Навчальний посібник для опанування студентами способів розв’язання задач з функціонального аналізу мовою Python. Частина 2
Анотація
В навчальному посібнику викладено способи розв’язання задач з функціонального аналізу, адаптованого до прикладних проблем в галузі інформаційних технологій, згідно зі змістом однойменного навчального посібника цих же авторів, а також викладені основи програмування мовою Python і програми реалізації способів розв’язання даного класу задач цією мовою. Частина 2 є продовженням частини І і охоплює задачі з дослідження та використання різних класів операторів.
Навчальний посібник рекомендується для студентів та аспірантів, що спеціалізуються в ІТ-галузі за спеціальностями 124 «Системний аналіз» та 126 «Інформаційні системи та технології»
Завантаження
Посилання
Мокін Б. І., Мокін В. Б., Мокін О. Б. Навчальний посібник для опанування студентами способів розв’язання задач з функціонального аналізу мовою Python, частина 1 : навч. пос. Вінниця : ВНТУ, 2022. 124 с.
Мокін Б. І., Мокін В. Б., Мокін О. Б. Функціональний аналіз, адаптований до прикладних задач в галузі інформаційних технологій : навчальний посібник.– Вінниця : ВНТУ, 2020 192 с.
Python. [Електронний ресурс]. Режим доступу : https://python.org/downloads/.
Бріггс Джейсон Р. Python для дітей (веселий вступ до програмування) / пер. з англ. Олександри Гордійчук. Львів : Видавництво старого Лева, 2019. 400 с.
Доля П. Г. Введение в научный Python. Харків : ХНУ ім. Каразіна, 2016. 265 с.
Мокін Б. І., Мокін О. Б., Шалагай Д. О. Про один із підходів наближеного обчислення інтегралів Стілтьєса і Лебега на мові Python в задачах системного аналізу з дискретними моделями. Вісник Вінницького політехнічного інституту, 2021, № 3 С. 61–68. DOI https://doi.org/10.31649/1997-9266-2021-156-3-61-68
Деч Густав. Руководство к практическому применению преобразования Лапласа и Z-преобразования. М. : Наука, 1971. 288 с.
Мокін О. Б., Мокін В. Б., Мокін Б. І. Метод ідентифікації моделі авторегресії-ковзного середнього АРКС(р,q) з довільними значеннями порядків р, q, який узагальнює методику Юла – Уокера. Наукові праці Вінницького національного технічного університету. 2014. № 2. С. 1–6. Режим доступу : https://praci.vntu.edu.ua/index.php/praci/article/view/406/404.
Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. Вып. 1. М. : Мир. 1974. 408 с.
Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. Вып. 2. М. : Мир. 1974. 197 с
Мокін О. Б., Мокін В. Б., Мокін Б. І. Алгоритм методу ідентифікації моделі авторегресії-ковзного середнього, який узагальнює методику Юла – Уокера, та його програмна Python-реалізація. Вісник Вінницького політехнічного інституту. 2022. № 4. С. 61–68. DOI https://doi.org/10.31649/1997-9266-2022-163-4-41-55