Powiatowa Biblioteka Publiczna

Spis treści:

1. O Autorach 9
2. Wstęp, czyli dlaczego napisaliśmy tę książkę 11
3. 1. Jak to działa 23
4. Podstawowe pojęcia 23
5. Uczenie maszynowe 26
6. 2. Podstawowe modele data science 31
7. Regresja liniowa pomaga w wyborze wina 31
8. Drzewa decyzyjne pozwalające ocenić ryzyko kredytowe 45
9. Jakie lekcje powinien wyciągnąć dyrektor marketingu z nalotów aliantów
10. podczas II wojny światowej 51
11. Naiwny klasyfikator Bayesa uwalnia nas od spamu 56
12. Uczenie maszynowe nienadzorowane 58
13. 3. Głębokie uczenie maszynowe 65
14. Jak sztuczna inteligencja powstrzymała złodziei papieru toaletowego
15. w Chinach 66
16. Dlaczego dopiero teraz nastąpił rozwój sztucznej inteligencji 67
17. Jak działają algorytmy głębokiego uczenia się – przykład uczenia
18. nadzorowanego 68
19. Jak stosować głębokie uczenie się w praktyce 74
20. 4. Czy komputer może działać jak ludzki mózg, czyli uczenie
21. ze wzmocnieniem 79
22. Jak ludzki mózg stosuje mechanizm nagród w procesie uczenia się 79
23. Nagrody, czyli o tym, jak działają algorytmy uczenia ze wzmocnieniem 81
24. Eksploracja versus eksploatacja i Q-uczenie się 84
25. Zastosowania algorytmów uczenia się ze wzmocnieniem 88
26. 5. Jak komputer nauczył się rozumieć ludzką mowę, czyli gra w 300 pytań 91
27. Od cyfr, przez kompilatory, do rozumienia języka naturalnego 91
28. Jak słowa stają się wektorami liczb, które komputer rozumie 93
29. Zastosowania biznesowe 96
30. 6. Jak przeczytaliśmy ze zrozumieniem 180 tysięcy artykułów o nowych
31. technologiach w kilka minut 99
32. 7. Internet rzeczy i uczenie maszynowe 105
33. Rolls-Royce, doskonałość produkcji i obsługi dzięki big data science 105
34. Jak rzeźnik wykorzystał internet rzeczy i uczenie maszynowe do budowy
35. siły marki i wzrostu sprzedaży 107
36. Przyszłość IoT 108
37. 8. Wpływ sztucznej inteligencji na gospodarkę i rynek pracy 111
38. Prognozy wpływu sztucznej inteligencji na rynek pracy 111
39. 9. Czy Chiny wyprzedzą Stany Zjednoczone w obszarze sztucznej inteligencji 137
40. Sztuczna inteligencja została uznana w Chinach za kluczową technologię
41. przyszłości 138
42. Dane jako paliwo napędzające rozwój sztucznej inteligencji 140
43. Najbardziej konkurencyjny na świecie ekosystem start-upów 140
44. 10. System scoringu społecznego w Chinach, czyli jak powstaje algokracja
45. – nowy system społeczno-polityczny oparty na big data
46. i sztucznej inteligencji 143
47. Bardziej egalitarne społeczeństwo 149
48. Promowanie moralnie pożądanych postaw 149
49. Wzrost transparentności życia publicznego i społecznego 150
50. Wolność w algokracji 151
51. Główne ryzyko algokracji, czyli informatyczny demiurg 152
52. 11. Czy i kiedy pojawi się superinteligencja 155
53. Typy sztucznej inteligencji 155
54. Scenariusze dla świata rządzonego przez sztuczną superinteligencję 159
55. Inteligencja zespołowa 161
56. Sztuczna inteligencja i płynna demokracja 171
57. 12. Jakie zagrożenia niesie ze sobą uczenie maszynowe i sztuczna inteligencja 175
58. Uczenie maszynowe powiększa nierówności rasowe i płci 176
59. Ocena parametryczna nauczycieli oparta na big data eliminuje wspaniałych
60. pedagogów 178
61. Algorytmy promują niemoralne zachowania na wielką skalę 179
62. Algorytmy napędzają kryzys w szkolnictwie wyższym 180
63. Co z tego wynika 181
64. 13. Wolność – czyli o tym, jaki będzie główny wpływ sztucznej inteligencji
65. na modele biznesowe i na człowieka 183
66. Zdolność do budowania piaskownicy i zgodnego bawienia się w niej z innymi 186
67. Umiejętność tworzenia i stosowania modeli XaaS 189
68. Apifikacja kultury korporacyjnej 190
69. 14. Praktyczne zastosowania sztucznej inteligencji i uczenia maszynowego 195
70. Funkcje wewnętrzne i administracyjne 196
71. Zarządzanie zasobami ludzkimi 200
72. Analityka biznesowa 201
73. Rozwój oprogramowania 203
74. Marketing 203
75. Nowe modele biznesowe 214
76. Firmy rozwijające sztuczną inteligencję i uczenie maszynowe w Polsce 215
77. 15. Big data. Dlaczego inwestycja w infrastrukturę AI jest kluczowa 219
78. Fundamenty 219
79. Kluczowe wyzwania architektury ekosystemu big data 222
80. Umysł człowieka a infrastruktura AI 224
81. Podstawowe elementy nowoczesnej architektury infrastruktury big data i AI 228
82. Kluczowe założenia w przygotowaniu odpowiedniej infrastruktury danych 230
83. 16. Ucieczka w przyszłość – jak automatycznie modelować dane behawioralne 233
84. Jakich rezultatów powinniśmy wymagać od nowoczesnej architektury
85. dla rozwiązań z zakresu sztucznej inteligencji 233
86. Nienadzorowane uczenie maszynowe w czasie rzeczywistym na dużą skalę 235
87. Kultura MLOps 237
88. Praca nad budową modelu AI, jego trenowanie i ewaluacja 238
89. Narzędzia automatyzujące pracę data scientistów 240
90. Systemy czasu rzeczywistego i ich ograniczenia 241
91. Kluczowe kompetencje zespołu data science stanowiące wewnętrzny
92. „know-how” 241
93. Odkrywanie nowych zastosowań biznesowych AI 242
94. 17. Internet zdecentralizowany a sztuczna inteligencja 243
95. 18. Wywiady z ekspertami 249
96. Deep tech. GPT-3. AGI. Kiedy AI przekroczy możliwości człowieka
97. Rozmowa ze sztuczną inteligencją stworzoną przez OpenAI. 249
98. Dzisiaj w firmach obowiązuje zasada „przede wszystkim klient” (client first).
99. Jutro najważniejszą zasadą będzie „przede wszystkim dane” (data first).
100. Rozmowa z Jackiem Dąbrowskim, Chief AI Officer, Synerise 253
101. O tym, jak internet rzeczy zwiększa efektywność firm i satysfakcję klientów,
102. ale także prowadzi do powstania pokolenia D. Rozmowa z Aleksandrem
103. Poniewierskim, partnerem i globalnym leaderem internetu rzeczy w EY 258
104. Zakończenie 269
105. Appendix: Najciekawsze przykłady zastosowania sztucznej inteligencji
106. w praktyce 273
107. Lista zawodów, które znikną z powodu rozszerzania się wpływu sztucznej
108. inteligencji 281
109. Lista rysunków, tabel i wykresów 283
110. Spis organizacji zajmujących się AI na świecie 287
111. Najważniejsze konferencje AI na świecie 289
112. Literatura 291
113. O partnerze wydania 297

Zobacz spis treści

---