Człowiek vs Komputer opowiada o ludziach uwikłanych między błędnymi przekonaniami a błędami w oprogramowaniu. Przeczytasz o osobach niewidzialnych dla komputerów, o tym, jak pozostawienie domyślnego hasła doprowadziło do apokalipsy zombie i dlaczego linie lotnicze rozdają czasami darmowe bilety. Ale to przede wszystkim książka o tym, jak zapobiegać takim problemom, jak ich unikać i jak minimalizować ich skutki. Nasze życie jest coraz bardziej uzależnione od komputerów – jesteśmy śledzeni, monitorowani i kategoryzowani przez oprogramowanie, nieustannie doprowadzające kolejne rzeki informacji do oceanu danych zwanego „big data”. W tym nowym, wspaniałym świecie ludzie nie są w stanie samodzielnie radzić sobie z nadmiarem informacji. Rządy i firmy polegają na komputerach, które maja automatycznie wykrywać oszustwa, przewidywać zachowania i egzekwować prawo. Mało elastyczne automaty, często niewiele inteligentniejsze od lodówki, podejmują dziś decyzje na wagę życia i śmierci. A przecież wszystkie te systemy komputerowe są tworzone przez ludzi – którzy mają może najlepsze intencje, ale są omylni i popełniają błędy; są mądrzy, ale zapominają o ważnych sprawach; mają wielkie plany, ale działają pod presją czasu. Kiedy następnym razem uderzysz głową w cyfrowy mur, historie z tej książki pomogą ci lepiej zrozumieć co się właściwie dzieje i pokażą, gdzie należy szukać problemów. Dla osób tworzących oprogramowanie książka będzie pomocą w odkryciu heurystyk, które można wykorzystać w czasie analizy, programowania czy testowania, aby tworzyć systemy mniej podatne na błędy.

Czy sztuczna inteligencja pozbawia nas pracy? Algorytmy przejmują władzę nad światem? Czy big data sprawia, że jesteśmy bezustannie inwigilowani, a ogromna ilość danych zastępuje ekspertów i naukowców? Cokolwiek sądzimy na te tematy, jedno jest pewne – istnieje heterogeniczne środowisko ludzi zajmujących się tzw. „sztuczną inteligencją” czy tzw. „big data” od strony technicznej oraz metodologicznej. Pole ich działania nazywane jest data science, a oni – data scientists. Publikacja to pierwsza monografia socjologiczna dotycząca data science i pierwsza praca w naukach społecznych, w której data science zostało zbadane jako społeczny świat w rozumieniu Adele E. Clarke. Podejście to pozwala spojrzeć na data science, nazwane dekadę wstecz w „Harvard Business Review” „najseksowniejszym zawodem XXI wieku”, zarówno z perspektywy jego uczestników, jak i z lotu ptaka, w relacji do akademii, biznesu, prawa, mediów czy polityki.

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.

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.

Książka poświęcona jest inteligentnym systemom informatycznym w organizacji, wykorzystującym rozproszone źródła informacji niestrukturalnej dostępne w sieci Internet. W przeciwieństwie do strukturalnych źródeł danych (w formie plikowej lub baz danych) wykorzystywanych przez tradycyjne systemy informatyczne zarządzania, źródła internetowe mają charakter przede wszystkim dokumentów nieposiadających ściśle zdefiniowanej struktury semantycznej i schematu zawartości. Uzyskanie wyższej jakości przetwarzania tego rodzaju informacji niestrukturalnej wymaga inteligentnego zachowania systemu informatycznego, przede wszystkim w formie „zrozumienia” analizowanego dokumentu.