Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
NOTABIBLIOGRAFICZNA
Osobyzainteresowanepogłębieniemwiedzyzzakresumetoditechniksztucznej
inteligencjizachęcamyprzedewszystkimdolekturypodręcznikówztegozakresu.
Jednymzlepszych,gruntownychopracowańjestpozycjaautorstwaStuartaRussella
iinnych(2010).Wtejwymagającejpozycji,zsolidnymfundamentemmatema-
tycznym,autorzyopisalizarównometodytzw.GoodOldFashionedAI(GOFAI),
jakinajnowszerozwiązaniazobszaruuczeniamaszynowegoczyDeepLearning.
Wartościoweintuicjezzakresuuczeniamaszynowegomożnaznaleźćteżwopraco-
waniachAurélienaGérona(2019),IanaH.Wittenaiinnych(2017)orazIanaGood-
fellowaiinnych(2016).Fundamentymetodnauczaniazewzmocnieniemsą
szczegółowoprzedstawionewpracyRichardaSuttonaiAndrewBarto(2017),zaś
implementacjepraktyczne(wrazzalgorytmamiifragmentamioprogramowania,ale
teżświetnymwglądemintuicyjnym)wksiążceMiguelaMoralesa(2020)iMaxima
Lapana(2020).
Rozdział2opartyjestwgłównejmierzenastudiachprzypadku.Wpierwszymkroku
zidentyfikowanoponadpięćsetfirmoferującychlubwykorzystującychinteligentne,
autonomicznesystemy,korzystającwtymceluztakichserwisówjak:index.coczy
Crunchbase,orazróżnychraportówrynkowych(np.Gartneraczydużychfirmdo-
radczych).Wkolejnymkrokudokonanowstępnejanalizytychprzedsięwzięć,coza-
owocowałowyborem186znich(por.Załącznik).Następnieprzeanalizowanojepod
kątemwykorzystywanychtechnologii,spektrumzastosowańiwartościoferowanej
orazuporządkowanowodpowiedniekategorie(obszaryfunkcyjneorganizacjiibran-
że).Wpodsumowaniuiuporządkowaniuwartościgenerowanychprzezsystemyinte-
ligentne(rozdział3)pomocneokazałysięzaśtreściprezentowaneprzezdostawców
platformDataScience,takichjak:DataRobot,RapidMiner,H2OczyDataiku.
Rozdział4zawierawielereferencjidoaktualnychbadańnaukowychzobszarusyste-
mówautonomicznychiinteligentnychprezentowanychnakonferencjach,takichjak
np.NeuralInformationProcessingSystems:NeurIPS.Pomocneokazałysięteżwyniki
badańprezentowanychprzezDeepMind(2020),publikowanewtakichperiodykach
jaknNature”czynScience”
.
10
