Материал для фольклорно-исторического киноромана «Четыре бездны – казачья сага» автор начал собирать ещё в советские времена – в начале восьмидесятых годов ХХ века, когда живы были некоторые герои повествования, которых автор лично знал и искренне любил. Роман состоит из пяти частей. В данной книге представлены часть 4. Война, в которой описываются события, происходящие во время Великой Отечественной войны и часть 5. Встреча, которая служит итогом жизненного пути главных героев, сумевших дожить...
Материал для фольклорно-исторического киноромана «Четыре бездны – казачья сага» автор начал собирать ещё в советские времена – в начале восьмидесятых годов ХХ века, когда живы были некоторые герои повествования, которых автор лично знал и искренне любил. Роман состоит из пяти частей. В данной книге представлены часть 4. Война, в которой описываются события, происходящие во время Великой Отечественной войны и часть 5. Встреча, которая служит итогом жизненного пути главных героев, сумевших дожить до середины 60-х годов невероятно сложного и противоречивого ХХ века. В целом в романе охвачен 50-летний период (с 1916 г. по 1966 г.). Многие материалы, первоначально собранные для романа «Четыре бездны – казачья сага», публиковались в разных изданиях отдельными рассказами, в том числе «Маманя» и «Девятый угол» – в надежде, что они впоследствии станут главами романа. Но так случилось, что они пришлись по душе редакторам и читателям как самостоятельные произведения и остались таковыми навсегда.
Еще в начале обучения каждый волшебник выбирает стихию, с которой он навсегда свяжет свою жизнь. Сжигать противников силой пламени либо обращаться к свету, исцеляя смертельные раны? Однако Децимус на последнем курсе обучения так и не выбрал свой путь. Раньше такого не случалось, и руководство университета созывает консилиум, дабы решить судьбу юного феномена. В это же время с того света является...
Издательство:
Альфа-книга
Дата выхода: февраль 2019
Книга рассказывает о применении искусственного интеллекта и машинного обучения в бизнесе и инженерной практике. Подробно описаны популярные алгоритмы машинного обучения и разъяснено, когда их целесообразно использовать. Приведены примеры построения моделей машинного обучения на языке Python с помощью библиотеки Scikit-Learn, а также создания нейронных сетей посредством библиотек Keras и TensorFlow....
Оставить комментарий