Podręczniki szkolne
Kurs matematyki dla chemików. Wyd. 5. popr
Joanna Ger
Skrypt jest przeznaczony dla słuchaczy studiów uniwersyteckich kierunku chemia. Mogą z niego również korzystać wszyscy zainteresowani wykładem matematyki jako przedmiotu pomocniczego. Autorka zamieściła w podręczniku treści niezbędne do właściwego rozumienia i stosowania metod matematycznych w czasie studiów chemicznych. Oprócz treści wykładanych w skrypcie znajdują się też dowody twierdzeń oraz zestawy zadań. Każdy rozdział zawiera liczne przykłady (rozwiązane) ilustrujące teorię. W podręczniku przedstawiono następujące zagadnienia: elementy logiki matematycznej i teorii mnogości; liczby rzeczywiste i zespolone; funkcje elementarne; elementy algebry liniowej; ciągi i szeregi; granicę i ciągłość odwzorowań; rachunek różniczkowy funkcji jednej zmiennej; całka oznaczona na prostej; rachunek różniczkowy funkcji wielu zmiennych; wielowymiarowa całka oznaczona Riemanna; całka krzywoliniowa; całka powierzchniowa; elementy teorii równań różniczkowych zwyczajnych.
Kurs matematyki dla chemików. Wydanie szóste poprawione
Joanna Ger
Skrypt jest przeznaczony dla słuchaczy studiów uniwersyteckich kierunku chemia. Mogą z niego również korzystać wszyscy zainteresowani wykładem matematyki jako przedmiotu pomocniczego. Autorka zamieściła w podręczniku treści niezbędne do właściwego rozumienia i stosowania metod matematycznych w czasie studiów chemicznych. Oprócz treści wykładanych w skrypcie znajdują się też dowody twierdzeń oraz zestawy zadań. Każdy rozdział zawiera liczne przykłady (rozwiązane) ilustrujące teorię. W podręczniku przedstawiono następujące zagadnienia: elementy logiki matematycznej i teorii mnogości; liczby rzeczywiste i zespolone; funkcje elementarne; elementy algebry liniowej; ciągi i szeregi; granicę i ciągłość odwzorowań; rachunek różniczkowy funkcji jednej zmiennej; całka oznaczona na prostej; rachunek różniczkowy funkcji wielu zmiennych; wielowymiarowa całka oznaczona Riemanna; całka krzywoliniowa; całka powierzchniowa; elementy teorii równań różniczkowych zwyczajnych. Jest to wydanie szóste poprawione.
Jerzy Kluczewski, Damian Strojek
Książka „Kwalifikacja: INF.02 i INF.07 – Administrowanie sieciami komputerowymi w symulatorze Packet Tracer w przykładach i ćwiczeniach Część II” jest podręcznikiem wspomagającym nauczanie w zawodach: Technik Informatyk i Technik Teleinformatyk. Jest kontynuacją pierwszej części książki o tym samym tytule. Może być wykorzystywana na przedmiotach poruszających zagadnienia projektowania, zarządzania i administrowania sieciami komputerowymi obejmującymi zagadnienia: podstawy konfigurowania następujących protokołów, usług i technik sieciowych: routing dynamiczny RIP, EIGRP, OSPF, eBGP, routing statyczny, listy kontroli dostępu, VoIP, STP, RSTP, VTP, FRAME RELAY, PPP, uwierzytelnianie PAP i CHAP, RADIUS, NETFLOW, NAT, L2NAT, VPN, tunelowanie, przełączniki wielowarstwowe 3560-24PS i 3650-24PS. Zawiera ćwiczenia praktyczne oraz wskazówki do rozwiązań zadań w postaci plików do samodzielnego pobrania. Zasada przyjęta przez autorów książki była następująca „Minimum teorii – maksimum przykładów praktycznych”, które można wdrożyć zarówno w środowisku symulacyjnym podczas zajęć lekcyjnych jako rozszerzenie teorii oraz w formie zadań domowych, których wykonanie możemy zlecić uczniom. Ponadto dysponując sprzętem i laboratorium sieciowym, swobodnie możemy scenariusze ćwiczeń i przykładów wykorzystać do konfiguracji fizycznego sprzętu. Autorzy tej książki to zespół międzypokoleniowy i interdyscyplinarny. Utalentowany uczeń Zespołu Szkół Łączności w Gdańsku, Damian Strojek. Jego pasją są sieci komputerowe, posiada certyfikaty CCNA R&S oraz CCNA Security. Jerzy Kluczewski, długoletni instruktor Akademii CISCO CCNA. W swoim dorobku autorskim posiada już kilka publikacji książkowych na temat symulatora Packet Tracer. Swoje doświadczenie zdobywał podczas pracy w przemyśle, obecnie jest wykładowcą w Wyższej Szkole Bankowej w Gdańsku.
Jerzy Kluczewski, Damian Strojek, Robert Wszelaki, Marek...
Książka „Kwalifikacja: INF.02 i INF.07 – Administrowanie sieciami komputerowymi w symulatorze Packet Tracer w przykładach i ćwiczeniach Część I” jest podręcznikiem wspomagającym nauczanie w zawodach Technik Informatyk i Technik Teleinformatyk. Może być wykorzystywana podczas poruszania zagadnień z projektowania, zarządzania i administrowania sieciami komputerowymi. Wykorzystując symulację komputerową pomaga zrozumieć konfigurację usług, protokołów oraz urządzeń sieciowych. W części końcowej książki znajduje się zadanie projektowe, a także test sprawdzający wiadomości teoretyczne oraz lista plików będącymi rozwiązaniami ćwiczeń kontrolnych. Zasada przyjęta przez autorów książki była następująca „Minimum teorii – maksimum przykładów praktycznych”, które można wdrożyć zarówno w środowisku symulacyjnym podczas zajęć lekcyjnych jako rozszerzenie teorii oraz w formie zadań domowych, których wykonanie możemy zlecić uczniom. Ponadto dysponując sprzętem i laboratorium sieciowym, swobodnie możemy scenariusze ćwiczeń i przykładów wykorzystać do konfiguracji fizycznego sprzętu. Autorzy tej książki to zespół międzypokoleniowy i interdyscyplinarny. Utalentowany uczeń Zespołu Szkół Łączności w Gdańsku, Damian Strojek. Jego pasją są sieci komputerowe, posiada komplet certyfikatów CCNA R&S oraz jest w trakcie ścieżki dydaktycznej CCNA Security. Jerzy Kluczewski, długoletni instruktor Akademii CISCO CCNA. W swoim dorobku autorskim posiada już kilka publikacji książkowych na temat symulatora Packet Tracer. Swoje doświadczenie zdobywał podczas pracy w przemyśle, obecnie jest wykładowcą w Wyższej Szkole Bankowej w Gdańsku. Robert Wszelaki to pasjonat zagadnień sieciowych i programowania. Ukończył pełny kurs Cisco CCNA. Jest absolwentem ZS1 w Piekarach Śląskich, obecnie studiuje informatykę na wydziale Automatyki, Elektroniki i Informatyki Politechniki Śląskiej. Marek Smyczek to doświadczony nauczyciel przedmiotów informatycznych i elektrycznych, a zarazem instruktor programu Cisco CCNA. Jest autorem i redaktorem kilkudziesięciu publikacji z dziedzin elektroniki i informatyki.
Luca Massaron, Alberto Boschetti, Bastiaan Sjardin
Large Python machine learning projects involve new problems associated with specialized machine learning architectures and designs that many data scientists have yet to tackle. But finding algorithms and designing and building platforms that deal with large sets of data is a growing need. Data scientists have to manage and maintain increasingly complex data projects, and with the rise of big data comes an increasing demand for computational and algorithmic efficiency. Large Scale Machine Learning with Python uncovers a new wave of machine learning algorithms that meet scalability demands together with a high predictive accuracy. Dive into scalable machine learning and the three forms of scalability. Speed up algorithms that can be used on a desktop computer with tips on parallelization and memory allocation. Get to grips with new algorithms that are specifically designed for large projects and can handle bigger files, and learn about machine learning in big data environments. We will also cover the most effective machine learning techniques on a map reduce framework in Hadoop and Spark in Python.
Donald E. Knuth
50 lat temu wybitny angielski matematyk John H. Conway przy użyciu dwóch niepozornych reguł skonstruował nowy, zadziwiający system liczbowy, rozszerzający zbiór liczb rzeczywistych o obiekty nieskończenie wielkie i nieskończenie małe, a także o niewyobrażalne bogactwo ich kombinacji. Zainspirowany tym odkryciem Donald E. Knuth postanowił opisać je w możliwie przystępnej formie „matematycznej powiastki”, w której dwójka byłych studentów – Alice i Bill – usiłuje przeniknąć tajemnice liczb Conwaya. Po drodze bohaterowie przeżywają radości i smutki towarzyszące twórczemu uprawianiu matematyki, a Czytelnik ma rzadką okazję zajrzeć za kulisy wielkiego matematycznego odkrycia, które wciąż skrywa przed badaczami wiele sekretów. Fascynujący popis matematycznego prestidigitatorstwa. Conway kładzie pusty kapelusz na stole standardowej teorii mnogości, wymawia dwie proste reguły-zaklęcia, po czym sięga w niemal całkowitą pustkę i wyciąga nieskończenie bogaty, misternie utkany liczbowy gobelin […]. Każda liczba rzeczywista jest w nim otoczona mrowiem liczb nowego typu, które leżą bliżej niej niż jakakolwiek inna „rzeczywista” wartość. System Conwaya jest iście „nadrzeczywisty”.
Oliver Theobald
Starting with Python syntax and data types, this guide builds toward implementing key machine learning models. Learn about loops, functions, OOP, and data cleaning, then transition into algorithms like regression, KNN, and neural networks. A final section walks you through model optimization and building projects in Python.The book is split into two major sections—foundational Python programming and introductory machine learning. Readers are guided through essential concepts such as data types, variables, control flow, object-oriented programming, and using libraries like pandas for data manipulation.In the machine learning section, topics like model selection, supervised vs unsupervised learning, bias-variance, and common algorithms are demystified with practical coding examples. It’s a structured, clear roadmap to mastering both programming and applied ML from zero knowledge.
Oliver Theobald
This book is an ideal starting point for anyone interested in Artificial Intelligence and Machine Learning. It begins with the foundational principles of AI, offering a deep dive into its history, building blocks, and the stages of development. Readers will explore key AI concepts and gradually transition to practical applications, starting with machine learning algorithms such as linear regression and k-nearest neighbors. Through step-by-step Python tutorials, the book helps readers build and implement models with hands-on experience.As the book progresses, readers will dive into advanced AI topics like deep learning, natural language processing (NLP), and generative AI. Topics such as recommender systems and computer vision demonstrate the real-world applications of AI technologies. Ethical considerations and privacy concerns are also addressed, providing insight into the societal impact of these technologies.By the end of the book, readers will have a solid understanding of both the theory and practice of AI and Machine Learning. The final chapters provide resources for continued learning, ensuring that readers can continue to grow their AI expertise beyond the book.
Andrew P. McMahon
The Second Edition of Machine Learning Engineering with Python is the practical guide that MLOps and ML engineers need to build solutions to real-world problems. It will provide you with the skills you need to stay ahead in this rapidly evolving field.The book takes an examples-based approach to help you develop your skills and covers the technical concepts, implementation patterns, and development methodologies you need. You'll explore the key steps of the ML development lifecycle and create your own standardized model factory for training and retraining of models. You'll learn to employ concepts like CI/CD and how to detect different types of drift.Get hands-on with the latest in deployment architectures and discover methods for scaling up your solutions. This edition goes deeper in all aspects of ML engineering and MLOps, with emphasis on the latest open-source and cloud-based technologies. This includes a completely revamped approach to advanced pipelining and orchestration techniques.With a new chapter on deep learning, generative AI, and LLMOps, you will learn to use tools like LangChain, PyTorch, and Hugging Face to leverage LLMs for supercharged analysis. You will explore AI assistants like GitHub Copilot to become more productive, then dive deep into the engineering considerations of working with deep learning.
Brett Lantz
Machine learning, at its core, is concerned with transforming data into actionable knowledge. This fact makes machine learning well-suited to the present-day era of big data and data science. Given the growing prominence of R—a cross-platform, zero-cost statistical programming environment—there has never been a better time to start applying machine learning. Whether you are new to data science or a veteran, machine learning with R offers a powerful set of methods for quickly and easily gaining insight from your data.Machine Learning with R is a practical tutorial that uses hands-on examples to step through real-world application of machine learning. Without shying away from the technical details, we will explore Machine Learning with R using clear and practical examples. Well-suited to machine learning beginners or those with experience. Explore R to find the answer to all of your questions.How can we use machine learning to transform data into action? Using practical examples, we will explore how to prepare data for analysis, choose a machine learning method, and measure the success of the process.We will learn how to apply machine learning methods to a variety of common tasks including classification, prediction, forecasting, market basket analysis, and clustering. By applying the most effective machine learning methods to real-world problems, you will gain hands-on experience that will transform the way you think about data.Machine Learning with R will provide you with the analytical tools you need to quickly gain insight from complex data.
Matematyczne miscellanea Tom 2
Izolda Gorgol (red.)
Niniejsza monografia jest czastkowa próba prezentacji zarówno osiagniec pracowników Katedry Matematyki Stosowanej, jak i pokazania efektów prac innych pracowników naukowych zwiazanych bezposrednio lub posrednio z kierunkiem matematyka, tak z Politechniki Lubelskiej, jak i z innych osrodków naukowych
Matematyczne miscellanea Tom 3
Izolda Gorgol (red.)
Niniejsza monografia uzupełnia poprzednia o prezentacje osiagniec kolejnych pracowników Katedry Matematyki Stosowanej i osób z nimi współpracujacych. Jak wszyscy prowadzacy zajecia ze studentami kierunku matematyka, rozszerzaja oni klasyczna wiedze przekazywana w ramach róznych przedmiotów o najnowsze wyniki nie tylko swoich badan.
Matematyczne szkiełko i oko. Mniej i bardziej poważne zastosowania matmy
Dariusz Laskowski
Nie ma litości, jest matematyka! Matematyka to potęga do potęgi Czy wiesz, że matematyka to nie czarna magia, tylko dowcip, inteligencja i odrobina tajemniczości w czystej formie? Tak, tak. To nie żadna ściema czy inna niewiadoma. Zamiast włączać telewizor albo odpalać kolejną gierkę w sieci, otwórz tę książkę. Dzięki odkryciom matematyki przekonasz się, jak można odpowiedzieć na niezwykle frapujące pytania z codziennego życia - także Twojego własnego. Ile liczb mieści się na końcu szpilki? Na czym polega geometria bazgrołów? Co język C++ ma wspólnego z ponętną Moniką? Ile kompotu można wypić, gdy pan Czesław ma kolonoskopię? I wreszcie wyższa szkoła jazdy: jak odkodować PIN do lodówki algorytmem spigot? Okazuje się, że nieznana kraina faktów, teorii, hipotez, przełomowych eksperymentów i odkryć, dowodów, pojęć i matematycznych idei to nic innego jak nasze życie. A w życiu, jak w matematyce - jeden błąd może popsuć wszystko. Lepiej więc wiedzieć więcej i spojrzeć w zagadkowe oczy matmy. Nie taki X straszny, jak go malują…
Matematyczne zasady filozofii naturalnej
Isaac Newton
Principia są gruntownym podsumowaniem XVII-wiecznej wiedzy na temat podstawowych praw mechaniki, rozbudowanym następnie o wyniki własnych przemyśleń, badań teoretycznych, eksperymentów i astronomicznych obserwacji Isaaca Newtona. W jego czasach nie prowadzono jeszcze algebraicznych rachunków w takiej formie, jakiej dziś powszechnie używamy − królowały metody geometryczne, polegające na przekładaniu wartości wielkości fizycznych na długości odcinków i łuków, konstruowaniu z nich odpowiednich figur geometrycznych, badaniu relacji zachodzących między elementami tych figur i budowaniu w ten sposób dowodów twierdzeń. Ślady tego podejścia pozostały do dziś w postaci graficznego obrazu wektora jako strzałki i szkolnej metody sumowania wektorów. Podobne do współczesnych rachunki algebraiczne znajdujemy u Newtona w formie zaczątkowej i w zapisie niekiedy trudnym w odbiorze dla współczesnego czytelnika. Kolejne (trzy) oryginalne łacińskie wydania Principiów różnią się między sobą – Newton stopniowo rozszerzał wykład i zmieniał niektóre jego fragmenty. Wydanie trzecie uznawane jest za jego „ostatnie słowo”, i ten tekst (w angielskim tłumaczeniu Andrew Motte’a z roku 1729) stał się podstawą polskiego przekładu autorstwa Sławomira Brzezowskiego. Dr Sławomir Brzezowski – ukończył fizykę na Uniwersytecie Jagiellońskim. Doktorat z fizyki teoretycznej uzyskał w Zakładzie Teorii Pola Instytutu Fizyki UJ. Jest emerytowanym wykładowcą UJ.
Matematyka. 30 wykładów z ćwiczeniami
Jan Nawrocki
Podręcznik przeznaczony jest dla studentów I semestru uczelni technicznych. Przedstawiono w nim teorię, przykłady oraz ćwiczenia z następujących działów matematyki: elementy logiki i teoria zbiorów, relacje i odwzorowania, struktury algebraiczne, ciało liczb zespolonych, przestrzenie liniowe, macierze, wyznaczniki i układy równań, elementy geometrii analitycznej (prosta, płaszczyzna i powierzchnie stopnia drugiego w R3), ciągi i szeregi liczbowe, rachunek różniczkowy i całkowy funkcji jednej zmiennej, ciągi i szeregi funkcyjne, szeregi potęgowe, szeregi ortogonalne.
Matematyka po polsku. Podręcznik dla cudzoziemców
Danuta Wróbel, Alicja Zielińska, Grzegorz Rudziński
Matematyka po polsku jest podręcznikiem dla trzech grup odbiorców: po pierwsze, dla cudzoziemców, którzy chcąc podjąć w Polsce studia uczą się języka polskiego jako obcego; po drugie, dla osób, które znając język polski w zakresie ogólnym muszą uzupełnić jego znajomość w zakresie matematyki; po trzecie wreszcie, dla tych osób kształconych poza Polską, którzy z racji różnic w programach szkolnych opanowały inny niż obowiązujący u nas zakres wiedzy z tego przedmiotu. Zakłada się, że odbiorcami treści podręcznika są osoby, które znają matematykę na poziomie egzaminu maturalnego obowiązującego w ich krajach.