Sztuczna inteligencja
Azymut na AI. Jak obrać najlepszy kierunek?
Chris Badura
Rewolucja już tu jest Decyzja, by napisać tę książkę, wzięła się z przekonania jej autora, że w sercu każdej technologii powinien się znajdować człowiek: jego potrzeby, emocje i marzenia. Drugim powodem było pragnienie nakreślenia ogromu perspektyw, jakie otwiera przed nami sztuczna inteligencja. I nie chodzi tu tylko o możliwości techniczne. Także o to, że AI zaprasza ludzi do świata, w którym maszyny rozumieją ich lepiej niż kiedykolwiek przedtem. Rewolucja AI właśnie się rozpoczyna, dobrze jest się do niej zawczasu przygotować - zarówno mentalnie, jak i zawodowo. Zacznij czytać i przekonaj się, w jaki sposób sztuczna inteligencja kształtuje teraźniejszość i przyszłość w różnych aspektach życia: od rewolucyjnych zmian w edukacji, poprzez przełomowe zastosowania w medycynie, aż po wyjątkowe innowacje w sztuce i designie. Zrozum, jak działa sztuczna inteligencja Dowiedz się, w jakich dziedzinach życia wspomaga nas już dziś Naucz się z nią komunikować Poznaj zawody, w których współpraca z AI będzie wkrótce odgrywała kluczową rolę Zobacz, jak za przyczyną sztucznej inteligencji zmieni się świat
Mariusz Izdebski
Praca dotyczy tematyki zarządzania ryzykiem w transporcie drogowym z wykorzystaniem algorytmów sztucznej inteligencji w procesach przewozowych do minimalizacji zdarzeń niebezpiecznych. Wartością poznawczą przeprowadzonych badań jest opracowanie autorskich, oryginalnych modeli zarządzania ryzykiem w transporcie drogowym wraz z ich algorytmizacją narzędziami sztucznej inteligencji. Opracowane modele zarządzania ryzykiem mogą mieć zastosowanie w różnych obszarach, np. budownictwie. Wykorzystanie algorytmów sztucznej inteligencji w zarządzaniu ryzykiem w transporcie drogowym pozwoliło na opracowanie oryginalnych metod oceny i zarządzania ryzykiem w procesach przewozowych. Do badania redukcji poziomu ryzyka zastosowano dwa zaawansowane algorytmy sztucznej inteligencji - mrówkowy i genetyczny. Sposób ich działania jest różny, co pozwoliło na porównanie jakości generowanych rozwiązań, a tym samym wyznaczenie efektywności tych algorytmów w zarządzaniu ryzykiem w transporcie drogowym. Monografia składa się z dziewięciu rozdziałów, które podzielono na trzy obszary tematyczne. W pierwszym obszarze (rozdz. 1-3) zdefiniowano najnowsze badania z zakresu tematyki ryzyka w transporcie drogowym, scharakteryzowano kluczowe zagrożenia w procesach przewozowych i przedstawiono procedurę zarządzania ryzykiem w transporcie drogowym. Kluczowym elementem tej części monografii jest opis algorytmów sztucznej inteligencji stosowanych w zarządzaniu ryzykiem w transporcie drogowym, ze szczególnym podkreśleniem dużej roli, jaką odgrywają użyte algorytmy. W drugim obszarze (rozdz. 4 i 5) opisano modele zarządzania ryzykiem w transporcie drogowym i przedstawiono ich formalny zapis. W trzecim obszarze (rozdz. 6-8) opisano proces algorytmizacji opracowanych modeli zarządzania ryzykiem wraz ze sposobem szacowania ryzyka na odcinkach sieci transportowej i przedstawiono weryfikację algorytmów zastosowanych w aplikacji do przykładów. W podsumowaniu monografii przedłożono rekomendacje dla decydentów zarządzających ryzykiem w transporcie drogowym, a także podkreślono oryginalność przedstawionych badań i ich dalszy kierunek.
Biznes oparty na danych. Zespół ekspertów, sztuczna inteligencja i analityka jako klucz do sukcesu
John K. Thompson, Douglas B. Laney
Skuteczna analityka wymaga wykonywania wieloaspektowego zestawu zadań w ramach właściwie zarządzanego procesu. Thomas H. Davenport, profesor Babson College Analityka mocno się zmieniła. Kiedyś skupiała się głównie na tworzeniu raportów i wykresów, które prezentowały dane w atrakcyjnej formie. Teraz stała się bardziej zaawansowana ― zespoły pracują w nowy sposób, łącząc różnorodne umiejętności, takie jak analiza danych, programowanie i znajomość biznesu. Dzięki temu decyzje podejmowane w firmach mogą być lepsze, a osiąganie celów ― łatwiejsze. Jednak by to działało, potrzebne są zmiany w strukturze organizacji i podejściu do pracy. Oto najbardziej praktyczny poradnik korzystania z analityki w funkcjonowaniu organizacji! Bill Schmarzo, dyrektor do spraw innowacji w Hitachi Vantara W tej książce znajdziesz podstawowe koncepcje związane z budowaniem skutecznych zespołów analitycznych i zarządzaniem nimi. Wyjaśniono w niej dokładnie, co należy robić, kogo zatrudniać, jakie projekty realizować i czego unikać na drodze do zbudowania sprawnego zespołu analitycznego. Omówiono również znaczenie biznesowego cyklu decyzyjnego w osiąganiu trwałego sukcesu przedsiębiorstwa. Ponadto poznasz wartościowe modele z obszaru zaawansowanej analityki i prognoz opartych na analizie danych. Nie zabrakło też opisu metod i praktyk zarządzania zespołami analitycznymi, a także wskazówek, jak wpływać na oczekiwania kierownictwa i wybierać projekty o największej wartości. Dzięki tej książce dyrektorzy wykonawczy i zespoły analityczne dowiedzą się, jak wypracować trwałą, strategiczną, a nawet rewolucyjną przewagę! Kirk Borne, główny danolog w Booz Allen Hamilton John K. Thompson jest dyrektorem do spraw technologii z ponad 30-letnim doświadczeniem w dziedzinie zaawansowanej analityki biznesowej. Obecnie odpowiada za globalny zespół zaawansowanej analityki i sztucznej inteligencji w CSL Behring. Interesuje go rozwijanie innowacyjnych technologii w celu zwiększenia wartości uzyskiwanej przez organizacje na całym świecie. Bogata wiedza i praktyczne doświadczenie autora zwiększają wartość tej doskonałej książki! Judith Hurwitz, prezeska Hurwitz & Associates
Anjanava Biswas, Wrick Talukdar, Matthew R. Scott,...
Gain unparalleled insights into the future of AI autonomy with this comprehensive guide to designing and deploying autonomous AI agents that leverage generative AI (GenAI) to plan, reason, and act. Written by industry-leading AI architects and recognized experts shaping global AI standards and building real-world enterprise AI solutions, it explores the fundamentals of agentic systems, detailing how AI agents operate independently, make decisions, and leverage tools to accomplish complex tasks.Starting with the foundations of GenAI and agentic architectures, you’ll explore decision-making frameworks, self-improvement mechanisms, and adaptability. The book covers advanced design techniques, such as multi-step planning, tool integration, and the coordinator, worker, and delegator approach for scalable AI agents.Beyond design, it addresses critical aspects of trust, safety, and ethics, ensuring AI systems align with human values and operate transparently. Real-world applications illustrate how agentic AI transforms industries such as automation, finance, and healthcare. With deep insights into AI frameworks, prompt engineering, and multi-agent collaboration, this book equips you to build next-generation adaptive, scalable AI agents that go beyond simple task execution and act with minimal human intervention.
Vasyl Zvarydchuk
Large language models can produce impressive demos, but turning them into reliable products takes more than better prompts. You need to understand model behavior, know when to use retrieval or fine-tuning, structure agents correctly, and evaluate systems before deployment.Building Agent-Powered Applications gives an end-to-end engineering perspective on creating production-ready generative AI solutions. Written by Microsoft Principal AI Engineer Vasyl Zvarydchuk, it helps software engineers, data scientists, and applied AI practitioners move from concept to implementation. You’ll begin with AI, NLP, embeddings, transformers, and LLM behavior, then progress to prompt engineering, summarization, classification, extraction, reasoning, RAG, and fine-tuning.The book shows how to design agentic workflows with tools, memory, planning, orchestration, and human-in-the-loop controls. You’ll learn to evaluate quality with offline and online testing, task-specific metrics, LLM-as-a-judge methods, and responsible AI checks. Rather than treating prompting, RAG, fine-tuning, and agents as separate topics, this book shows how they work together in practice. By the end, you’ll be able to make better architectural trade-offs, reduce failure modes, and build scalable, trustworthy AI applications.*Email sign-up and proof of purchase required
Henry Habib
Everyone’s talking about AI agents, but how do you build one that works in the real world? Not a toy demo, but an agent that solves real problems, saves time, and integrates into workflows. With vague frameworks, fragmented tooling, and endless hype, most developers are left without a clear path. The hardest part isn’t technical; it is knowing where to start.This book gives you that starting point. It’s a complete guide to building intelligent AI agents and agentic systems using the official OpenAI Agents SDK. It begins by grounding you in the core concepts, design principles, and architecture of AI agents, how they differ from other traditional systems, their advantages, and why that matters.Through practical step-by-step projects, you’ll master every feature of the SDK—tools, memory, RAG, multi-agent orchestration, tracing, handoffs, and more—while contributing to an end-to-end agent system that grows in complexity. Projects include a custom support agent, invoice and inventory assistant, health advisor, sales trainer, and data analyst, giving you production-ready skills.By the end, you’ll know how to design, build, and deploy agentic systems that interact with APIs, query databases, hand off to external systems, and drive meaningful outcomes. You won’t just understand AI agents; you’ll be ready to ship them.
Salvatore Raieli, Gabriele Iuculano
This book addresses the challenge of building AI that not only generates text but also grounds its responses in real data and takes action. Authored by AI specialists with expertise in drug discovery and systems optimization, this guide empowers you to leverage retrieval-augmented generation (RAG), knowledge graphs, and agent-based architectures to engineer truly intelligent behavior. By combining large language models (LLMs) with up-to-date information retrieval and structured knowledge, you'll create AI agents capable of deeper reasoning and more reliable problem-solving.Inside, you'll find a practical roadmap from concept to implementation. You’ll discover how to connect language models with external data via RAG pipelines for increasing factual accuracy and incorporate knowledge graphs for context-rich reasoning. The chapters will help you build and orchestrate autonomous agents that combine planning, tool use, and knowledge retrieval to achieve complex goals. Concrete Python examples and real-world case studies reinforce each concept and show how the techniques fit together.By the end of this book, you’ll be able to build intelligent AI agents that reason, retrieve, and interact dynamically, empowering you to deploy powerful AI solutions across industries.*Email sign-up and proof of purchase required
Lucas A. Meyer
In the fast-paced world of AI, developers are constantly seeking efficient ways to integrate AI capabilities into their apps. Microsoft Semantic Kernel simplifies this process by using the GenAI features from Microsoft and OpenAI.Written by Lucas A. Meyer, a Principal Research Scientist in Microsoft’s AI for Good Lab, this book helps you get hands on with Semantic Kernel. It begins by introducing you to different generative AI services such as GPT-3.5 and GPT-4, demonstrating their integration with Semantic Kernel. You’ll then learn to craft prompt templates for reuse across various AI services and variables. Next, you’ll learn how to add functionality to Semantic Kernel by creating your own plugins. The second part of the book shows you how to combine multiple plugins to execute complex actions, and how to let Semantic Kernel use its own AI to solve complex problems by calling plugins, including the ones made by you. The book concludes by teaching you how to use vector databases to expand the memory of your AI services and how to help AI remember the context of earlier requests. You’ll also be guided through several real-world examples of applications, such as RAG and custom GPT agents.By the end of this book, you'll have gained the knowledge you need to start using Semantic Kernel to add AI capabilities to your applications.