательных отношений, к обязательным дисциплинам Блока дисциплин: Б1. В.О2. В соответствии с учебным планом дисциплина изучается на 1 курсе в 1-м семестре по очной форме обучения. Итоговая форма контроля – экзамен. Экзамен проводится письменно. Для успешного освоения дисциплины необходимы входные знания, умения и навыки студента по математике и информатике в объеме средней школы.

Дисциплина «Информационные технологии в физической культуре и спорте» относится к обязательной части основные дисциплины Б1.О.21. В соответствии с учебным планом дисциплина изучается на 5 курсе по заочной форме обучения. Итоговая форма контроля: зачет. Для успешного освоения дисциплины необходимы входные знания, умения и навыки студента по следующим дисциплинам: школьный курс математики.

Дисциплина «Математические методы в физической культуре и спорте» относится к части, формируемой участниками образовательных отношений, к обязательным дисциплинам Блока дисциплин: Б1. В.О2. В соответствии с учебным планом дисциплина изучается на 1 курсе в 1-м и 2-ом семестрах по заочной форме обучения. Итоговая форма контроля – экзамен. Для успешного освоения дисциплины необходимы входные знания, уме- ния и навыки студента по математике и информатике в объеме средней школы.

Это пособие рассматривает часть тем, входящих в учебную программу англоязычного курса «Mathematical Foundations of Information Security». Пособие знакомит читателя с вопросами количественного измерения информации, сжатия данных, помехоустойчивого кодирования данных и обеспечения конфиденциальности данных. Теоретический материал полностью соответствует известным публикациям по изучаемым вопросам. Отличительной особенностью пособия является большое количество практических примеров, иллюстрирующих теоретические положения, а также большой набор задач для самоконтроля студентов.

Учебное пособие по курсу «Математические и алгоритмические основы построения интеллектуальных систем» (часть 1) совмещает в себе конспект лекций и практикум в части модуля «Использование графовых и гиперграфовых моделей в интеллектуальных системах» и отражает состояние современных аспектов теории графов и гиперграфов с элементами научной новизны, а также возможности их применения для решения реальных практических задач. Пособие содержит теоретический, практический и методический материал по темам: «Основные понятия теории графов», «Виды графов», «Алгоритмы на графах», «Использование графов в интеллектуальных системах», «Гиперграфы» и «Специальные графы в интеллектуальных системах». Каждая тема завершается заданиями для самостоятельной работы студентов и списком вопросов для самоконтроля.

Пособие предназначено для студентов, изучающих курс «Математика (Mathematics)» на английском языке, и существенно дополняет пособие тех же авторов: Mnukhin, V.B., Kupovykh G.V., Timoshenko, D.V. Linear Algebra. / South Federal University. – 2018. – 112 pp. ISBN: 978-5-9275-3088-5. Пособие состоит из трёх глав, состоящих из разделов, разделенных на секции. Каждая из глав завершается рядом задач и упражнений, направленных на закрепление изученного материала.

Пособие предназначено для студентов, изучающих курс «Математика (Mathematics)» на английском языке. Оно является продолжением пособия Mnukhin, V.B., Kupovykh G.V., Timoshenko, D.V. Linear Algebra. / South Federal University.–2018. - 112 pp. ISBN: 978-5-9275-3088- 5. Содержание обеих пособий полностью соответствует стандартному курсу линейной алгебры для нематематических специальностей. Пособие состоит из трёх глав, состоящих из разделов, разделенных на секции. Каждая из глав завершается рядом задач и упражнений, направленных на закрепление изученного материала.

Пособие посвящено основам работы в пакете FlexPDE, который предназначен для построения численных решений дифференциальных уравнений в частных производных с помощью метода конечных элементов. Описаны основные разделы типовой программы. Для демонстрации и эффективного освоения базового функционала пакета представлены примеры скриптов и задания для самостоятельной работы.

Предложенные задания к практическим занятиям по курсу «Вопросы обучения решению олимпиадных задач и задач повышенной сложности по математике» включают в себя базовые задания и задания для самостоятельной работы студентов. Пособие может быть использовано для подготовки к лекционным, практическим занятиям, зачетам и для самостоятельной работы студентов. Оно будет полезно школьникам и учителям для подготовки к занятиям.

Предложенные задания к практическим занятиям по курсу «Вопросы обучения решению олимпиадных задач и задач повышенной сложности по математике» включают в себя базовые задания и задания для самостоятельной работы студентов. Пособие может быть использовано для подготовки к лекционным, практическим занятиям, зачетам и для самостоятельной работы студентов. Оно будет полезно школьникам и учителям для подготовки к занятиям.

Дисциплина «Информационные технологии в физической культуре и спорте» относится к базовой части основные дисциплины Б1.О.21. В соответствии с учебным планом дисциплина изучается на 5 курсе по заочной форме обучения. Итоговая форма контроля: зачет. Для успешного освоения дисциплины необходимы входные знания, умения и навыки студента по следующим дисциплинам: школьный курс математики.

Дисциплина «Основы статистической обработки информации» отно- сится к базовой части дисциплины по выбору Б1.В.ДВ.03.01. В соответствии с учебным планом дисциплина изучается на 2 курсе по заочной форме обучения. Итоговая форма контроля: зачет. Для успешного освоения дисциплины необходимы входные знания, умения и навыки студента по следующим дисциплинам: школьный курс информатики. Дисциплина «Основы статистической обработки информации» является предшествующей изучения дисциплин «Информационные технологии в ФКиС», «Основы научно-методической деятельности в сфере ФКиС», прохождение преддипломной практики и написания выпускной квалификационной работы.

В монографии на основе изучения генов установлены новые свойства генетического кода и вычислены важнейшие его интегральные характеристики; выделены две группы таких характеристик. Установлена взаимосвязь полученных характеристик в этих группах. Проанализирован известный к настоящему времени набор генов, в том числе человеческого генома; получен ряд неизвестных ранее эффектов.

Дисциплина «Математические методы в физической культуре и спорте» относится к части, формируемой участниками образовательных отношений, к обязательным дисциплинам Блока дисциплин: Б1. В.О2. В соответствии с учебным планом дисциплина изучается на 1 курсе в 1-м и 2-ом семестрах по заочной форме обучения. Итоговая форма контроля – экзамен. Для успешного освоения дисциплины необходимы входные знания, уме- ния и навыки студента по математике и информатике в объеме средней школы.

Рассматриваются основные разделы теории автоматического управления (ТАУ) линейными аналоговыми системами, представлены ключевые понятия ТАУ, исследования динамических характеристик, принципы действия, основанные на классических законах физики, механики и электротехники.

Даны базовые понятия и определения курса, проецирование точки, прямой линии, плоскости, решение главных позиционных задач начертательной геометрии, рассмотрены правила построения изображений, основанные на методе проекций. Приведены примеры решения задач по изучаемым темам курса, даны рекомендации по организации учебной деятельности.

Дисциплина «Основы статистической обработки информации» относится к базовой части дисциплины по выбору Б1.В.ДВ.04.01. В соответствии с учебным планом дисциплина изучается на 3 курсе по заочной форме обучения. Итоговая форма контроля: зачет. Для успешного освоения дисциплины необходимы входные знания, умения и навыки студента по следующим дисциплинам: школьный курс информатики. Дисциплина «Основы статистической обработки информации» является предшествующей изучения дисциплин «Информатика», «Основы научно-методической деятельности», прохождение преддипломной практики и написания выпускной квалификационной работы.

Дисциплина «Математические методы в физической культуре» относится к части, формируемой участниками образовательных отношений, к обязательным дисциплинам Блока дисциплин: Б1. В.О2. В соответствии с учебным планом дисциплина изучается на 1 курсе в 1-м и 2-ом семестрах по заочной форме обучения. Итоговая форма контроля – экзамен. Для успешного освоения дисциплины необходимы входные знания, уме- ния и навыки студента по математике и информатике в объеме средней школы.

Дисциплина «Математическая статистика» относится к вариативной части (дисциплины по выбору) образовательной программы Б1.В.ДВ.2.1. В соответствии с учебным планом дисциплина изучается на 2 курсе, по очной форме обучения. Вид промежуточной аттестации (итоговая форма контроля): зачет. Приступая к изучению данной дисциплины, аспирант должен обладать знаниями информатики, математики, биомеханики, педагогики, теории и методики физического воспитания. В процессе обучения дисциплина базируется на знаниях, умениях и навыках, приобретенных аспирантами при изучении предшествующих дисциплин.

Книга знакомит читателей с углубленными техниками использования Microsoft Excel, которые расширяют возможности работы в этой программе и автоматизируют многие рутинные процессы. Microsoft Excel широко применяется в офисной работе для ведения учета и анализа данных, но большинство пользователей осваивает лишь базовые навыки этого программного продукта. Алан Мюррей, преподаватель и консультант по Excel, открывает ряд секретов, которые выведут работу с программой на новый уровень. Вы узнаете о многих полезных функциях, глубоко погрузитесь в мир формул, изучите техники форматирования, улучшающие представление данных. Тема создания динамических отчетов раскрывается на примерах из реальной практики. Отдельная глава посвящена приемам построения профессионально выглядящих, динамически обновляемых диаграмм. В заключение рассматриваются инструменты Power Query и Power Pivot, расширяющие возможности Excel.

Данная книга предназначена для разработчиков, уже знакомых с языком DAX и желающих повысить свою квалификацию, используя представленные здесь шаблоны. В большинстве из них применяются продвинутые техники DAX, которые читателю следует освоить и использовать в своих рабочих сценариях. Авторы уделяют пристальное внимание сценариям с использованием функций логики операций со временем, а также рассматривают большое количество действительно полезных шаблонов, наиболее часто встречающихся на практике. Для каждого шаблона предоставляются демонстрационные файлы в формате Power BI и Power Pivot для Excel. Иногда версии кода незначительно отличаются. Предпочтение отдается программному продукту Power BI, в котором на момент написания книги реализованы все актуальные новинки DAX. Рассматриваемые шаблоны проверены в июньской версии Power BI 2020 года, Excel 2019 и Excel для Microsoft 365 версии 2006. Авторы книги – одни из ведущих специалистов в области бизнес-аналитики, основавшие сайт SQLBI.com, на котором регулярно публикуются статьи по DAX и другим инструментам Microsoft, и выпустившие «Подробное руководство по DAX» (издание на русском языке – М.: ДМК Пресс, 2021) для начинающих пользователей.

В книге известного эксперта-консультанта и автора многих книг по организации управления освещен широкий круг вопросов, относящихся к практике внедрения современных информационных технологий, и дан материал по проблемам, возникающим в процессе разработки и реализации современных информационных бизнес-приложений. Рассмотрены темы, которые наиболее важны при изучении учебных дисциплин «Информационные технологии управления», «Управление качеством», «Автоматизированные информационные системы», «Управление проектами» в вузах экономико-управленческого профиля. Данную книгу можно использовать для поиска ответов на вопросы по применению информационных технологий и сопутствующего моделирования бизнес-процессов при встраивании организации в цифровую экономику. По своей практической направленности предлагаемое методическое пособие представляет логическое продолжение ранее изданных книг автора.

Подобно тому как человек исследует окружающую среду с помощью пяти чувств, современные смартфоны взаимодействуют с внешним миром посредством встроенных в них многочисленных датчиков. Бесплатные приложения для смартфонов открывают доступ к данным этих датчиков и позволяют человеку раздвинуть границы познаваемого. Автор этой книги предлагает использовать смартфон в неожиданном качестве: например, как микроскоп, деталь весов или маятника, позволяющего рассчитать радиус Земли, измеритель скорости звука и плотности воздуха. Описание экспериментов сопровождается иллюстрациями и подробными расчетными формулами.

В третьем издании классического труда професоров Амстердамского университета Эндрю Таненбаума и Мартена ван Стина обсуждаются принципы и парадигмы распределенных систем. Кроме обширного теоретического материала в книге приведен код на языке Python (размещен на сайте dmkpress.com), демонстрирующий использование полученных знаний на практике. В числе рассматриваемых тем: основные характеристики распределенных систем; архитектуры программных компонентов, входящих в систему; процессы и коммуникации; присваивание имен; согласованность и репликация; отказоустойчивость и безопасность.

Машинное обучение становится важным элементом почти во всех отраслях. В этой книге представлено четкое и понятное руководство по автоматизации развертывания, управления и повторного использования моделей машинного обучения. Шаг за шагом описывается конкретный пример проекта, на котором можно отработать основные навыки в этой сфере. Благодаря множеству примеров кода и ясным, лаконичным объяснениям вы сможете создать свой собственный конвейер машинного обучения и запустите его в кратчайшие сроки. Книга поможет ученым и инженерам, специализирующимся в области машинного обучения и искусственного интеллекта, выйти за рамки работы с единичной моделью и успешно реализовать свои проекты в области науки о данных. Также издание будет полезно менеджерам проектов в области науки о данных, разработчикам программного обеспечения и инженерам DevOps, которые хотят, чтобы их организация ускорила свои проекты, использующие технологии машинного обучения и искусственного интеллекта. Читателю понадобится знание основных концепций машинного обучения и хотя бы одного из фреймворков, используемых в машинном обучении (например, PyTorch, TensorFlow, Keras).

В книге рассматривается программирование для 64-разрядной архитектуры x86 и использование расширенного набора векторных команд (AVX). Изучив этот материал, вы сможете кодировать быстродействующие функции и алгоритмы с использованием 64-разрядного языка ассемблера x86 и расширений набора команд AVX, AVX2 и AVX-512. Примеры исходного кода разработаны с использованием Visual Studio C++ и MASM; для их запуска рекомендуется ПК на базе x86 с 64-разрядной ОС Windows 10 и процессором, поддерживающим AVX. Предполагается, что читатели имеют опыт программирования на языках высокого уровня и базовые знания C++.

Из этой книги вы не узнаете, как раскапывать грязные тайны диктаторов, ловить торговцев оружием или перевозить через границу секретные донесения. Дэвид Оманд, в прошлом высокопоставленный сотрудник британской спецслужбы, рассказывает о главном навыке разведчика — принимать верные решения на основании ограниченной, неполной, а иногда и просто недостоверной информации. Из его книги вы узнаете, что делать, когда у вас нет времени проверить факты, как научиться не поддаваться панике, не впадать в ступор, верно оценивать риски, игнорировать теории заговора и выводить на чистую воду лжецов и манипуляторов. В основе авторского метода работы с информацией — многолетний опыт разведчиков и аналитиков разных стран, отточенный во время таких событий, как война на Фолклендах или Карибский кризис. Отдельные главы книги посвящены ведению переговоров и установлению доверительных отношений в различных обстоятельствах.

Иногда нас называют мартышками, работающими с данными, но на самом деле мы чаще походим на волшебников. Наши данные редко появляются на свет в готовом к работе виде, и у нас могут уходить долгие часы на их очистку, фильтрацию и преобразование. Power Query помогает сократить этот процесс при первичной нажатию на кнопку. Когда дело касается импорта, очистки и преобразования исходных данных для дальнейшего анализа, освоить Power Query бывает гораздо легче, чем выучить формулы Excel или язык программирования VBA. Нет сомнений, что Power Query навсегда изменит подход специалистов Excel к работе с данными. Если у вас есть Excel, значит, у вас уже есть Power Query – этот инструмент встроен в Excel 2016 и выше. Эта книга поможет вам извлечь максимум пользы из Power Query.

Начните работу с Apache Flink, фреймворком с открытым исходным кодом, на котором основаны многие крупнейшие в мире системы обработки потоковых данных. В данной книге вы изучите фундаментальные понятия параллельной потоковой обработки и узнаете, чем эта технология отличается от традиционной пакетной обработки данных. Ф. Уэске и В. Калаври, занятые в проекте Apache Flink с первых дней, покажут вам, как создавать масштабируемые потоковые приложения с помощью API Flink DataStream, а также непрерывно выполнять и поддерживать эти приложения в операционных средах. Потоковая обработка идеально подходит для многих задач: подготовки данных с малой задержкой, потоковой аналитики и информационных панелей в реальном времени, раннего оповещения и обнаружения мошенничества. Вы можете обрабатывать потоковые данные любого типа, включая взаимодействия с пользователем, финансовые транзакции и данные интернета вещей, немедленно после получения.

Эта книга – первое изложение обратной математики для аудитории, состоящей из математиков общего профиля. Обратная математика – новая дисциплина, которая «выворачивает наизнанку» традиционную математическую логику: ее цель – не вывод теорем, а поиск аксиом, которые позволяют доказать известные теоремы. Джон Стилуэлл рассказывает о том, как найти «правильные» аксиомы для доказательства фундаментальных теорем. Придерживаясь исторического взгляда на обратную математику, он описывает два ставших возможными благодаря ей направления развития. Первое – проект арифметизации анализа, предпринятый в XIX веке с целью определить все понятия анализа в терминах натуральных чисел и их множеств. Второе – выполненная в XX веке арифметизация математической логики и понятия вычисления. Таким образом, арифметика в некотором смысле лежит в основе анализа, логики и вычислений. Обратная математика опирается на эту идею, рассматривая анализ как арифметику, дополненную аксиомами существования бесконечных множеств.

Цель данной книги – научить читателя нескольким аспектам написания многопоточных JavaScript-приложений. Прочитав книгу до конца, вы будете понимать различные API веб-исполнителей в браузерах, их сильные и слабые стороны и когда какой использовать. Также узнаете о модуле рабочих потоков в Node.js и сможете сравнить его API с тем, что имеется в браузере.

Эта книга нацелена на изучение взаимодействия искусственного интеллекта и человека в процессе создания и эксплуатации систем машинного обучения. В отличие от большинства курсов по машинному обучению, сосредоточенных на алгоритмах, большое внимание уделяется работе с данными: их маркировке, аннотированию, проверке и обновлению. Впервые под одной обложкой собраны наиболее распространенные стратегии аннотирования, активного обучения и смежных задач, таких как проектирование интерфейса для аннотирования.

В книге подробно рассматривается работа с Elastic Stack – обширной экосистемой компонентов, которые служат для сбора, поиска и обработки данных. Вы ознакомитесь с общими принципами машинного обучения, узнаете о методах автоматического обнаружения аномалий, проверке целостности и анализа данных из разрозненных источников, научитесь истолковывать результаты обнаружения и прогнозирования аномалий и использовать их в своих целях, а также выполнять анализ временных рядов для различных типов данных.