Matematyka
Sinan Ozdemir
Principles of Data Science bridges mathematics, programming, and business analysis, empowering you to confidently pose and address complex data questions and construct effective machine learning pipelines. This book will equip you with the tools to transform abstract concepts and raw statistics into actionable insights.Starting with cleaning and preparation, you’ll explore effective data mining strategies and techniques before moving on to building a holistic picture of how every piece of the data science puzzle fits together. Throughout the book, you’ll discover statistical models with which you can control and navigate even the densest or the sparsest of datasets and learn how to create powerful visualizations that communicate the stories hidden in your data.With a focus on application, this edition covers advanced transfer learning and pre-trained models for NLP and vision tasks. You’ll get to grips with advanced techniques for mitigating algorithmic bias in data as well as models and addressing model and data drift. Finally, you’ll explore medium-level data governance, including data provenance, privacy, and deletion request handling.By the end of this data science book, you'll have learned the fundamentals of computational mathematics and statistics, all while navigating the intricacies of modern ML and large pre-trained models like GPT and BERT.
Prosta matematyka. Licz sprytnie
Piotr Kosowicz
Matematyka jest… prosta! Wielu uczniom ― ale także ich skazanym na opłacanie kosztownych korepetycji rodzicom ― matematyka kojarzy się jak najgorzej. Nie każdy nauczyciel bowiem potrafi przekazać swoją pasję do tego przedmiotu w taki sposób, by zainspirować młodego człowieka. Nie każdy też umie wytłumaczyć (pozornie) skomplikowane reguły algebraiczne i nauczyć trików pozwalających liczyć prościej, sprytniej i zupełnie bez problemów. Prosta matematyka. Licz sprytnie to zestaw 21 spotkań, dzięki którym nawet uczeń niedarzący sympatią królowej nauk szybko opanuje łatwe, często odkrywcze sposoby rachowania. W rezultacie liczby i dokonywane na nich operacje przestaną być dla niego groźną tajemnicą. Przemyślany układ treści pozwala na przyswajanie zebranych tu wiadomości we własnym tempie i w dowolnej kolejności. Proponowane zadania można rozwiązywać wybiórczo, ale najlepiej zmierzyć się z każdym! Uwaga! Zeszyt ćwiczeń jest przeznaczony dla uczniów szkoły podstawowej.
Przyczyny i skutki. Rewolucyjna nauka wnioskowania przyczynowego
Judea Pearl, Dana Mackenzie
Wybitny informatyk i laureat Nagrody Turinga pokazuje, jak zrozumienie przyczynowości zrewolucjonizowało naukę i jak zrewolucjonizuje sztuczną inteligencję. Kilkadziesiąt tysięcy lat temu ludzie zaczeli sobie uświadamiać, że jedne rzeczy powodują inne i że manipulowanie tymi pierwszymi może zmieniać drugie. Dzięki temu odkryciu narodziły się zorganizowane społeczeństwa, później miasta i metropolie, a wreszcie cywilizacja oparta na nauce i technice. Wszystko to, ponieważ zadaliśmy proste pytanie: "dlaczego?". Przyczynowość jest jedną z najszerzej dyskutowanych i najtrudniejszych do wykazania kategorii w nauce i medycynie. Rewolucja Przyczynowa, zainicjowana przez Judeę Pearla i innych badaczy, położyła kres wiekowi niejasności pojęciowych i oparła przyczynowość na solidnej podstawie naukowej. Dzieło Pearla ukazuje, jak nowa nauka wnioskowania wpływa na nasze obecne życie i jak wielki może mieć wpływ na przyszłość - od opracowania nowych lekarstw, edukacji i robotyki po kontrolę handlu bronią i globalne ocieplenie.
Ivan Vasilev, Valentino Zocca
The field of deep learning has developed rapidly recently and today covers a broad range of applications. This makes it challenging to navigate and hard to understand without solid foundations. This book will guide you from the basics of neural networks to the state-of-the-art large language models in use today.The first part of the book introduces the main machine learning concepts and paradigms. It covers the mathematical foundations, the structure, and the training algorithms of neural networks and dives into the essence of deep learning.The second part of the book introduces convolutional networks for computer vision. We’ll learn how to solve image classification, object detection, instance segmentation, and image generation tasks.The third part focuses on the attention mechanism and transformers – the core network architecture of large language models. We’ll discuss new types of advanced tasks they can solve, such as chatbots and text-to-image generation.By the end of this book, you’ll have a thorough understanding of the inner workings of deep neural networks. You'll have the ability to develop new models and adapt existing ones to solve your tasks. You’ll also have sufficient understanding to continue your research and stay up to date with the latest advancements in the field.
Rachunek macierzowy. Podręcznik dla studentów studiów licencjackich i inżynierskich
Marta Jarocka, Justyna Kozłowska, Beata Madras-Kobus, Anna...
Niniejszy podręcznik powstał z myślą o studentach Wydziału Inżynierii Zarządzania Politechniki Białostockiej kształcących się na kierunkach: logistyka, zarządzanie, zarządzanie i inżynieria produkcji, zarządzanie i inżynieria usług oraz inżynieria meblarstwa. Może on również służyć innym młodym adeptom matematyki – studentom studiów licencjackich i inżynierskich, którzy poznają tajniki rachunku macierzowego. Książka zawiera bowiem podstawowe treści, które są zgodne z obowiązującym programem przedmiotu matematyka na wielu kierunkach studiów.
Beata Madras-Kobus, Marta Jarocka, Anna Małgorzata Olszewska
Pojęcie funkcji znane jest z nauki matematyki w szkole. Ale czy potrafimy obliczyć pochodne funkcji jednej zmiennej? Czy wiemy jak wykorzystać pochodne do badania przebiegu zmienności i narysowania wykresu funkcji? Jakie zastosowania mają pochodne w naukach ekonomicznych czy w fizyce? Odpowiedzi na te i wiele innych pytań dotyczących rachunku różniczkowego funkcji jednej zmiennej można znaleźć w podręczniku napisanym przez wykładowców z Międzynarodowej Katedry Logistyki i Inżynierii Usług Wydziału Inżynierii Zarządzania - dr Beatę Madras-Kobus, dr Martę Jarocką, prof. PB oraz dr inż. Annę M. Olszewską, prof. PB zatytułowanym Rachunek różniczkowy funkcji jednej zmiennej. Podręcznik dla studentów studiów licencjackich i inżynierskich. Podręcznik powstał z myślą o studentach Wydziału Inżynierii Zarządzania Politechniki Białostockiej kształcących się na kierunkach: logistyka, zarządzanie, zarządzanie i inżynieria produkcji, zarządzanie i inżynieria usług oraz zarządzanie finansami i rachunkowość.
Ryszard Kilvington. Nieskończoność i geometria
Robert Podkoński
Już autorzy średniowiecznych tekstów zapoczątkowali proces, który zwykło się nazywać rewolucją naukową. Czy siedemnastowieczna rewolucja naukowa zaistniałaby bez poprzedzających ją scholastycznych dysput, których niektórzy uczestnicy doszukiwali się w pomysłach średniowiecznych przyrodników antycypacji idei nowożytnych fizyków. Inni natomiast stwierdzali, że nauka siedemnastowieczna w najmniejszym stopniu nie była kontynuacją filozofii przyrody wieków średnich, nawet pomimo tego, iż wiele jej elementów uderzająco przypominało koncepcje uznane przez fizykę nowożytną. Należy tutaj podkreślić, że zwolennicy zarówno jednej, jak i drugiej opcji za kryterium nowoczesności uznawali głównie wykorzystanie matematyki do opisu i rozwiązywania problemów fizycznych. Wysiłki historyków nauki próbujących rozwiązać tę kwestię ujawniły jednakże wiele zaskakujących i ciekawych aspektów średniowiecznej filozofii przyrody. Dzięki ich pracy wypełnionych zostało przynajmniej kilka pustych miejsc w skomplikowanej i wielopoziomowej układance, jaką jest obraz historii ludzkiego geniuszu. Celem niniejszej pracy jest zapełnienie kolejnej luki w tym obrazie.
Kamila Migdał-Najman, Krzysztof Najman
Prezentowana książka składa się z dwóch zasadniczych części. Część pierwsza ma charakter teoretyczny. Omawia genezę, rozwój, podstawy empiryczne i teoretyczne procesu klasyfikacji i grupowania danych. Jest pełna faktów, anegdot i własnych przemyśleń autorów. Część druga książki jest poświęcona szerokim badaniom teoretycznym, symulacyjnym i empirycznym nad własnościami samouczących się sieci neuronowych w grupowaniu danych społeczno-ekonomicznych. Szczegółowo omówiono algorytm budowy i samouczenia się trzech modeli sztucznych sieci neuronowych: SOM (Self Organizing Map), GNG (Growing Neural Gas) i sieci hybrydowej SOM-GNG. Zaproponowano także ich modyfikacje zwiększające zdolność badanych sieci do poprawnego wyróżniania istniejących skupień. W książce położono szczególny nacisk na możliwie prosty i przejrzysty opis często złożonych zjawisk. Poza koniecznym formalizmem matematycznym autorzy posługują się wieloma zaawansowanymi metodami wizualizacji omawianych zagadnień. Dzięki temu, mimo naukowego charakteru książki, może ona stanowić wartościowy podręcznik dla bardziej zaawansowanych studentów, praktyków i naukowców nie będących specjalistami w zakresie klasyfikacji i grupowania danych.