Видавець: 8

Sztuczna inteligencja w doborze pracowników - zastosowania, szanse, wyzwania

Dominika Bąk-Grabowska, Jolanta Bartkowiak

Monografia "Sztuczna inteligencja w doborze pracowników - zastosowania, szanse, wyzwania" to nowatorskie opracowanie łączące perspektywę zarządczo-normatywną i technologiczną w analizie wykorzystania AI w procesach rekrutacji i selekcji kandydatów. Praca przedstawia szczegółowe studium przypadku systemu eRecruiter, pokazując, jak narzędzia HR Tech wspierają zarówno efektywność operacyjną, jak i pozytywne doświadczenia kandydatów. Autorki proponują Human-AI Integrated Case Study Methodology oraz model AIPT (Assist-Inform-Predict-Transform) do oceny dojrzałości systemów HR, wskazując praktyczne kierunki transformacji cyfrowej i humanocentrycznego wdrażania AI. Monografia jest cennym źródłem wiedzy dla specjalistów HR, menedżerów, badaczy i wszystkich zainteresowanych odpowiedzialnym i efektywnym wykorzystaniem sztucznej inteligencji w doborze pracowników.

Sztuczna inteligencja w finansach. Używaj języka Python do projektowania i wdrażania algorytmów AI

Yves Hilpisch

W świecie finansów sztuczna inteligencja okazała się przełomową technologią - w połączeniu z odpowiednim zastosowaniem algorytmów i dużych zbiorów danych bowiem pozwala na poprawę jakości usług finansowych. Autor tej książki zdaje sobie z tego sprawę - ma wieloletnie doświadczenie i kompleksową wiedzę na temat projektowania i wdrażania zaawansowanych mechanizmów AI w największych podmiotach z branży. Swoją wiedzą dzieli się z czytelnikami. Dr Yves Hilpisch szczegółowo opisuje zarówno podstawy teoretyczne, jak i praktyczne aspekty używania algorytmów sztucznej inteligencji w ramach usług i produktów finansowych. Opierając się na przykładach z języka Python, pokazuje metodyki, modele, założenia i techniki wdrażania AI, a także analizuje problemy mogące utrudniać to zadanie i przybliża ich rozwiązania. Znajdziemy tutaj skomplikowane zagadnienia wytłumaczone w logiczny i zrozumiały sposób. Autor z powodzeniem łączy teorię z praktyką, a jego podejście do tematu i prezentowane przypadki bazujące na doświadczeniu są cennym źródłem wiedzy dla każdego, kto chce poznać tajniki dotyczące zastosowania sztucznej inteligencji, uczenia maszynowego, algorytmów i zbiorów danych w szeroko pojętym świecie finansów. Dzięki książce dowiesz się: na czym polega zastosowanie AI w usługach i produktach finansowych dlaczego i w jaki sposób użycie sztucznej inteligencji fundamentalnie zmienia sektor finansowy i jakie ma to skutki dla niego i konsumentów jak w języku Python konstruować i wdrażać algorytmy bazujące na rozbudowanych zbiorach danych jak dzięki AI i uczeniu maszynowemu usprawniać usługi i produkty finansowe

Sztuczna inteligencja w instytucjach kultury

Praca zbiorowa

Od 2 lutego 2025 r. instytucje kultury stosujące systemy sztucznej inteligencji (AI) muszą dostosować się do nowych regulacji wynikających z Aktu w sprawie AI (AI Act). Nowe przepisy nakładają obowiązki związane z odpowiedzialnym wykorzystaniem sztucznej inteligencji, eliminacją szkodliwych praktyk oraz szkoleniem personelu. W książce omówione zostały najważniejsze obowiązki instytucji kultury, przepisy prawne i zmiany oraz instrukcje 60 programów dla poszczególnych instytucji.

Sztuczna inteligencja w kreowaniu wartości organizacji

Andrzej Wodecki

Analiza modeli generowania wartości przez firmy wykorzystujące sztuczną inteligencję w swoich produktach, usługach i zasadach prowadzenia biznesu, a także wyzwania i niezbędne kompetencje. Celem monografii było przedstawienie wpływu sztucznej inteligencji na zarządzanie, generowanie wartości i reguły konkurowania współczesnych organizacji. Metody i techniki sztucznej inteligencji rozwijają się w zawrotnym tempie, podobnie jak wspierająca je infrastruktura (serwery, karty graficzne, dedykowane procesory itp.). Towarzyszy temu rozwój technologii informatycznych, w szczególności zdecentralizowanych, rozproszonych architektur, które umożliwiają nie tylko zapisywanie danych, ale też śledzenie i zabezpieczanie transakcji oraz uruchamianie różnych aplikacji. Jest to wyzwanie nie tylko dla menedżerów i inwestorów, ale też badaczy zainteresowanych efektywnym modelowaniem takich zjawisk. Przedmiot badań prezentowany w opracowaniu jest bardzo szeroki – obejmuje nie tylko wiele obszarów działania organizacji, ale również rynki i rozmaite metody sztucznej inteligencji.  

Sztuczna inteligencja w medycynie. Kurs video. Analiza obrazów medycznych z użyciem AI

Jolanta Podolszańska

Obierz kurs na... sztuczną inteligencję w medycynie Sztuczna inteligencja w medycynie, szczególnie w rozpoznawaniu obrazów medycznych, to najszybciej rozwijająca się dziedzina informatyki medycznej. AI stosowana do analizy obrazów z tomografii komputerowej (TK) czy rezonansu magnetycznego (RM) coraz skuteczniej wspiera lekarzy, którym pomaga stawiać precyzyjne diagnozy i podejmować trafne decyzje kliniczne. Ważną rolę w tym procesie odgrywają biblioteki takie jak Pydicom, umożliwiające sprawną obsługę standardu DICOM - podstawy obrazowania medycznego. Z kolei frameworki: PyTorch, PyTorch Lightning czy TensorFlow, pozwalają na tworzenie zaawansowanych sieci neuronowych, które potrafią automatycznie wykrywać zmiany chorobowe na obrazach. Za sprawą rosnącej integracji AI z medycyną powstają wyjątkowe możliwości zawodowe dla osób łączących wiedzę techniczną z medyczną. Praca w tej branży daje szansę na udział w przełomowych projektach, które realnie ratują życie i podnoszą jakość opieki zdrowotnej. Dynamiczny rozwój technologii sprawia, że zapotrzebowanie na ekspertów stale rośnie, a współpraca z czołowymi ośrodkami badawczymi i firmami technologicznymi przynosi cenne doświadczenia. Dlatego kariera związana ze sztuczną inteligencją i z obrazowaniem medycznym to doskonały wybór dla tych, którzy chcą łączyć nowoczesne technologie z realnym wpływem na zdrowie ludzi. Dzięki inwestycji w rozwój kompetencji w tym obszarze można się stać częścią innowacyjnej rewolucji, która nieustannie zmienia oblicze medycyny. Sztuczna inteligencja w medycynie. Kurs video. Analiza obrazów medycznych z użyciem AI pozwoli Ci kompleksowo pracować z obrazami medycznymi w formacie DICOM, od ich wczytania aż po zaawansowaną analizę. Opanujesz techniki przygotowywania i oczyszczania danych, które są niezbędne do skutecznego trenowania modeli sztucznej inteligencji. Zbudujesz własny pipeline analizy obrazów medycznych, używając Pythona i frameworków PyTorch czy Tensorflow. Poznasz metody segmentacji i detekcji obiektów, które pozwolą Ci precyzyjnie wykrywać zmiany chorobowe na obrazach. Nauczysz się trenować konwolucyjne sieci neuronowe, a także oceniać jakość modeli za pomocą odpowiednich metryk. Dzięki praktycznym case study zyskasz doświadczenie, które od razu wykorzystasz w projektach badawczo-wdrożeniowych lub pracy w med-tech. Po ukończeniu kursu samodzielnie poradzisz sobie z preprocessingiem danych i wdrożysz pierwsze modele AI do analizy medycznych obrazów. Rozwiniesz podstawy, które pozwolą Ci dalej zgłębiać tematy związane z explainable AI, segmentacją 3D czy integracją modeli z systemami klinicznymi. Zdobyta wiedza otworzy przed Tobą drzwi do pracy w dynamicznie rozwijającej się branży informatyki medycznej i data science w ochronie zdrowia. To idealny kurs, jeśli chcesz się stać ekspertem AI w medycynie i mieć realny wpływ na poprawę diagnostyki i opieki zdrowotnej. Każdy ekspert kiedyś zaczynał. Jeśli stawiasz pierwsze kroki w AI w medycynie - jesteś we właściwym miejscu. Zaczynamy od podstaw, ale celujemy wysoko.

Sztuczna inteligencja w organizacji. Innowacje biznesowe w praktyce

Ryszard Ćwiertniak

Jak skłonić sztuczną inteligencję do pracy na naszą rzecz? Temat sztucznej inteligencji (SI) i jej potencjalnych zastosowań w firmach jest obecnie szeroko dyskutowany. Oparte na niej technologie są coraz bardziej zaawansowane i powszechniej dostępne, a także coraz lepiej dostosowane do potrzeb biznesu. Już dziś okazują się pomocne w pracy rozmaitych działów, od zarządzania łańcuchem dostaw, przez marketing i sprzedaż, po obsługę klienta i rozwój produktów. Odpowiednio, w kompetentny sposób wdrożona sztuczna inteligencja może stanowić motor rozwoju przedsiębiorstwa: wspomagać pracę ludzi, wyręczać ich w realizacji wielu monotonnych zadań i dać przestrzeń do skupienia się na wyzwaniach wymagających większej kreatywności ― obszarach, w których SI też może być niezwykle pomocna. Tajemnica sukcesu modelu współpracy człowiek - maszyna kryje się w sformułowaniu "odpowiednio wdrożona sztuczna inteligencja". Autor książki dzieli się w niej opracowanym przez siebie modelem systemu zarządzania, umożliwiającym ustalenie obszarów sterowania innowacjami procesu biznesowego, a więc rozpoznanie i hierarchizację funkcji oraz określenie sekwencji czynności we wprowadzaniu sztucznej inteligencji do organizacji. Swoją publikację kieruje do osób, które pracują nad projektami procesów biznesowych, do ekspertów doradzających firmom w zakresie zarządzania innowacjami i wprowadzania zmian, a także do studiujących zarządzanie projektami, jakością, innowacjami i projektami. Skorzystają z niej również właściciele firm, którzy chcą wprowadzać nowości w swoich organizacjach i szukają narzędzi do ich skutecznego wdrażania.   Książka w mediach: Focus On Business Books4Business - Bookstagram - Recenzja

Sztuczna inteligencja w praktyce akademickiej

Eldar Haber, Dariusz Jemielniak, Artur Kurasiński, Aleksandra...

Sztuczna inteligencja przestała być odległym pojęciem teoretycznym - aktywnie przekształca pracę naukową. Pojawienie się generatywnej AI, a zwłaszcza dużych modeli językowych, takich jak GPT firmy OpenAI, Claude od Anthropic, Llama Meta czy Gemini Google'a, otworzyło nowe sposoby prowadzenia badań, tworzenia treści, analizowania danych, a nawet pracy ze studentami. W miarę jak postępuje rozwój tych technologii, stają się one czymś więcej niż narzędziami automatyzacji - są katalizatorami przemian, które wpływają na myślenie naukowe, praktyki instytucjonalne i debaty etyczne. W tej książce badamy transformacyjny potencjał generatywnej sztucznej inteligencji w nauce, przybliżając praktyczne zastosowania AI, leżące u jej podstaw mechanizmy oraz szersze konsekwencje. Analizując, jak AI jest dziś wykorzystywana - i przewidując, dokąd zmierza - chcemy dać badaczom, dydaktykom oraz menedżerom wiedzę potrzebną do nawigowania w tym zmieniającym się otoczeniu. - Wprowadzenie Eldar Haber,profesor prawa na Uniwersytecie w Hajfie i kierownik projektu Recoding Justice, finansowanego przez Europejską Radę ds. Badań Naukowych (ERC). Jego badania dotyczą prawa i technologii, w szczególności sztucznej inteligencji, wymiaru sprawiedliwości w sprawach karnych, prywatności, prawa autorskiego i cyberbezpieczeństwa. Dariusz Jemielniak, profesor zarządzania Akademii Leona Koźmińskiego. W latach 2022-2026 był wiceprezesem PAN. Od 2015 r. współpracownik naukowy Berkman Klein Center for Internet and Society na Uniwersytecie Harvarda. Przez dekadę był w radzie nadzorczej Fundacji Wikimedia. Obecnie w radzie EIT. Ważniejsze książki: Życie wirtualnych dzikich (2013), Społeczeństwo współpracy (z A. Przegalińską, 2020), Antynauka (2027). Artur Kurasiński, przedsiębiorca, inwestor, autor książek: Filozofia cyberbezpieczeństwa (z Ł. Olejnikiem, 2022), Startupowcy (z K. Domaradzkim, 2023) oraz RzeczpospolitAI (z K. Domaradzkim, 2026). Aleksandra Przegalińska, filozofka i badaczka AI, profesorka i prorektorka ds. innowacji i AI Akademii Leona Koźmińskiego, dyrektorka centrum badawczego HUMANRACE oraz fellow w Center for Labor and a Just Economy na Uniwersytecie Harvarda. Zajmuje się współpracą człowieka z AI i przyszłością pracy. Autorka m.in. książek: Collaborative Society (z D. Jemielniakim, 2020) i Converging Minds (z T. Triantoro, 2024).

Sztuczny miód. Wiersze prawie wszystkie. Tom 1

Agnieszka Osiecka

Nowe wydanie wierszy znanych i nieznanych, śpiewanych i nieśpiewanych. Wiersze mniejsze. Wiersze większe. Liryczne, satyryczne, dramatyczne, polityczne, rodzinne, osobiste, dla chłopców i dla dziewcząt. Dla maturzystów, studentów, początkujących i zaawansowanych koneserów polszczyzny. W zbiorze zgromadzone są zarówno teksty, które ukazywały się w niewielkich tomikach redagowanych przez Osiecką w latach 60., 70. i 80., jak i wiersze nigdy dotąd niepublikowane, a odkryte podczas pracy Fundacji Okularnicy im. Agnieszki Osieckiej nad katalogowaniem archiwum Autorki. Czytelnik znajdzie tu też teksty piosenek, których Osiecka była mistrzynią. W wielu tekstach słychać typowe dla Osieckiej poczucie humoru, gry językowe, elementy zabawy, ale i nuty sentymentalne. Konsultantami przy wyborze wierszy byli: Magda Umer, Jan Borkowski oraz rodzina Poetki. Agnieszka Osiecka (1936-1997) poetka, pisarka, dziennikarka, autorka tekstów piosenek, reżyser teatralny i telewizyjny. Więcej informacji o Autorce na www.okularnicy.org.pl.