Biznes IT
Internet a prawo - jak się nie potknąć? Poradnik dla twórców
Tomasz Palak
Jak nie wywalić się o paragraf Jeżeli jesteś aktywny online, szczególnie jeśli zarabiasz w świecie wirtualnym, musisz być czujny. I świadomy tego, co wolno, a czego absolutnie nie można robić z cudzym dziełem. Niektóre kwestie są oczywiste: nie należy kopiować, posługiwać się bez zgody właściciela jego znakiem towarowym, obrażać. To wiadomo. Inne rzeczy, pozostające na granicy prawa i bezprawia, a notorycznie zdarzające się w sieci, nie są już tak jasne. Bo czy wolno na przykład przerobić udostępnione przez kogoś zdjęcie na mem? Czy można wyprzedzić właściciela popularnego nazwiska i zarejestrować sobie pod nim domenę internetową? Albo czy dopuszczalne jest linkowanie wszystkiego z dowolnej strony WWW? Tomasz Palak, radca prawny, bloger i entuzjasta e-świata, uważa, że prawa w sieci najlepiej uczyć się na błędach. Oczywiście raczej cudzych niż własnych. W książce przytacza więc rozmaite historie, które przydarzyły się autentycznym osobom oraz markom i w błyskotliwy, a zarazem prosty do zrozumienia sposób wyjaśnia, kto popełnił błąd. Pisze, na czym on polega, i podpowiada, co zrobić, by tego błędu (a co za tym idzie - kłopotów i odszkodowania) uniknąć.
Internet możliwości. O tym, jak wypromować firmę i zarabiać więcej, pracując mniej
Weronika Modzelewska
Twoi klienci czekają na Ciebie w sieci. Czy wiesz, jak do nich dotrzeć? Nasze życie w dużym stopniu toczy się w internecie. Także interesy załatwiamy w sieci ― tu poszukujemy produktów i usług, opinii o nich i miejsc, w których możemy zaspokoić daną potrzebę. E-zakupy stają się codziennością. Przedsiębiorcy, świadomi preferencji zakupowych Polaków, dostosowują się do ich oczekiwań. Nowe sklepy on-line wyrastają jak grzyby po deszczu. Zbudować taki sklep można stosunkowo prosto, wystarczy skorzystać z ogólnie dostępnej technologii, gotowych szablonów i oprogramowania, a także pomocy doświadczonego informatyka. Gorzej z wypromowaniem tej działalności. Dlaczego ludzie mieliby odwiedzić nowe, nieznane im miejsce w sieci i zrobić zakupy u sprzedawcy, który nie ma jeszcze żadnych opinii w social mediach? Gdzie się ogłaszać w sieci? Jak wypromować e-sklep? Na których platformach internetowych warto działać? W jaki sposób zidentyfikować potencjalnych e-klientów i jak się uwiarygodnić w ich oczach? Odpowiedzi na te i inne pytania znajdziesz w książce Weroniki Modzelewskiej, która na co dzień działa jako @przystanekinternet i uczy, jak w social mediach pracować mniej, a zarabiać więcej.
Serg Masís, Aleksander Molak, Denis Rothman
Interpretable Machine Learning with Python, Second Edition, brings to light the key concepts of interpreting machine learning models by analyzing real-world data, providing you with a wide range of skills and tools to decipher the results of even the most complex models.Build your interpretability toolkit with several use cases, from flight delay prediction to waste classification to COMPAS risk assessment scores. This book is full of useful techniques, introducing them to the right use case. Learn traditional methods, such as feature importance and partial dependence plots to integrated gradients for NLP interpretations and gradient-based attribution methods, such as saliency maps.In addition to the step-by-step code, you’ll get hands-on with tuning models and training data for interpretability by reducing complexity, mitigating bias, placing guardrails, and enhancing reliability.By the end of the book, you’ll be confident in tackling interpretability challenges with black-box models using tabular, language, image, and time series data.
Serg Masís
Do you want to gain a deeper understanding of your models and better mitigate poor prediction risks associated with machine learning interpretation? If so, then Interpretable Machine Learning with Python deserves a place on your bookshelf.We’ll be starting off with the fundamentals of interpretability, its relevance in business, and exploring its key aspects and challenges. As you progress through the chapters, you'll then focus on how white-box models work, compare them to black-box and glass-box models, and examine their trade-off. You’ll also get you up to speed with a vast array of interpretation methods, also known as Explainable AI (XAI) methods, and how to apply them to different use cases, be it for classification or regression, for tabular, time-series, image or text. In addition to the step-by-step code, this book will also help you interpret model outcomes using examples. You’ll get hands-on with tuning models and training data for interpretability by reducing complexity, mitigating bias, placing guardrails, and enhancing reliability. The methods you’ll explore here range from state-of-the-art feature selection and dataset debiasing methods to monotonic constraints and adversarial retraining.By the end of this book, you'll be able to understand ML models better and enhance them through interpretability tuning.
Connor S Riley
A strong engineering team is the backbone of any technical company, and smart managers are always looking to hire top talent. Recruiting and interviewing engineers in a smart way is essential to the growth of your team and your company. In this saturated hiring market, your positions must stand out among the big name companies, and your hiring processes must be rigorous, fair and efficient.This comprehensive guide will show you how to hire outstanding technical employees. With its step-by-step instructions and examples, Interviewing Engineering Graduates will take you all the way through the process, from attracting great candidates to making hiring decisions with confidence.Hiring engineers is a complex, expensive and crucial process. This book will get you organized quickly and prepare you to make the right decisions every step of the way. First, you’ll see how to market your open jobs effectively through writing amazing job descriptions, and selling your company to top engineers so that you get the best applicants. You’ll then learn to narrow the field by identifying the best resumes. Using our tips, tricks and templates, you can design, plan and prepare thoroughly for smooth running, multi-stage assessments and interviews. Finally, you’ll easily identify which engineers will be top performers for your company, get your whole team involved in the hiring decision, and clinch that final offer!
Introduction to Algorithms. A Comprehensive Guide for Beginners: Unlocking Computational Thinking
Cuantum Technologies LLC
Begin your journey into the fascinating world of algorithms with this comprehensive course. Starting with an introduction to the basics, you will learn about pseudocode and flowcharts, the fundamental tools for representing algorithms. As you progress, you'll delve into the efficiency of algorithms, understanding how to evaluate and optimize them for better performance. The course will also cover various basic algorithm types, providing a solid foundation for further exploration.You will explore specific categories of algorithms, including search and sort algorithms, which are crucial for managing and retrieving data efficiently. You will also learn about graph algorithms, which are essential for solving problems related to networks and relationships. Additionally, the course will introduce you to the data structures commonly used in algorithms.Towards the end, the focus shifts to algorithm design techniques and their real-world applications. You will discover various strategies for creating efficient and effective algorithms and see how these techniques are applied in real-world scenarios. By the end of the course, you will have a thorough understanding of algorithmic principles and be equipped with the skills to apply them in your technical career.
Inżynieria chaosu. Odporność systemów w praktyce
Casey Rosenthal, Nora Jones
W miarę rozwoju systemu rośnie jego złożoność. Skomplikowane systemy uważa się za trudniejsze w zarządzaniu i bardziej podatne na awarie. Nie można uniknąć złożoności systemu w czasach błyskawicznego rozwoju mikrousług i technologii rozproszonych, ale można nad nią zapanować. Odpowiednio zaplanowane testy i eksperymenty pozwalają wykryć podatności i zapobiec wystąpieniu problemów, zanim zaczną utrudniać realizację celów biznesowych firmy. Relatywnie nowym, lecz wyjątkowo obiecującym narzędziem służącym do tych celów jest inżynieria chaosu. Ta książka jest praktycznym wprowadzeniem do inżynierii chaosu w zarządzaniu złożonymi systemami podczas ich optymalizacji - zawiera gruntowne podstawy tej nowej dziedziny wraz z wyjaśnieniem zasad postępowania. Pokazuje też procesy, dzięki którym można doprowadzić do uzyskania wysokiej odporności na awarie. Opisano tu najskuteczniejsze praktyki inżynierii chaosu i poparto je licznymi przykładami. Zaprezentowano techniki testowania, eksperymentowania i wstrzykiwania awarii. Wyczerpująco omówiono znaczenie i sposoby planowania, a także zarządzania zespołami w kontekście budowania odporności złożonych systemów na awarie. Co ciekawe, zasady inżynierii chaosu mogą znaleźć zastosowanie nie tylko w odniesieniu do tworzenia i utrzymywania oprogramowania, ale również do budowania niezawodności innych złożonych systemów. Najciekawsze zagadnienia: rola inżynierii chaosu w zarządzaniu złożonością metody unikania awarii w aplikacjach, sieci i infrastrukturze rozumienie złożoności w systemach oprogramowania testy i eksperymenty w inżynierii chaosu inżynieria chaosu a optymalizacja systemów Rośnie złożoność systemu? Potrzebujemy chaosu!
Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego
Chris Fregly, Antje Barth
Platforma Amazon Web Services jest uważana za największą i najbardziej dojrzałą chmurę obliczeniową. Zapewnia bogaty zestaw specjalistycznych narzędzi ułatwiających realizację projektów z zakresu inżynierii danych i uczenia maszynowego. W ten sposób inżynierowie danych, architekci i menedżerowie mogą szybko zacząć używać danych do podejmowania kluczowych decyzji biznesowych. Uzyskanie optymalnej efektywności pracy takich projektów wymaga jednak dobrego rozeznania w możliwościach poszczególnych narzędzi, usług i bibliotek. Dzięki temu praktycznemu przewodnikowi szybko nauczysz się tworzyć i uruchamiać procesy w chmurze, a następnie integrować wyniki z aplikacjami. Zapoznasz się ze scenariuszami stosowania technik sztucznej inteligencji: przetwarzania języka naturalnego, rozpoznawania obrazów, wykrywania oszustw, wyszukiwania kognitywnego czy wykrywania anomalii w czasie rzeczywistym. Ponadto dowiesz się, jak łączyć cykle rozwoju modeli z pobieraniem i analizą danych w powtarzalnych potokach MLOps. W książce znajdziesz też zbiór technik zabezpieczania projektów i procesów z obszaru inżynierii danych, takich jak stosowanie usługi IAM, uwierzytelnianie, autoryzacja, izolacja sieci, szyfrowanie danych w spoczynku czy postkwantowe szyfrowanie sieci dla danych w tranzycie. Najciekawsze zagadnienia: narzędzia AWS związane ze sztuczną inteligencją i z uczeniem maszynowym kompletny cykl rozwoju modelu przetwarzania języka naturalnego powtarzalne potoki MLOps uczenie maszynowe w czasie rzeczywistym wykrywanie anomalii i analiza strumieni danych zabezpieczanie projektów i procesów z obszaru inżynierii danych AWS i inżynieria danych: tak zwiększysz wydajność i obniżysz koszty! Implementowanie solidnego kompletnego procesu uczenia maszynowego to żmudne zadanie, dodatkowo komplikowane przez szeroki zakres dostępnych narzędzi i technologii. Autorzy wykonali świetną robotę, a jej efekty pomogą zarówno nowicjuszom, jak i doświadczonym praktykom realizować to zadanie z wykorzystaniem możliwości, jakie dają usługi AWS Brent Rabowsky, danolog w firmie Amazon Web Services