Sztuczna inteligencja
Henry Habib
Firma OpenAI pozostaje niekwestionowanym liderem badań nad sztuczną inteligencją. Dzięki udostępnianym przez nią rozwiązaniom tworzenie innowacyjnych aplikacji, takich jak czatboty, wirtualne asystenty, generatory treści i narzędzia zwiększające produktywność, stało się o wiele prostsze. Bezsprzecznie powszechna dostępność technologii AI zmienia zasady gry! Receptury zawarte w tym zbiorze ułatwią Ci budowę szerokiej gamy inteligentnych aplikacji. Zaczniesz od podstaw OpenAI API - konfiguracji, uwierzytelniania i kluczowych parametrów - po czym szybko przejdziesz do nauki korzystania z najważniejszych elementów API. Następnie przyjdzie czas na zaawansowane receptury, dzięki którym poprawisz wrażenia użytkownika i dopracujesz dane wyjściowe. Dowiesz się, jak wdrażać aplikacje i przygotować je do publicznego użytku. Nauczysz się również budowania inteligentnych asystentów opartych na specjalistycznej wiedzy, a także aplikacji multimodalnych dostosowanych do Twoich specyficznych potrzeb. W książce: podstawy interfejsu OpenAI API, jego możliwości i ograniczenia konfiguracja OpenAI API krok po kroku zaawansowane funkcje, w tym komunikat systemowy i dostrajanie integracja OpenAI API z istniejącymi aplikacjami i procesami projektowanie aplikacji wykorzystujących w pełni możliwości OpenAI API Postęp technologii polega na dostosowaniu jej tak, abyśmy nawet jej nie zauważali i by mogła stać się częścią codziennego życia! Bill Gates
Joseph Howse, Steven Puttemans, Utkarsh Sinha
Computer vision is becoming accessible to a large audience of software developers who can leverage mature libraries such as OpenCV. However, as they move beyond their first experiments in computer vision, developers may struggle to ensure that their solutions are sufficiently well optimized, well trained, robust, and adaptive in real-world conditions. With sufficient knowledge of OpenCV, these developers will have enough confidence to go about creating projects in the field of computer vision.This book will help you tackle increasingly challenging computer vision problems that you may face in your careers. It makes use of OpenCV 3 to work around some interesting projects. Inside these pages, you will find practical and innovative approaches that are battle-tested in the authors’ industry experience and research. Each chapter covers the theory and practice of multiple complementary approaches so that you will be able to choose wisely in your future projects. You will also gain insights into the architecture and algorithms that underpin OpenCV’s functionality.We begin by taking a critical look at inputs in order to decide which kinds of light, cameras, lenses, and image formats are best suited to a given purpose. We proceed to consider the finer aspects of computational photography as we build an automated camera to assist nature photographers. You will gain a deep understanding of some of the most widely applicable and reliable techniques in object detection, feature selection, tracking, and even biometric recognition. We will also build Android projects in which we explore the complexities of camera motion: first in panoramic image stitching and then in video stabilization.By the end of the book, you will have a much richer understanding of imaging, motion, machine learning, and the architecture of computer vision libraries and applications!
Robert Laganiere
OpenCV 3 Computer Vision Application Programming Cookbook is appropriate for novice C++ programmers who want to learn how to use the OpenCV library to build computer vision applications. It is also suitable for professional software developers wishing to be introduced to the concepts of computer vision programming. It can also be used as a companion book in a university-level computer vision courses. It constitutes an excellent reference for graduate students and researchers in image processing and computer vision.
Joseph Howse
This book is for programmers who want to expand their skills by building fun, smart, and useful systems with OpenCV. The projects are ideal in helping you to think creatively about the uses of computer vision, natural user interfaces, and ubiquitous computers (in your home, car, and hand).
Prateek Joshi
Computer vision is found everywhere in modern technology. OpenCV for Python enables us to run computer vision algorithms in real time. With the advent of powerful machines, we are getting more processing power to work with. Using this technology, we can seamlessly integrate our computer vision applications into the cloud. Web developers can develop complex applications without having to reinvent the wheel.This book will walk you through all the building blocks needed to build amazing computer vision applications with ease. We start off with applying geometric transformations to images. We then discuss affine and projective transformations and see how we can use them to apply cool geometric effects to photos. We will then cover techniques used for object recognition, 3D reconstruction, stereo imaging, and other computer vision applications.This book will also provide clear examples written in Python to build OpenCV applications. The book starts off with simple beginner’s level tasks such as basic processing and handling images, image mapping, and detecting images. It also covers popular OpenCV libraries with the help of examples.The book is a practical tutorial that covers various examples at different levels, teaching you about the different functions of OpenCV and their actual implementation.
Ajeet Singh Raina, Harsh Manvar
Modern AI systems don’t fail at modeling; they fail in production. Moving from experiments to reliable, scalable systems requires more than notebooks and scripts. It requires infrastructure.Operational AI with Docker shows you how to build, deploy, and operate AI systems that work beyond a single machine. You’ll learn how to use Docker as a consistent runtime for machine learning workflows, package models as reproducible artifacts, and run them reliably across environments.Starting with containerized machine learning, you’ll progress to model serving, AI deployment, and scalable infrastructure using Kubernetes. You’ll implement production-ready patterns for resource management, autoscaling, observability, and performance tuning, ensuring your AI workloads remain stable under real-world conditions.The book goes beyond traditional MLOps by introducing agentic AI systems, including autonomous agents, multi-agent architectures, and secure execution environments. You’ll also explore modern integration patterns using the Model Context Protocol (MCP), enabling AI systems to interact safely with tools, APIs, and data sources.By the end of this book, you’ll be able to design and operate production AI systems that are reproducible, scalable, and ready for real-world deployment using Docker and Kubernetes.
Polecenia dla ChatGPT w finansach: praktyczne zastosowanie w biznesie i finansach osobistych
Adam Parysz
Czy kiedykolwiek zastanawiało Cię, jak sztuczna inteligencja może zrewolucjonizować zarządzanie finansami? Jeśli nie, to może warto się nad tym zastanowić? Zwłaszcza w kontekście możliwości, jakie stwarza ChatGPT, jedno z kluczowych narzędzi transformacji technologicznej. Model opracowany przez OpenAI może być używany do planowania budżetu, oszczędzania, raportowania danych czy nawet doradztwa inwestycyjnego. Dzięki zaawansowanym algorytmom AI może analizować wszelkie dane finansowe i sugerować optymalne strategie inwestycyjne, co pozwala na efektywniejsze zarządzanie finansami osobistymi. Książka Polecenia dla ChatGPT w finansach. Praktyczne zastosowanie w biznesie i finansach osobistych pokazuje możliwości, jakie daje współpraca z tym narzędziem. To praktyczny przewodnik skierowany do osób, które na co dzień korzystają z AI w instytucjach finansowych, ale także tych, które dopiero rozpoczynają przygodę z tą technologią. Również szefowie organizacji znajdą tu inspiracje do zastosowania narzędzia w codziennej pracy ― odkryją jego potencjał w zarządzaniu nie tylko finansami, ale i procesami biznesowymi. Przekonaj się, że ChatGPT może się stać Twoim najlepszym wirtualnym asystentem ― który w dodatku nic nie kosztuje! W książce: Cel i zakres zastosowania ChatGPT w finansach: Wprowadzenie do OpenAI, rozwój ChatGPT oraz jego kluczowe cechy) Zastosowanie ChatGPT w finansach osobistych (planowanie budżetu, oszczędzanie, zarządzanie długiem, doradztwo inwestycyjne) Automatyzacja obsługi klienta i personalizacja usług (najlepsze praktyki, skrypty dialogów z klientami) Automatyzacja analizy i raportowania danych finansowych (przegląd narzędzi i metodologii) Automatyzacja procesów wewnętrznych (zarządzanie dokumentacją, audyt) Automatyzacja zarządzania ryzykiem (przykłady poleceń dotyczących identyfikacji i reagowania na sygnały ryzyka)
Poznaj Data Science. Przekształcanie, eksplorowanie, wizualizacja i modelowanie danych w Pythonie
Deborah Nolan, Joseph Gonzalez, Sam Lau
Jako ambitny Data Scientist, czyli danetyk, rozumiesz, dlaczego organizacje polegają na danych przy podejmowaniu ważnych decyzji - czy chodzi o firmy projektujące witryny internetowe, władze miasta decydujące o sposobie poprawy usług, czy naukowców pracujących nad zatrzymaniem rozprzestrzeniania się choroby. Chcesz nabyć umiejętności wyciągania praktycznych wniosków z nieuporządkowanego mnóstwa danych. Nazywamy to danetycznym cyklem życia: proces zbierania, przekształcania, analizowania danych i wyciągania z nich wniosków. Poznaj Data Science to pierwsza książka przedstawiająca fundamentalne umiejętności dotyczące zarówno programowania, jak i statystyki, które są potrzebne w całym cyklu życia. Jest skierowana do osób, które chcą zostać danetykami lub z nimi współpracują, a także analityków danych, którzy chcą przekroczyć podział na "techniczne/nietechniczne". Jeśli znasz podstawy programowania w Pythonie, nauczysz się pracować z danymi przy użyciu standardowych w branży narzędzi, takich jak pandas. - Sprecyzuj pytanie, aby pozwalało na badanie interesującej kwestii przy użyciu danych - Zgromadź dane, co może obejmować przetwarzanie tekstu, ekstrakcję danych internetowych itp. - Zyskaj wartościowe spostrzeżenia, dzięki oczyszczaniu, eksplorowaniu i wizualizacji danych - Poznaj sposoby modelowania służące do opisu danych - Dokonaj uogólnień wykraczających poza dane "Żałuję, że nie mieliśmy tej książki, gdy pierwszy raz wymyślaliśmy określenie Data Scientist na nasz zawód. Warto zacząć od niej zajmowanie się analizą/inżynierią danych, sztuczną inteligencją lub uczeniem maszynowym". -DJ Patil, PhD pierwszy US Chief Data Scientist Sam Lau jest asystentem w Halıcıoğlu Data Science Institute na uniwersytecie UC San Diego. Sam ma dziesięć lat doświadczenia w nauczaniu. Ułożył program przedmiotu Data Science i nauczał go na wzorcowych kursach na uniwersytetach UC Berkeley i UC San Diego. Joey Gonzalez jest adiunktem na wydziale EECS na uniwersytecie UC Berkeley, członkiem grupy badawczej Berkeley AI Research oraz członkiem założycielem organizacji Berkeley RISE Lab. Jest także współzałożycielem firm Turi Inc. i Aqueduct, które tworzą narzędzia dla osób zajmujących się Data Science. Deborah Nolan jest profesorem emerita statystyki i prodziekanem ds. studentów w College of Computing, Data Science, and Society na uniwersytecie UC Berkeley.
Salil Ajgaonkar
With the huge amount of data being generated over the internet and the benefits that Machine Learning (ML) predictions bring to businesses, ML implementation has become a low-hanging fruit that everyone is striving for. The complex mathematics behind it, however, can be discouraging for a lot of users. This is where H2O comes in – it automates various repetitive steps, and this encapsulation helps developers focus on results rather than handling complexities.You’ll begin by understanding how H2O’s AutoML simplifies the implementation of ML by providing a simple, easy-to-use interface to train and use ML models. Next, you’ll see how AutoML automates the entire process of training multiple models, optimizing their hyperparameters, as well as explaining their performance. As you advance, you’ll find out how to leverage a Plain Old Java Object (POJO) and Model Object, Optimized (MOJO) to deploy your models to production. Throughout this book, you’ll take a hands-on approach to implementation using H2O that’ll enable you to set up your ML systems in no time.By the end of this H2O book, you’ll be able to train and use your ML models using H2O AutoML, right from experimentation all the way to production without a single need to understand complex statistics or data science.
Lars Malmqvist
Agentforce is Salesforce’s next-generation framework for building autonomous AI agents that act intelligently on behalf of users. This book is your practical guide to leveraging Agentforce to create enterprise-grade agents that reason, plan, and execute across clouds.You'll begin by mastering core concepts, agent types, the Atlas Reasoning Engine, and the Einstein Trust Layer, before setting up your development environment and using Agent Builder to create your first agents. A full case study walks you through building a production-grade room booking agent, preparing you for more advanced implementations.In later chapters, you'll extend agents with Flow and Apex, build real-time intelligence using Data Cloud and semantic search, and secure your implementations. You'll then adopt DevOps practices to manage deployments, use the Command Center for performance insights, and integrate Agentforce across your enterprise landscape using MuleSoft and external services. By the end, you’ll design and run robust Agentforce solutions that automate complex workflows and deliver measurable business value.*Email sign-up and proof of purchase required
Prawo w IT. Praktycznie i po ludzku
Szymon Ciach
Książka Prawo w IT. Praktycznie i po ludzku Szymona Ciacha zdobyła II Nagrodę w konkursie na Najlepszą Polską Książkę Informatyczną 2025r. organizowanym przez Polskie Towarzystwo Informatyczne. Większość pracowników IT wie, że znajomość prawa istotnego dla sektora, w którym działają, jest niezwykle przydatna. Wszak nieznajomość prawa szkodzi, a jego zrozumienie i umiejętność praktycznego stosowania są kluczowe dla skutecznego funkcjonowania w branży. Prawo w IT. Praktycznie i po ludzku to prawdziwe kompendium wiedzy nie tylko dla prawników, ale także konsultantów IT, menedżerów do spraw bezpieczeństwa informacji, wreszcie wszystkich tych, którym zależy na zrozumieniu i stosowaniu prawa w obszarze technologii informatycznych. Lektura niezbędna dla osób chcących się efektywnie poruszać w cyfrowej rzeczywistości i skutecznie chronić swoje interesy w świecie internetu i nowych mediów. Szymon Ciach, który specjalizuje się w umowach IT oraz regulacjach ICT w sektorze finansowym, używając żargonu właściwego dla branży IT, zagłębia się w najważniejsze aspekty regulacji prawnych związanych z cyberprzestrzenią, ochroną danych czy prawami autorskimi w świecie cyfrowym. Koncentruje się na wymiarze praktycznym omawianych zagadnień, co pozwala lepiej zrozumieć, jak działa prawo w odniesieniu do stanów faktycznych związanych z IT - nie tylko pokazuje zestaw istotnych przepisów, ale też wskazuje sposób myślenia, jaki można "zaimplementować", by radzić sobie ze stosowaniem prawa w tym obszarze. W książce między innymi: Świat IT okiem prawnika Umowy IT (rodzaje, najważniejsze zagadnienia) Technologie (chmura obliczeniowa, AI, DLT, blockchain, kryptoaktywa i więcej) Regulacje IT (przetwarzanie i ochrona danych, cyberbezpieczeństwo) Spory i transakcje M&A w IT
Emily Webber
Foundation models have forever changed machine learning. From BERT to ChatGPT, CLIP to Stable Diffusion, when billions of parameters are combined with large datasets and hundreds to thousands of GPUs, the result is nothing short of record-breaking. The recommendations, advice, and code samples in this book will help you pretrain and fine-tune your own foundation models from scratch on AWS and Amazon SageMaker, while applying them to hundreds of use cases across your organization.With advice from seasoned AWS and machine learning expert Emily Webber, this book helps you learn everything you need to go from project ideation to dataset preparation, training, evaluation, and deployment for large language, vision, and multimodal models. With step-by-step explanations of essential concepts and practical examples, you’ll go from mastering the concept of pretraining to preparing your dataset and model, configuring your environment, training, fine-tuning, evaluating, deploying, and optimizing your foundation models.You will learn how to apply the scaling laws to distributing your model and dataset over multiple GPUs, remove bias, achieve high throughput, and build deployment pipelines.By the end of this book, you’ll be well equipped to embark on your own project to pretrain and fine-tune the foundation models of the future.
Produkty oparte na sztucznej inteligencji. Projektowanie, budowa i rozwijanie rozwiązań z AI i GenAI
Dr. Marily Nika
Liczba zastosowań generatywnej AI rośnie lawinowo - od automatyzacji procesów, przez personalizację treści, po nowatorskie formy interakcji z użytkownikami. Niemal każda firma technologiczna stara się wkomponować elementy sztucznej inteligencji w swoje produkty. Wprowadzenie dużych modeli językowych stworzyło możliwości, które jeszcze niedawno wydawały się nieosiągalne. Sztuczna inteligencja może nadać naszej pracy większy sens i zmienić jej charakter. Deb Liu, prezes i dyrektor generalny Ancestry.com Ta książka jest niezbędnikiem dla liderów produktowych, którzy chcą projektować i wdrażać produkty oparte na AI i GenAI, a także skutecznie zarządzać zespołami zaangażowanymi w ich rozwój. Znajdziesz tu sprawdzone strategie, praktyczne narzędzia i konkretne przykłady, dzięki którym łatwiej przekujesz potencjał najnowszych technologii w realne korzyści dla użytkowników. Bez względu na to, czy już zarządzasz produktem, czy dopiero chcesz wejść do świata produktów AI - ten przewodnik ułatwi Ci pewne poruszanie się po każdym etapie cyklu życia produktu. W książce między innymi: zarządzanie rozwojem produktów AI za pomocą narzędzi Google, Meta, OpenAI i innych rozwiązywanie problemów za pomocą agentowej i generatywnej sztucznej inteligencji zasady pracy z modelami AI i LLM koordynowanie zespołów produktowych i technicznych podejmowanie trafnych decyzji w obliczu kompromisów strategicznych Ta książka oferuje kombinację ramowych zasad, studiów przypadków i praktycznych porad. Lenny Rachitsky, autor Lenny's Newsletter i gospodarz podcastu
Rheinwerk Publishing, Inc, Dr. Joachim Steinwendner, Dr....
This book offers a comprehensive guide to understanding and programming neural networks and deep learning. Starting with the basics, readers will learn how to build neural networks using Python and TensorFlow. By the end, they’ll master key algorithms and techniques to apply them to real-world machine learning challenges. The book walks through the development of simple perceptrons and progresses to complex multilayer networks, showing how deep learning methods work in practice. The evolution of neural networks is explored, from the origins of artificial neurons to cutting-edge deep learning architectures. Along the way, readers will learn about the different types of neural networks, including convolutional and transformer networks. The book also delves into optimization techniques like gradient descent and backpropagation. Hands-on coding exercises ensure practical learning, preparing readers to implement neural networks for tasks like image recognition, natural language processing, and data classification. By the end of the book, readers will be equipped to apply neural networks to solve diverse AI problems effectively.
Programowanie wspomagane AI. Automatyzacja pracy programisty dzięki ChatGPT i GitHub Copilot
Christoffer Noring, Anjali Jain, Marina Fernandez, Ayşe...
Obecnie miliony użytkowników korzystają z dużych modeli językowych do generowania treści, analizy danych, pisania kodu i automatyzacji pracy. Narzędzia takie jak ChatGPT i GitHub Copilot pozwalają na zwiększenie efektywności i radzenie sobie ze skomplikowanymi wyzwaniami. Ułatwiają również tworzenie aplikacji na profesjonalnym poziomie. Ta książka jest przeznaczona dla programistów, którzy chcą używać AI do optymalizacji procesu tworzenia oprogramowania. Znalazły się tu praktyczne informacje dotyczące budowy interfejsu użytkownika, backendu, tworzenia i optymalizacji kodu. Opisano, jak pisać interfejsy Web API, refaktoryzować kod i zwiększać jego wydajność za pomocą Copilota. Omówiono ponadto sposoby formułowania podpowiedzi dla przetwarzania danych, inżynierii cech, doboru modeli, ich trenowania, strojenia hiperparametrów i oceny jakości uczenia maszynowego. Nie zabrakło również zaawansowanych technik pracy z Copilotem i agentami programowymi, a także omówienia zasad wywoływania narzędzi AI. W książce: budowa modeli uczenia maszynowego za pomocą GitHub Copilot i ChatGPT korzystanie z asystentów AI w całym cyklu tworzenia oprogramowania techniki inżynierii podpowiedzi w projektach data science tworzenie frontendu i backendu aplikacji internetowej za pomocą sztucznej inteligencji refaktoryzacja kodu i poprawa jego efektywności i czytelności optymalizacja przepływów pracy AI w programowaniu ― twórz szybciej i skuteczniej!
Programowanie wspomagane sztuczną inteligencją. Lepsze planowanie, kodowanie, testowanie i wdrażanie
Tom Taulli
To już się dzieje! Narzędzia oparte na sztucznej inteligencji wykonują monotonne zadania i zajmują się złożonymi szczegółami kodu. W tym czasie programista może się skupić na rozwiązywaniu problemów i innowacjach. AI w takim tandemie ogrywa rolę zaufanego pomocnika, wyręczającego człowieka w zawiłych lub nużących aspektach kodowania. Efekt? Imponujący wzrost produktywności! Ta praktyczna książka ułatwi Ci optymalne używanie narzędzi AI na wszystkich etapach tworzenia oprogramowania. Niezależnie od Twojego doświadczenia nauczysz się korzystać z szerokiej gamy rozwiązań: od dużych modeli językowych ogólnego przeznaczenia (ChatGPT, Gemini i Claude) po systemy przeznaczone do kodowania (GitHub Copilot, Tabnine, Cursor i Amazon CodeWhisperer). Poznasz również metodykę programowania modułowego, która efektywnie współgra z technikami pisania promptów do generowania kodu. W książce znajdziesz także najlepsze sposoby zastosowania uniwersalnych modeli LLM w nauce języka programowania, wyjaśnianiu kodu lub przekładaniu go na inny język programowania. Najciekawsze zagadnienia: możliwości narzędzi opartych na AI, przeznaczonych do tworzenia kodu zalety i wady popularnych systemów korzystanie z ogólnych modeli językowych podczas kodowania narzędzia oparte na AI w cyklu życia oprogramowania inżynieria promptów podczas tworzenia oprogramowania realizacja żmudnych zadań, takich jak pisanie wyrażeń regularnych Ta książka zaoszczędzi Ci wielu godzin prób i błędów! Jonathan Ellis, współzałożyciel firmy DataStax