Opanuj skuteczne, gotowe do użycia rozwiązania biznesowe dla sztucznej inteligencji i uczenia maszynowego AI – podejście pragmatyczne pomaga rozwiązywać praktyczne problemy przy użyciu nowoczesnego uczenia maszynowego, sztucznej inteligencji i chmurowych narzędzi obliczeniowych. Noah Gift demistyfikuje wszelkie koncepcje i narzędzia potrzebne do osiągnięcia wyników – nawet jeśli Czytelnik nie ma solidnego przygotowania z matematyki lub data science. Autor wyjaśnia skuteczne, gotowe do użycia rozwiązania udostępniane przez Amazon, Google i Microsoft oraz demonstruje sprawdzone techniki wykorzystujące ekosystem analizy danych oparty na języku Python. Proponowane podejścia i przykłady pomagają ukierunkować i uprościć każdy krok od wdrożenia po produkcję i budować rozwiązania o niezwykłych możliwościach skalowania. W miarę poznawania działania rozwiązań Machine Language (ML) będziesz uzyskiwać coraz bardziej intuicyjne zrozumienie tego, co można dzięki nim osiągnąć i jak zmaksymalizować ich wartość. Na tych podstawach autor krok po kroku prezentuje budowanie chmurowych aplikacji AI/ML do rozwiązywania realistycznych problemów w dziedzinie marketingu, zarządzania projektami, wyceniania produktów, nieruchomości i dużo więcej. Bez względu na to, czy jesteś profesjonalistą biznesowym, osobą decyzyjną, studentem czy programistą, eksperckie wskazówki autora i rozbudowane analizy przypadków przygotują cię do rozwiązywania problemów data science w niemal dowolnym środowisku. • Uzyskaj i skonfiguruj wszystkie potrzebne narzędzia • Szybko przejrzyj wszystkie funkcjonalności Pythona, których potrzebujesz do budowania aplikacji uczenia maszynowego • Opanuj narzędzia AI i ML oraz cykl życia projektu • Korzystaj z narzędzi analitycznych Pythona, takich jak IPython, Pandas, Numpy, Juypter Notebook i Sklearn • Dołącz pragmatyczną pętlę zwrotną, która pozwoli nieustannie poprawiać wydajność naszych procedur i systemów • Projektuj chmurowe rozwiązania AI oparte na Google Cloud Platform, uwzględniając usługi TPU, Colaboratory i Datalab • Definiuj chmurowe przepływy pracy w Amazon Web Services, w tym wystąpienia punktowe, potoki kodu i inne • Pracuj z API sztucznej inteligencji w Microsoft Azure • Poznaj budowanie sześciu rzeczywistych aplikacji AI od początku do końca

Publikacja opisuje zmiany związane z transformacją cyfrową zachodzące w obszarze funkcjonowania rynku, produkcji, konsumpcji, pracy i państwa nowej generacji z perspektywy ekonomii i socjologii. Wychodząc od określenia „przemysł 4.0”, obejmującego sztuczną inteligencję, Big Data, Internet Rzeczy, algorytmizację, automatyzację, komunikowanie się maszyn i in. autorki przybliżają główne obszary gospodarki cyfrowej: rynek 4.0, produkcję 4.0, konsumpcję 4.0, globalizację 4.0, a także państwo 4.0. Omawiają specyfikę nowego, sieciowego (nielinearnego) modelu biznesowego. Zwracają uwagę na wpływ procesów platformizacji i automatyzacji na konsumpcję i rynek pracy oraz na zmiany zachodzące w sposobie funkcjonowania państwa w wyniku wdrażania nowych technologii. Podkreślają również znaczenie nowych technologii, a zwłaszcza nowych modeli biznesowych, dla procesów globalizacji, głównie w jej wymiarze gospodarczym. Każdy z rozdziałów kończy się krótkim podsumowaniem omawiającym ewolucję opisywanego obszaru od poziomu 1.0, odpowiadającego pierwszej rewolucji technologicznej i przemysłowej, do poziomu 4.0, wyłaniającego się w rezultacie dokonującej się właśnie czwartej rewolucji. Znakomite źródło wiedzy na temat transformacji cyfrowej, związanych z nią korzyści i zagrożeń. Książka adresowana do badaczy, decydentów, przedsiębiorców, pracowników, edukatorów i konsumentów. Publikacja na licencji Creative Commons Uznanie autorstwa 3.0 PL (CC BY 3.0 PL) (pełna treść wzorca dostępna pod adresem: http://creativecommons.org/licenses/by/3.0/pl/legalcode). The publication describes the changes related to digital transformation in the functioning of the markets, production, consumption, work and the new generation state from the perspective of economics and sociology. Starting with the definition of “industry 4.0”, which encompasses artificial intelligence, Big Data, the Internet of Things, advanced algorithms, automatization and machine to machine communication, the authors outline the main fields of digital industry. They discuss the specificity of the new network business model and emphasise the influence of platformization and automatization on consumption and the job market and on changes in the functioning of states, resulting from the implementation of new technologies. They also underline the importance of new technologies in globalisation processes.

Książka przedstawia wciągający i przystępny przegląd przełomowych odkryć w obszarze sztucznej inteligencji i uczenia maszynowego, które uczyniły dzisiejsze maszyny tak inteligentnymi. Autor Sean Gerrish opisuje: • architekturę oprogramowania, która pozwala samochodom autonomicznym pozostać na drodze i poruszać się po zatłoczonym środowisku miejskim; • konkurs Netflix’a z nagrodą w wysokości miliona dolarów na lepszy silnik rekomendacji; • w jaki sposób programiści trenowali komputery, aby wykonywały określone czynności, oferując im smakołyki; • słynne zwycięstwo Watsona w Jeopardy! i przygląda się temu, jak komputery grają w gry na przykładzie AlphaGo i Deep Blue, które pokonały ówczesnych mistrzów świata w grach strategicznych go i szachach. Komputery nie opanowały jeszcze jednak wszystkiego. Autor przedstawia trudności w tworzeniu inteligentnych agentów, którzy mogą z powodzeniem grać w gry strategiczne takie jak StarCraft. Entuzjaści nauki i technologii uznają tę książkę za niezbędny przewodnik po przyszłości, w której maszyny mogą przechytrzyć ludzi.

Marketing jest jedną z tych dziedzin, które stale ulegają największym i najbardziej dynamicznym zmianom. To czego już jesteśmy świadomi, mianowicie stale poszerzająca się gama kanałów komunikacji i zmiany w wykorzystaniu tych kanałów, jak również ogólne zmiany w zachowaniach zakupowych w czasach pandemii, nabiera dodatkowej prędkości. Według badań firmy analitycznej McKinsey, w czasie pandemii aż 76% konsumentów trwale zmieniło swoje zachowania zakupowe. Dla marketerów oznacza to pojawienie się nowych potężnych wyzwań, a jednym z najważniejszych jest odbudowa prawdziwej relacji opartej na zaufaniu z każdym z klientów z osobna. To wyzwanie nie może być zrealizowane bez odpowiedniej wiedzy o kliencie oraz technologii. Książka Marketing Automation. W kierunku sztucznej inteligencji i hiperpersonalizacji jest próbą kompleksowego wprowadzenia marketerów, przedsiębiorców i zarządzających firmami w ten nowy świat, aby byli w stanie efektywniej dostarczać wartości i budować swoją przewagę konkurencyjną. Na przestrzeni kilku ostatnich lat jesteśmy świadkami dwóch rewolucji w marketingu. Pierwsza to przejście od typowego marketingu masowego do marketingu spersonalizowanego pod względem treści, kanału i czasu kontaktu, w całości opartego na zautomatyzowanych procesach marketingowych. Druga, która zaczęła się dziać równolegle, to rewolucja, w której efektywne procesy wokół tzw. Customer Experience, czyli doświadczeń klienta, nie mogą się odbyć bez czegoś co nazywamy Hiperpersonalizacją, czyli wykorzystania danych o kliencie, które są analizowane przez rozwiązania z zakresu uczenia maszynowego (Machine Learning) oraz Sztucznej Inteligencji (AI). Autor opowiada o kontekście, w którym znaleźli się współcześni marketerzy, a następnie, krok po kroku, na obrazach z życia wziętych przedstawia nowe technologie, które mogą nadać nowe życie znanym już narzędziom marketingowym.

Najbardziej skomplikowany obiekt we wszechświecie - mózg - oraz procesy, które w nim zachodzą, omówione w prosty i zabawny sposób, zrozumiały dla każdego (od 9 do 113 lat).

Skąd się wzięło myślenie i czy nam się opłaciło? Czy myślenie ma swoje granice? Kiedy nasz mózg nie daje rady, a kiedy działa znakomicie? Dlaczego tak często myślimy na skróty? Twój mózg a ty - kto tu właściwe rządzi? Dlaczego nastolatki myślą inaczej? Sztuczna inteligencja - nowy przyjaciel czy groźny wróg? Humor i ilustracje, które zapadają w pamięć!

W skład książki wchodzą "Ślepowidzenie" i "Echopraksja". 13 lutego 2082. Pierwszy kontakt. Sześćdziesiąt dwa tysiące obiektów nieznanego pochodzenia nurkuje w ziemską atmosferę, tworząc idealną siatkę spadających gwiazd, które spalając się, krzyczą na wszystkich radiowych częstotliwościach. Na Ziemię nie dociera nawet okruch popiołu. Trzysta sześćdziesiąt stopni globalnej obserwacji -- ktoś sobie po prostu pstryknął nasze zdjęcie. A potem... nic. Lecz z głębi kosmosu dochodzą szepty. Coś tam gada, ale nie do nas. Ziemia wysyła dwa statki, aby odkryły, skąd przybyli ci goście. Tezeusz i Korona cierniowa. Jeden wyrusza na ciemne rubieże Pasa Kuipera, drugi do serca Układu Słonecznego. Już ich załogę z trudem daje się określić mianem ludzkiej -- a tego z czym się mierzą, na pewno nie. "Popis siły, na zawsze przedefiniowujący motyw Pierwszego Kontaktu." Charles Stross. "Jeśli macie przeczytać w tym roku tylko jedną książkę science fiction, niech to będzie ta! (...) Przyćmiewa całą resztę tego gatunku (...) i zasługuje na zgarnięcie Clarke'a, Hugo, Nebuli, BSFA i wszystkich innych nagród, do których może startować. Jest poza skalą (...) zajebista po prostu!" Richard Morgan "Mistrzowska fantastyka -- inteligentna, mroczna i chwytająca za gardło od pierwszej strony" Neal Asher Powyższy opis pochodzi od wydawcy.

Ostatnia dekada to czas bezprecedensowego rozwoju sztucznej inteligencji – nie tylko przełomowych badań nad algorytmami uczenia maszynowego, ale również coraz powszechniejszego stosowania inteligentnych maszyn w najróżniejszych dziedzinach naszego życia. Rozwój ten ogranicza niewystarczająca liczba specjalistów, łączących znajomość modelowania danych (przygotowania danych i zasad działania algorytmów uczenia maszynowego) ze znajomością języków analizy danych, takich jak SQL, R czy Python. Inżynieria danych (ang. data science) to interdyscyplinarna wiedza, której opanowanie wymaga znajomości algebry, geometrii, statystyki, rachunku prawdopodobieństwa i algorytmiki, uzupełnionej o praktyczną umiejętność programowania. Co więcej, sztuczna inteligencja jest przedmiotem intensywnych badań naukowych i samo śledzenie postępów w tej dziedzinie wiąże się z regularnym (codziennym) dokształcaniem. Niniejsza książka łączy w sobie teorię z praktyką. Opisuje rozwiązania kilkunastu typowych problemów, takich jak prognozowanie zysków, optymalizacja kampanii marketingowej, proaktywna konserwacja sprzętu czy oceny ryzyka kredytowego. Ich układ jest celowy – każdy przykład jest okazją do wyjaśnienia określonych zagadnień, zaczynając od narzędzi, przez podstawy uczenia maszynowego, sposoby oceny jakości danych i ich przygotowania do dalszej analizy, zasady tworzenia modeli uczenia maszynowego i ich optymalizacji, po wskazówki dotyczące wdrożenia gotowych modeli do produkcji. Książka jest adresowana do wszystkich, którzy chcieliby poznać lub udoskonalić: praktyczną znajomość statystki i umiejętność wizualizacji danych niezbędnej do oceny jakości danych; praktyczną znajomość języka SQL, R lub Python niezbędnej do uporządkowania, wstępnego przygotowania i wzbogacenia danych; zasady działania poszczególnych algorytmów uczenia maszynowego koniecznych do ich wyboru i optymalizacji; korzystanie z języka R lub Python do stworzenia, oceny, zoptymalizowania i wdrożenia do produkcji modeli eksploracji danych. Zarówno studenci kierunków informatycznych, jak również analitycy, programiści, administratorzy baz danych oraz statystycy znajdą w książce informacje, które pozwolą im opanować praktyczne umiejętności potrzebne do samodzielnego tworzenia systemów uczenia maszynowego.

Pismo recenzowane o profilu interdyscyplinarnym, istniejące od 1957 roku. Adresowane przede wszystkim do środowiska naukowego, nie pomija jednak czytelnika mniej profesjonalnego, zwłaszcza nauczycieli, studentów oraz inteligencji zainteresowanej problematyką humanistyczną. Publikuje artykuły problemowe (krajowe i zagraniczne) z zakresu różnych dyscyplin humanistycznych: literaturoznawstwa, historii, kulturoznawstwa, socjologii, filozofii, psychologii oraz językoznawstwa. Zamieszcza również przekłady oraz materiały i przyczynki, dyskusje i polemiki, recenzje i przeglądy.

> KRÓTKIE WPROWADZENIE - książki, które zmieniają sposób myślenia! Tomik w zwięzły i przystępny sposób prezentuje historię rozwoju sztucznej inteligencji, jej możliwości i ograniczenia. W jaki sposób działa? W jakich dziedzinach życia może być wykorzystana? Jakie zagrożenia stwarza? Jak zmienia nasze myślenie o człowieczeństwie? * Interdyscyplinarna seria KRÓTKIE WPROWADZENIE piórem uznanych ekspertów skupionych wokół Uniwersytetu Oksfordzkiego przybliża aktualną wiedzę na temat współczesnego świata i pomaga go zrozumieć. W atrakcyjny sposób prezentuje najważniejsze zagadnienia XXI w. – od kultury, religii, historii przez nauki przyrodnicze po technikę. To publikacje popularnonaukowe, które w formule przystępnej, dalekiej od akademickiego wykładu, prezentują wybrane kwestie. Książki idealne zarówno jako wprowadzenie do nowych tematów, jak i uzupełnienie wiedzy o tym, co nas pasjonuje. Najnowsze fakty, analizy ekspertów, błyskotliwe interpretacje. Opiekę merytoryczną nad polską edycją serii sprawują naukowcy z Uniwersytetu Łódzkiego: prof. Krystyna Kujawińska Courtney, prof. Ewa Gajewska, prof. Aneta Pawłowska, prof. Jerzy Gajdka, prof. Piotr Stalmaszczyk.

Inteligentne, autonomiczne i samouczące się systemy są z jednej strony przedmiotem zaawansowanych badań, z drugiej zaczynają znajdować zastosowania w biznesie. Oparte głównie o metody tzw. nauczania ze wzmocnieniem (ang. Reinforcement Learning, RL) są fundamentem nie tylko Przemysłu 4.0, ale też współczesnych rynków finansowych czy marketingu internetowego. Istnieje coraz więcej udanych wdrożeń takich systemów, ale wciąż niewiele z nich zapewnia rzeczywistą wartość biznesową. Zrozumienie podstaw ich działania oraz sposobów, na jakie mogą generować wartość, pomoże nie tylko wspierać już realizowane inicjatywy sztucznej inteligencji, ale także projektować nowe tak, by zwiększać przewagę konkurencyjną. Głównym celem publikacji jest przedstawienie tych nowoczesnych i wyrafinowanych metod menedżerom i ekspertom z zakresu zarządzania. Autor, na podstawie dogłębnych badań ponad 100 projektów, przedstawia podstawowe zasady leżące u podstaw systemów autonomicznych, ich zastosowania w różnych branżach, wpływ na modele generowania wartości, firmy oraz rynki. Książka pomoże liderom w racjonalnym sformułowaniu uzasadnienia biznesowego dla samouczących się produktów czy usług, decydentom i inwestorom w ocenie potencjału biznesowego nowych autonomicznych projektów, a przedstawiciele środowisk naukowych znajdą w niej inspirację do przyszłych badań. Publikacja podejmuje ważną tematykę zastosowań sztucznej inteligencji w zarządzaniu. Obszar ten nie doczekał się jeszcze w Polsce zwartych opracowań adresowanych do menedżerów i studentów. Praca może wypełnić tę lukę informacyjną na rynku polskim. Prof. dr hab. Jerzy Korczak

Społeczność światowa w swej zdecydowanej większości oczekuje, że wraz ze zrozumieniem narastających zagrożeń bezpieczeństwa, m.in. wskutek przyspieszenia postępu technicznego, poszczególne państwa a nade wszystko ruchy społeczne, porzucą pustą retorykę i przejdą do praktyki pokojowych rozwiązań na rzecz stabilnego rozwoju w nieprzyjaznym świecie, który przypomina opisy George’a Orwella z Roku 1984, przedstawiające świat ery informacyjnej, w którym każda rzecz jest w istocie czymś zupełnie innym, niż jaką jej nadano.

„Teksty z Ulicy. Zeszyt memetyczny” to jedyne w kraju czasopismo naukowe, poświęcone badaniu zjawisk społecznych i kulturowych w perspektywie memetycznej. Od 2005 roku publikuje artykuły naukowe, monograficzne i przeglądowe badaczy reprezentujących różne dyscypliny nauk społecznych, przyrodniczych i humanistycznych, którzy aplikują memetykę do swych warsztatów badawczych. Jest to czasopismo interdyscyplinarne, obrazujące ewolucję teorii memu oraz możliwości jej stosowania w analizie i interpretacji zachowań społecznych (mody, kulty, epidemie, ideologie), w badaniu języka mediów ( memy internetowe, netlore, netykieta), komunikacji społecznej (np. reklama), replikacji pamięci kulturowej (tradycje, kultura masowa i popularna, cyberkultura) oraz koewolucji genetyczno-kulturowej i ewolucji maszyn. Publikuje również dyskusje, polemiki i recenzje prac interesujących dla memetyki i jej krytyków. Posiada wersję online w otwartym dostępie www.memetyka.us.edu.pl Na liście ministerialnej B – 5 punktów. Siedziba Redakcji: Instytut Nauk o Kulturze i Studiów Interdyscyplinarnych, Wydział Filologiczny, Uniwersytet Śląski, Plac Sejmu Śląskiego 1, 40-032 Katowice. Redaktor naczelna: dr hab. Dobrosława Wężowicz-Ziółkowska, e-mail: dobroslawa.wezowicz-ziolkowska@us.edu.pl. Aktualny numer jest poświęcony dyskusjom z Susan Blackmore i jej teoriami człowieka jako maszyny memowej. Temat został sprowokowany spotkaniem z Autorką „ The Meme Machine”, jakie odbyło się w Warszawie na Wydziale Lingwistyki Stosowanej na specjalne zaproszenie dra Roberta Borocha - redaktora tematycznego tego numeru.

Powroty do domu nie zawsze okazują się szczęśliwe. Przekonuje się o tym komandor Gray Pierce, kiedy odkrywa, że jego mieszkanie zostało splądrowane, a ukochana - porwana. Jedyny świadek tego, co rozegrało się w domu Pierce’a, to żona jego najepszego przyjaciela. Niestety, jest pogrążona w śpiączce. Kiedy genialny neurolog znajduje sposób na skontaktowanie się z katatoniczką, okazuje się, że agentów Sigmy czeka szalona misja. Będą musieli wyruszyć w podróż, aby odkryć tajemnice hiszpańskiej inkwizycji i jednej z przeklętych ksiąg chrześcijaństwa - Malleus Maleficarum, Młota na czarownice. Przerażająca przeszłość ujawni niewygodną prawdę o teraźniejszości i przyszłości świata. któremu grozi zagłada. I zmusi członków Sigmy do zadania sobie pytania: co tak naprawdę znaczy mieć duszę?

Metody komputerowego wspomagania projektowania postawiły przed projektantami olbrzymią szansę na zastosowanie metod wielokryterialnej optymalizacji, czyli uwzględniania nie tylko wielu parametrów układowych, ale jednocześnie wielu kryteriów optymalizacji związanych z parametrami wyjściowymi układu. Problem ten w równej mierze dotyczy układów elektronicznych złożonych z elementów dyskretnych, jak i monolitycznych układów scalonych. W niniejszej pracy ograniczono się tylko do wykorzystania sztucznych sieci neuronowych różnych typów, systemów wnioskowania rozmytego (opartego na logice rozmytej), wspomniano także o systemach mieszanych – neuronowo rozmytych. Zaproponowane w pracy metody zilustrowano przykładami optymalizacji lub algorytmami iteracyjnej poprawy przyjętych wskaźników jakości układów elektronicznych.