Algokracja Krzysztof Rybiński, Jarosław Królewski

Dostępność produktu

Produkt nie został jeszcze oceniony pod kątem ułatwień dostępu lub nie podano żadnych informacji o ułatwieniach dostępu lub są one niewystarczające. Prawdopodobnie Wydawca/Dostawca jeszcze nie umożliwił dokonania walidacji produktu lub nie przekazał odpowiednich informacji na temat jego dostępności.

Spis treści książki

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

pokaż cały spis treści

ukryj recenzje