Informatyka

Szefologika, czyli logika szefowania. Wydanie 2 rozszerzone

Paulina Polko, Roman Polko

Co sprawia, że zostajesz szefem? Kiedy naprawdę kierujesz innymi ludźmi? W którym momencie stajesz się ich liderem, przywódcą, za którym pójdą w ogień? Dlaczego nie dzieje się to w chwili przeprowadzki do nowego biura z napisem: kierownik, dyrektor, prezes, CEO? Jak to możliwe, że awans nie czyni cię automatycznie przywódcą, a jedynie daje ci szansę by nim zostać? Czemu w szefowaniu najmniej jest przywilejów, a najwięcej ciężkiej pracy? Z jakiego powodu niektórym bycie szefem się nigdy nie przydarzy? Ta książka nie jest zbiorem prostych recept i łatwych odpowiedzi. Nie obiecujemy, że po jej przeczytaniu w 30 dni staniesz się szefem doskonałym. Co więcej, możliwe, że nawet jeśli czujesz się już całkiem kompetentny na tym polu, po lekturze zdasz sobie sprawę, że Twoje samozadowolenie nie ma zbyt solidnych podstaw. Jest również wielce prawdopodobne, że odłożysz tę książkę skołowany. Jak to ― szef jest tak samo ważny jak wszyscy inni członkowie zespołu, choć przecież nikt nie ma wątpliwości, że to on podejmuje decyzje? Tak, logika szefowania jest mocno pokręcona. Lider myśli strategicznie, musi jednak umieć dostrzegać pozornie nieistotne detale. Ściągać do organizacji nowości technologiczne, a jednocześnie nie zrywać z tradycją. Dawać podwładnym swobodę w działaniu, ale nie uchylać się od osobistej, jednoosobowej odpowiedzialności za efekty pracy. W czasach zmiany pierwszy się z nią mierzyć i być wtedy dla swoich ludzi ostoją stabilności. Korzystając z własnych doświadczeń i badań prowadzonych na żywych organizmach organizacji na całym świecie, staramy się logikę szefowania nieco wyprostować. Będzie o terrorystach i himalaistach, Władysławie Jagielle i Smoku Wawelskim, Indianach, tupolewie, ścieleniu łóżka i covidzie. Zapraszamy do lektury!

Szeregi czasowe. Praktyczna analiza i predykcja z wykorzystaniem statystyki i uczenia maszynowego

Aileen Nielsen

Analiza szeregów czasowych zyskuje na znaczeniu. Wraz z postępującą digitalizacją danych służby zdrowia, rozwojem inteligentnych miast czy upowszechniającym się internetem rzeczy staje się coraz bardziej potrzebna. Obiecującym rozwiązaniem jest analiza szeregów czasowych metodami wspomaganymi uczeniem maszynowym. Techniki te umożliwiają skuteczne monitorowanie i wykorzystywanie coraz większych zbiorów danych. Być może ich zastosowanie do pracy z szeregami czasowymi wydaje się nieoczywiste, jednak bez analiz szeregów czasowych nie można w pełni wykorzystać zebranych danych. Ta książka jest szerokim, aktualnym i praktycznym przeglądem metod analizy szeregów czasowych, w którym ujęto pełny potok przetwarzania danych czasowych i modelowania. Zaprezentowano w niej rzeczywiste przypadki użycia tych metod i zilustrowano je obszernymi fragmentami znakomicie zaprojektowanego kodu w językach R i Python. Znalazły się tutaj praktyczne wskazówki ułatwiające rozwiązywanie najczęstszych problemów występujących w inżynierii danych czasowych i ich analizie. Ujęto tu zarówno konwencjonalne metody statystyczne, jak i nowoczesne techniki uczenia maszynowego. To bardzo przydatny przewodnik, dzięki któremu analitycy danych, inżynierowie oprogramowania i naukowcy będą mogli płynnie przejść od podstaw pracy z szeregami czasowymi do rozwiązywania konkretnych zagadnień na profesjonalnym poziomie. Dzięki tej książce nauczysz się: pozyskiwać, przechowywać i przetwarzać szeregi czasowe eksplorować dane czasowe i symulować je wykonywać pomiary błędów pracować z szeregami czasowymi za pomocą uczenia maszynowego lub uczenia głębokiego oceniać dokładność i wydajność modeli Skutecznie analizuj szeregi czasowe i wydobywaj bezcenną wiedzę!

Szeregi czasowe. Praktyczna analiza i predykcja z wykorzystaniem statystyki i uczenia maszynowego

Aileen Nielsen

Analiza szeregów czasowych zyskuje na znaczeniu. Wraz z postępującą digitalizacją danych służby zdrowia, rozwojem inteligentnych miast czy upowszechniającym się internetem rzeczy staje się coraz bardziej potrzebna. Obiecującym rozwiązaniem jest analiza szeregów czasowych metodami wspomaganymi uczeniem maszynowym. Techniki te umożliwiają skuteczne monitorowanie i wykorzystywanie coraz większych zbiorów danych. Być może ich zastosowanie do pracy z szeregami czasowymi wydaje się nieoczywiste, jednak bez analiz szeregów czasowych nie można w pełni wykorzystać zebranych danych. Ta książka jest szerokim, aktualnym i praktycznym przeglądem metod analizy szeregów czasowych, w którym ujęto pełny potok przetwarzania danych czasowych i modelowania. Zaprezentowano w niej rzeczywiste przypadki użycia tych metod i zilustrowano je obszernymi fragmentami znakomicie zaprojektowanego kodu w językach R i Python. Znalazły się tutaj praktyczne wskazówki ułatwiające rozwiązywanie najczęstszych problemów występujących w inżynierii danych czasowych i ich analizie. Ujęto tu zarówno konwencjonalne metody statystyczne, jak i nowoczesne techniki uczenia maszynowego. To bardzo przydatny przewodnik, dzięki któremu analitycy danych, inżynierowie oprogramowania i naukowcy będą mogli płynnie przejść od podstaw pracy z szeregami czasowymi do rozwiązywania konkretnych zagadnień na profesjonalnym poziomie. Dzięki tej książce nauczysz się: pozyskiwać, przechowywać i przetwarzać szeregi czasowe eksplorować dane czasowe i symulować je wykonywać pomiary błędów pracować z szeregami czasowymi za pomocą uczenia maszynowego lub uczenia głębokiego oceniać dokładność i wydajność modeli Skutecznie analizuj szeregi czasowe i wydobywaj bezcenną wiedzę!

Sztuczna Inteligencja

Marek Kasperski

Czy można zbudować świadomą maszynę, sztuczny mózg? Czy też w naszych umysłach tkwi jakiś element, którego nie da się uchwycić w programach komputerowych? Może takim nieuchwytnym elementem jest ludzka świadomość? Systemy komputerowe wykazujące zdrowy rozsądek i dysponujące ogromną wiedzą, zdolne do dialogu z człowiekiem mogą się pojawić jeszcze w tym dziesięcioleciu. Celem i przedmiotem badań specjalistów od Sztucznej Inteligencji są maszyny, które potrafiłyby rozwiązywać zadania, podejmować decyzje, a mówiąc ogólniej -- rozumowałyby na wzór człowieka. Badania nad Sztuczną Inteligencją rozwijają się obecnie bardzo dynamicznie, a ich wyniki są wykorzystywane w wielu dziedzinach: począwszy od gier komputerowych, przez robotykę po systemy rozpoznawania mowy i obrazów. Książka niniejsza ma jednak dużo szerszy zakres - tematycznie obejmuje zagadnienia z zakresu ogólnie rozumianej Sztucznej Inteligencji, filozofii tej dziedziny i nauk kognitywnych. Zagadnienia te można powiązać m.in. z logiką, informatyką, lingwistyką, psychologią. Przedstawia bogatą historię badań nad SI, współczesne osiągnięcia, a także prezentuje kierunki, w których badania te mają szansę się rozwinąć. Znajdziesz w niej próbę odpowiedzi na pytania, związane z tematem SI praktycznie od samego początku: Czy maszyna może myśleć? Czy myśląca maszyna będzie równoznaczna ze sztucznym człowiekiem? Dlaczego chcemy budować maszyny myślące? Czy maszyna myśląca będzie mieć prawa człowieka? Czy grozi nam "bunt robotów"?

Sztuczna Inteligencja

Marek Kasperski

Czy można zbudować świadomą maszynę, sztuczny mózg? Czy też w naszych umysłach tkwi jakiś element, którego nie da się uchwycić w programach komputerowych? Może takim nieuchwytnym elementem jest ludzka świadomość? Systemy komputerowe wykazujące zdrowy rozsądek i dysponujące ogromną wiedzą, zdolne do dialogu z człowiekiem mogą się pojawić jeszcze w tym dziesięcioleciu. Celem i przedmiotem badań specjalistów od Sztucznej Inteligencji są maszyny, które potrafiłyby rozwiązywać zadania, podejmować decyzje, a mówiąc ogólniej -- rozumowałyby na wzór człowieka. Badania nad Sztuczną Inteligencją rozwijają się obecnie bardzo dynamicznie, a ich wyniki są wykorzystywane w wielu dziedzinach: począwszy od gier komputerowych, przez robotykę po systemy rozpoznawania mowy i obrazów. Książka niniejsza ma jednak dużo szerszy zakres - tematycznie obejmuje zagadnienia z zakresu ogólnie rozumianej Sztucznej Inteligencji, filozofii tej dziedziny i nauk kognitywnych. Zagadnienia te można powiązać m.in. z logiką, informatyką, lingwistyką, psychologią. Przedstawia bogatą historię badań nad SI, współczesne osiągnięcia, a także prezentuje kierunki, w których badania te mają szansę się rozwinąć. Znajdziesz w niej próbę odpowiedzi na pytania, związane z tematem SI praktycznie od samego początku: Czy maszyna może myśleć? Czy myśląca maszyna będzie równoznaczna ze sztucznym człowiekiem? Dlaczego chcemy budować maszyny myślące? Czy maszyna myśląca będzie mieć prawa człowieka? Czy grozi nam "bunt robotów"?

Sztuczna inteligencja 2041. 10 wizji przyszłości

Kai-Fu Lee, Chen Qiufan

Autor bestsellerowej książki Inteligencja sztuczna, rewolucja prawdziwa, ekspert do spraw AI, były prezes Google China, oraz znany powieściopisarz s.f. połączyli w tej książce siły, żeby odpowiedzieć na pytanie, jak sztuczna inteligencja zmieni nasz świat w ciągu najbliższych dwudziestu lat. Sztuczna inteligencja będzie definicją rozwoju XXI wieku wygeneruje bezprecedensowe bogactwo, zrewolucjonizuje medycynę i edukację poprzez symbiozę człowiek-maszyna oraz stworzy zupełnie nowe formy komunikacji i rozrywki. Jednak uwalniając nas od rutynowej pracy, zakwestionuje także zasady organizacyjne naszego ładu gospodarczego i społecznego i przyniesie nowe zagrożenia w postaci autonomicznej broni i inteligentnej technologii. W tym prowokacyjnym i oryginalnym dziele w dziesięciu porywających opowiadaniach, osadzonych w przyszłości, autorzy wprowadzają czytelników w szereg pouczających scenerii z 2041 roku.

Sztuczna inteligencja dla bystrzaków

John Mueller, Luca Massaron

Dowiedz się, co sztuczna inteligencja daje społeczeństwu Poznaj zastosowania SI w robotach, dronach i samochodach autonomicznych Zrozum, z czego wynikają ograniczenia sztucznej inteligencji O co chodzi z tą sztuczną inteligencją? Sztuczna inteligencja - ekscytuje i przeraża. W dodatku jest wszędzie. Chroni przed oszustwami bankowymi, pomaga w leczeniu, obsłudze klientów, a nawet wyborze programów telewizyjnych i sprzątaniu domu. Ta książka wyjaśnia, czym sztuczna inteligencja jest, a czym nie. Zwraca też uwagę na kwestie etyczne związane z jej aktualnymi zastosowaniami oraz prezentuje niesamowite rzeczy, które SI umożliwi ludziom w przyszłości. Jeśli interesujesz się techniką albo po prostu ciekawi Cię ten temat, ta publikacja z pewnością Cię zafascynuje - i sporo nauczy! W książce... Historia sztucznej inteligencji Rola danych Zastosowania SI w aplikacjach komputerowych, medycynie, kosmosie i uczeniu maszynowym Półprawdy wokół SI Roboty i drony

Sztuczna inteligencja dla inżynierów. Istotne obszary i zastosowania

Mieczysław Muraszkiewicz, Robert Nowak

Na treść książki składają się przede wszystkim zagadnienia związane z zastosowaniami sztucznej inteligencji. Wstępem są rozważania na temat tzw. odpowiedzialnej sztucznej inteligencji. Podstawowym tworzywem, na którym działa sztuczna inteligencja, są dane, informacja i wiedza. O inżynierii wiedzy, a w tym o metodach reprezentacji wiedzy, traktuje rozdział drugi niniejszej monografii. Jego kontynuacją jest rozdział trzeci, omawiający typowe problemy i sposoby radzenia sobie z nimi, przy wykorzystywaniu uczenia maszynowego do analizy danych ustrukturyzowanych, zwanych też danymi tabelarycznymi. W rozdziale czwartym czytelnik znajdzie wykład na temat przetwarzania języka naturalnego. Rozdział piąty jest poświęcony bioinformatyce, czyli analizie napisów reprezentujących biopolimery DNA, RNA i białka. Do takich analiz z powodzeniem stosuje się metody sztucznej inteligencji. Innym obszarem jest analiza obrazu i dźwięku. Obecnie główną rolę odgrywają tutaj sztuczne sieci neuronowe. Zagadnienia te omówiono w rozdziale szóstym, w którym zawarto informacje dotyczące percepcji maszyn, w tym widzenia maszynowego oraz metod analizy dźwięku. Swego rodzaju nawiązaniem do rozdziału wstępnego jest rozdział siódmy, poświęcony wyjaśnialnej sztucznej inteligencji, która to kwestia ma zasadnicze znaczenie dla upowszechnienia systemów sztucznej inteligencji. Książkę zamyka rozdział na temat inżynierii uczenia maszynowego, który traktuje o poprawnym procesie realizacji projektów korzystających z metod uczenia maszynowego, a także obszerna bibliografia.

Sztuczna inteligencja dla inżynierów. Metody ogólne

Mieczysław Muraszkiewicz, Robert Nowak

Autorami poszczególnych rozdziałów są wykładowcy Wydziału Elektroniki i Technik Informacyjnych Politechniki Warszawskiej, którzy aktywnie biorą udział w rozwoju sztucznej inteligencji. W rozdziale pierwszym znajdują się informacje o historii, charakterze i zastosowaniach sztucznej inteligencji. Rozdział drugi traktuje o podstawowym nie tylko dla sztucznej inteligencji zagadnieniu przeszukiwania przestrzeni stanów w poszukiwaniu rozwiązań zadanego problemu. Towarzyszy temu omówienie metod optymalizacji, które wskazują najlepsze rozwiązanie z punktu widzenia przyjętego kryterium. Tematem kolejnego rozdziału jest uczenie maszynowe. Rozdział czwarty został poświęcony archi-tekturom sztucznych sieci neuronowych, w tym sieciom głębokim. W rozdziale piątym znajduje się prezentacja i dyskusja dotycząca wzajemnych związków etyki i sztucznej inteligencji, ze szczególnym naciskiem na konieczność przedstawiania wyników działania systemów SI w sposób zrozumiały dla człowieka. Każdy rozdział jest opatrzony notą bibliograficzną, która podaje pozycje rozszerzające omówiony materiał. Książka może służyć jako podręcznik i wsparcie dydaktyczne wykładów z zakresu SI, a czytelnik powinien wiedzieć, jak dane są reprezentowane w postaci cyfrowej, umie czytać pseudokod i potrafi programować strukturalnie. Przedstawione metody autorzy wyjaśniają w sposób intuicyjny, ale dbają też o precyzję, wykorzystują przykłady i podają algorytmy. Kontynuacją książki jest tom prezentujący metody sztucznej inteligencji dla różnych grup zastosowań, m.in. analizy danych strukturalnych (tabelarycznych), analizy tekstów w języku naturalnym, analizy sekwencji biologicznych, widzenia maszynowego, przetwarzania mowy oraz bezpieczeństwa systemów SI.

Sztuczna inteligencja i uczenie maszynowe dla programistów. Praktyczny przewodnik po sztucznej inteligencji

Laurence Moroney

Sztuczna inteligencja i uczenie maszynowe znajdują coraz więcej zastosowań w niemal wszystkich istotnych branżach. W technologiach sieci neuronowych tkwi olbrzymi potencjał. Za rozwojem uczenia maszynowego muszą nadążać architekci i programiści: aplikacja, w której wykorzystano technologie sztucznej inteligencji, musi pasować do określonego zastosowania. Poszczególne systemy różnią się od siebie, tak samo jak różne są rozwiązywane przez nie problemy. Sztuczna inteligencja ujawni swoje ogromne możliwości tylko, jeśli inżynierowie dostosują swoje aplikacje do rozwiązywania konkretnych problemów. Ta książka jest praktycznym podręcznikiem opartym na sprawdzonej metodyce: nauce poprzez pisanie kodu w Pythonie. Aby w pełni z niego skorzystać, nie musisz znać wyższej matematyki. Dzięki praktycznym lekcjom szybko zaczniesz programowo tworzyć konkretne rozwiązania. Dowiesz się, jak można zaimplementować najważniejsze algorytmy uczenia maszynowego, korzystając ze znakomitej biblioteki TensorFlow. Nauczysz się też, w jaki sposób wdrażać modele uczenia maszynowego i tworzyć przydatne aplikacje, które będą działały w różnych środowiskach i na różnych platformach: przykładowo napiszesz aplikację w języku Kotlin w środowisku Android Studio czy też w języku Swift w środowisku Xcode. W książce między innymi: podstawy uczenia maszynowego zastosowanie biblioteki TensorFlow do budowy praktycznych modeli tworzenie modeli sieci neuronowych implementacja widzenia komputerowego i rozpoznawania obrazów przetwarzanie języka naturalnego implementacja modeli dla urządzeń z systemami Android i iOS udostępnianie modeli w internecie i chmurze dzięki systemowi TensorFlow Serving Uczenie maszynowe: nie przestawaj zdobywać wiedzy!

Sztuczna inteligencja i uczenie maszynowe dla programistów. Praktyczny przewodnik po sztucznej inteligencji

Laurence Moroney

Sztuczna inteligencja i uczenie maszynowe znajdują coraz więcej zastosowań w niemal wszystkich istotnych branżach. W technologiach sieci neuronowych tkwi olbrzymi potencjał. Za rozwojem uczenia maszynowego muszą nadążać architekci i programiści: aplikacja, w której wykorzystano technologie sztucznej inteligencji, musi pasować do określonego zastosowania. Poszczególne systemy różnią się od siebie, tak samo jak różne są rozwiązywane przez nie problemy. Sztuczna inteligencja ujawni swoje ogromne możliwości tylko, jeśli inżynierowie dostosują swoje aplikacje do rozwiązywania konkretnych problemów. Ta książka jest praktycznym podręcznikiem opartym na sprawdzonej metodyce: nauce poprzez pisanie kodu w Pythonie. Aby w pełni z niego skorzystać, nie musisz znać wyższej matematyki. Dzięki praktycznym lekcjom szybko zaczniesz programowo tworzyć konkretne rozwiązania. Dowiesz się, jak można zaimplementować najważniejsze algorytmy uczenia maszynowego, korzystając ze znakomitej biblioteki TensorFlow. Nauczysz się też, w jaki sposób wdrażać modele uczenia maszynowego i tworzyć przydatne aplikacje, które będą działały w różnych środowiskach i na różnych platformach: przykładowo napiszesz aplikację w języku Kotlin w środowisku Android Studio czy też w języku Swift w środowisku Xcode. W książce między innymi: podstawy uczenia maszynowego zastosowanie biblioteki TensorFlow do budowy praktycznych modeli tworzenie modeli sieci neuronowych implementacja widzenia komputerowego i rozpoznawania obrazów przetwarzanie języka naturalnego implementacja modeli dla urządzeń z systemami Android i iOS udostępnianie modeli w internecie i chmurze dzięki systemowi TensorFlow Serving Uczenie maszynowe: nie przestawaj zdobywać wiedzy!