Wstęp do sztucznej inteligencji

Co przeczytać po zakończeniu Wstęp do sztucznej inteligencji

Po lekturze podręcznika o podstawach sztucznej inteligencji często rodzi się potrzeba pogłębienia konkretnych umiejętności - od matematyki i programowania po zagadnienia sprzętowe czy przetwarzanie danych. Poniższe propozycje pomagają rozwijać te obszary, tak by zyskać solidne zaplecze teoretyczne i praktyczne do własnych projektów.

1. 1. Ogniwa słoneczne. Budowa, technologia i zastosowanie, Grażyna Jastrzębska

   Monografia o ogniwach słonecznych daje kompleksowy obraz technologii konwersji energii, istotnej przy projektowaniu systemów rozproszonych i autonomicznych. Zastosowania ogniw w urządzeniach IoT i stacjach zasilających systemy AI czynią tę wiedzę praktycznie użyteczną. Książka omawia budowę i technologię, co pozwala ocenić możliwości oraz ograniczenia energetyczne wdrożeń. Dla projektantów systemów inteligentnych to cenna porcja praktycznego kontekstu technicznego.

2. 2. Nitrides, Sławomir Podsiadło

   Książka o azotkach prezentuje właściwości i metody otrzymywania zaawansowanych materiałów, które coraz częściej pojawiają się w urządzeniach sensorycznych i elementach półprzewodnikowych wykorzystywanych w systemach AI. Zrozumienie struktur materiałowych pomaga lepiej pojąć ograniczenia i możliwości sprzętu, na którym działają modele uczące się. To pozycja dla osób zainteresowanych częścią «fizyczną» systemów inteligentnych, czyli ich budową i niezawodnością. Przyjemne dla inżyniera uzupełnienie wiedzy o materiałach stosowanych w elektronice i fotonice.

3. 3. Podstawy fizyki. Tom 2, David Halliday

   Drug tom podstaw fizyki rozwija zagadnienia niezbędne do zrozumienia działania czujników, sygnałów i elementów elektromagnetycznych używanych w systemach AI i robotyce. Książka oferuje solidne ujęcie podstaw, co pomaga w interpretacji pomiarów i projektowaniu eksperymentów. Przejrzystość wykładu sprzyja szybkiemu odświeżeniu wiedzy przed samodzielnymi pracami badawczymi. To praktyczne wsparcie dla tych, którzy łączą informatykę z zagadnieniami fizycznymi.

4. 4. Podstawy fizyki. Tom 5, David Halliday

   Tom poświęcony podstawom fizyki przedstawia zasady, które leżą u podstaw modelowania zjawisk w systemach robotycznych i sensorycznych wykorzystywanych w AI. Zrozumienie dynamiki, fal czy mechaniki jest pomocne przy projektowaniu symulacji i interpretacji danych z fizycznych czujników. Książka wyróżnia się przejrzystym stylem i szerokim zakresem tematów, co ułatwia odświeżenie lub ugruntowanie wiedzy. Dla osób pracujących nad integracją modeli AI ze światem fizycznym to solidny fundament.

5. 5. Twórz własne gry komputerowe w Pythonie, Al Sweigart

   Przewodnik po tworzeniu gier w Pythonie to doskonałe miejsce, by przećwiczyć programistyczne koncepty i logikę interakcji przed zastosowaniem ich w projektach AI. Tworzenie prostych gier uczy projektowania pętli głównej, obsługi zdarzeń i symulacji środowiska - umiejętności przydatnych przy budowie agentów. Książka jest przyjazna dla początkujących i pobudza kreatywność programistyczną. To praktyczna ścieżka do nabycia doświadczenia w kodowaniu i debugowaniu algorytmów.

6. 6. Transport intermodalny. Projektowanie terminali przeładunkowych, Marianna Jacyna

   Monografia o transporcie intermodalnym pokazuje, jak modelować i optymalizować złożone systemy logistyczne, co jest bliskie zagadnieniom optymalizacji i symulacji w AI. Zagadnienia projektowania terminali i przepływu ładunków wymagają podejścia algorytmicznego i analitycznego. Książka jest wartościowa dla osób zainteresowanych zastosowaniami sztucznej inteligencji w logistyce i zarządzaniu łańcuchem dostaw. Daje praktyczny kontekst do wdrażania systemów wspomagania decyzji.

7. 7. New Materials for Photovoltaics, Sławomir Podsiadło

   Książka o nowych materiałach dla fotowoltaiki pokazuje, jak postęp w syntezie związków wpływa na rozwój technologii energetycznych i urządzeń pomiarowych. Wiedza o materiale jest przydatna przy projektowaniu komponentów dla systemów zasilania i sensoryki w projektach inteligentnych. Publikacja łączy aspekty chemiczne i technologiczne, co pomaga zrozumieć realne możliwości wdrożeń. Dla inżynierów i badaczy zainteresowanych sprzętem to wartościowe poszerzenie perspektywy.

8. 8. ECDL. Moduł S10. Podstawy programowania w języku Scratch. Syllabus v. 1.0, Albert Hodorowicz

   Materiały do modułu Scratch to doskonały punkt wyjścia dla osób, które chcą praktycznie poćwiczyć podstawy programowania i logiki sterowania. Praca w Scratchu rozwija umiejętność rozkładania problemów na kroki i budowania algorytmów bez bariery składniowej. To użyteczna propozycja dla tych, którzy preferują naukę przez zabawę i wizualne podejście przed przejściem do bardziej zaawansowanych języków. Ułatwia zrozumienie podstaw programowania, które są fundamentem tworzenia systemów AI.

9. 9. Przetwarzanie języka naturalnego w akcji. Rozumienie, analiza i generowanie tekstu w Pythonie na przykładzie języka angielskiego, Hapke Hannes

   Przewodnik po praktycznych technikach NLP daje narzędzia do budowy systemów rozumiejących i generujących język naturalny, naturalnym przedłużeniem poznania podstaw AI. Zawiera praktyczne przykłady w Pythonie oraz omówienia pakietów, które przyspieszają wdrożenie modeli językowych. To pozycja przydatna dla tych, którzy chcą przejść od teorii do praktycznych aplikacji w przetwarzaniu tekstu. Pomaga zrozumieć, jak wykorzystać techniki NLP w projektach badawczych i komercyjnych.

10. 10. Detekcja sygnałów optycznych, Antoni Rogalski

    Książka o detekcji sygnałów optycznych łączy zagadnienia optyki i elektroniki, co ma istotne znaczenie dla systemów przetwarzających dane obrazowe i sensoryczne. Zrozumienie działania detektorów i układów odczytu pomaga lepiej projektować warstwę akwizycji danych w aplikacjach AI, zwłaszcza w widzeniu maszynowym. Publikacja omawia zarówno zasady fizyczne, jak i układy elektroniczne, co czyni ją przydatną dla inżynierów i badaczy. Dobrze uzupełnia wiedzę o praktycznych ograniczeniach sprzętu używanego do zbierania danych.

11. 11. Systemy wspomagania decyzji, Krzysztof Krupa

    Publikacja o systemach wspomagania decyzji porządkuje wiedzę dotyczącą algorytmów, modeli decyzyjnych i sposobu prezentowania wyników, co jest mocno powiązane z zastosowaniami AI. Omawia metody analizy informacji i projektowania systemów, które mają wspierać podejmowanie decyzji w praktycznych kontekstach. To lektura dla tych, którzy chcą przekuć modele predykcyjne na użyteczne narzędzia wspierające decyzje organizacyjne. Zawarte przykłady ułatwiają zrozumienie integracji modeli w realnych procesach biznesowych i technicznych.

12. 12. Chemia analityczna. Tom 2, Douglas A. Skoog

    Tom poświęcony chemii analitycznej przedstawia metody i techniki pozyskiwania wiarygodnych danych pomiarowych - fundamentu każdej pracy z danymi. Zrozumienie źródeł błędów, kalibracji i interpretacji wyników jest kluczowe przy przygotowywaniu zestawów danych dla modeli uczących się. Książka łączy teorię z praktyką laboratoryjną, co czyni ją użyteczną dla osób zajmujących się AI w naukach eksperymentalnych. Pomaga ukształtować krytyczne podejście do jakości danych.

13. 13. Biochemia Harpera. Ilustrowana, Victor W. Rodwell

    Kompendium biochemii dostarcza wiedzy o procesach biologicznych, które są niezbędne przy pracy nad projektami z zakresu bioinformatyki czy modelowania procesów życiowych. Zrozumienie mechanizmów metabolicznych i molekularnych ułatwia interpretację danych biologicznych używanych w uczeniu maszynowym. Książka wyróżnia się ilustracjami i zwięzłym językiem, co sprzyja szybkiemu przyswojeniu dużej ilości informacji. Może być pomostem między teorią AI a zastosowaniami w naukach przyrodniczych.

14. 14. Pozycjonowanie i optymalizacja stron WWW, Bartosz Danowski

    Pozycja o pozycjonowaniu i optymalizacji stron WWW przydaje się osobom, które chcą udostępniać produkty AI w sieci i zadbać o ich widoczność. Zrozumienie mechanizmów wyszukiwania i optymalizacji treści ułatwia projektowanie usług tak, by były dostępne dla użytkowników i dobrze indeksowane. Książka łączy techniczne aspekty tworzenia serwisów z praktycznymi strategiami promocji. To użyteczne uzupełnienie dla autorów aplikacji i badaczy planujących publiczne wdrożenia.

15. 15. C# 9.0. Leksykon kieszonkowy, Ben Albahari

    Leksykon C# 9.0 to praktyczne źródło szybkich informacji o języku, przydatne przy implementacji aplikacji i serwisów korzystających z algorytmów AI. Zwięzła forma ułatwia odnalezienie konstrukcji językowych, nowych funkcji i idiomów przyspieszających rozwój oprogramowania. Dobre narzędzie dla programistów pracujących z platformą .NET i integrujących modele w rozwiązaniach biznesowych. Ułatwia sprawne przechodzenie od koncepcji do działającej aplikacji.

16. 16. VBA dla Excela 2021 i 365 PL. 234 praktyczne przykłady, Witold Wrotek

    Zbiór praktycznych przykładów VBA dla Excela pozwala automatyzować analizy i przygotowywać zestawy danych, co bywa niezbędne przygotowując dane treningowe dla modeli AI. Pokazuje, jak tworzyć makra i skrypty przyspieszające rutynowe operacje na tabelach i raportach. To narzędzie dla osób pracujących z dużą ilością danych w środowisku biurowym, które chcą zwiększyć efektywność przetwarzania. Ułatwia łączenie pracy analitycznej z procesem przygotowania danych do dalszych analiz.

17. 17. Zadania z arytmetyki dla uczniów klas 6-8, Witold Bednarek

    Zbiór zadań z arytmetyki doskonali umiejętności logicznego myślenia i sprawnego rachunku, co stanowi ważną podstawę przy pracy z algorytmami i analizą danych. Ćwiczenia rozwijają intuicję matematyczną potrzebną do formułowania problemów oraz rozumienia kroków algorytmicznych. Przydatne zarówno dla osób rozpoczynających przygodę z teorią, jak i tych, którzy chcą utrwalić podstawy przed nauką statystyki czy analizy numerycznej. Dobre narzędzie do treningu umysłowego przed bardziej formalnymi rozdziałami o metodach AI.

18. 18. Podstawy teorii plastyczności w geomechanice, Stanisław Pietruszczak

    Monografia z teorii plastyczności pokazuje, jak formułować i analizować modele mechaniczne, co ma zaskakująco dużo wspólnego z modelowaniem matematycznym w AI. Analiza naprężeń i nieliniowych zachowań materiałów uczy podejścia do problemów z warunkami brzegowymi i trudnymi funkcjami celu. Dla osób pracujących nad symulacjami, optymalizacją lub hybrydowymi systemami łączącymi fizykę i uczenie maszynowe to wartościowe źródło. Pomaga przenieść umiejętność ścisłego myślenia z mechaniki na konstrukcję modeli obliczeniowych.

19. 19. Matematyka olimpijska. Kombinatoryka, Adam Neugebauer

    Książka o kombinatoryce zaprasza do myślenia w kategoriach dyskretnej struktury i złożonych przekształceń - to umiejętności cenione przy projektowaniu algorytmów. Zadania olimpijskie uczą kreatywności, precyzji rozumowania i szukania eleganckich rozwiązań, co przekłada się na lepsze podejście do optymalizacji i analizy złożoności. Dla osób planujących głębsze wejście w teorię algorytmów lub badania nad nowymi metodami uczenia się to wartościowy trening intelektualny. Może inspirować nietypowe spojrzenia na problemy informatyczne.

20. 20. Pierwsza pomoc w typografii

    Zwięzły podręcznik typografii pomaga prezentować wyniki badań i raporty w czytelnej formie, co jest kluczowe przy komunikacji efektów projektów AI. Umiejętność poprawnego składu tekstu i unikania typowych błędów wpływa na odbiór treści naukowych i dokumentacji technicznej. Książka analizuje praktyczne problemy projektowania typograficznego i proponuje proste rozwiązania. Świetne uzupełnienie dla tych, którzy przygotowują publikacje, raporty lub interfejsy użytkownika.

Każda z tych pozycji może posłużyć jako naturalne przedłużenie wiedzy zdobytej we wstępie do AI - wybór zależy od tego, czy chcesz zgłębiać algorytmy, programowanie, analizę danych czy zagadnienia sprzętowe. Niech dalejka lektura stanie się częścią twojej naukowej podróży.