SOWA OPAC : Biblioteka - Katalog książek

217 wyników

Książka

W koszyku

oceń

Strategie produkcji przedsiębiorstw w warunkach gospodarki opartej na wiedzy / red. nauk. Józef Szabłowski. - Białystok : Wyższa Szkoła Finansów i Zarządzania w Białymstoku, 2005.

Autor

Szabłowski Józef.

Temat

Gospodarka oparta na wiedzy Produkcja Zarządzanie strategiczne Innowacje Zarządzanie wiedzą Organizacja ucząca się Odpowiedzialność cywilna Konflikt Współdziałanie Inwestycje zagraniczne Kapitał intelektualny przedsiębiorstwa Przedsiębiorstwo Efektywność ekonomiczna

1. Zagadnienia metodologiczne kreowania strategii rozwoju produkcji. Problemy zarządzania strategicznego; Proces tworzenia i elementy składowe strategii produkcji; Strategie produkcji przedsiębiorstw w otoczeniu międzynarodowym; Aksjologiczne podstawy procesu innowacji; Metoda wielokryterialnej analizy decyzyjnej problemu. 2. Rola wiedzy w kształtowaniu strategii produkcji. Kierunki rozwoju wiedzy w dobie globalizacji; Kapitał ludzki a perspektywy gospodarki opartej o wiedzę na przykładzie Białegostoku; Rola wiedzy w kształtowaniu innowacyjnej strategii produkcji; Rola współpracy w tworzeniu innowacji w gospodarce opartej na wiedzy; Zarządzanie wiedzą w przedsiębiorstwach wysokiej techniki; Dyferencyjność organizacji uczących się w warunkach gospodarki opartej na wiedzy; Rola edukacji w gospodarce opartej na wiedzy. 3. Społeczne, ekonomiczne i techniczne uwarunkowania strategii rozwoju produkcji. Cechy charakterystycznej strategii przedsiębiorstw w warunkach kształtowania się nowej ekonomii (na przykładzie UE, Białorusi i Rosji); Społeczna odpowiedzialność przedsiębiorstw produkcyjnych; Nauczanie współpracy i zarządzania konfliktem w programach studiów wyższych uczelni; Konkurencyjne priorytety białoruskiej gospodarki w kontekście rozwoju i efektywnego wykorzystania zasobów naturalnych i kapitału ludzkiego; Podstawowe założenia kulturowe w zarządzaniu produkcją; Strategie finansowania inwestycji zagranicznych; Ochrona kapitału intelektualnego jako konieczny warunek innowacyjnego rozwoju gospodarki narodowej. 4. Doświadczenia zagraniczne w zakresie kształtowania produkcji i poprawy konkurencyjności przedsiębiorstw. Znaczenie zwiększania wydajności w warunkach globalnej konkurencji; Czynniki konkurencyjności niemieckich przedsiębiorstw na rynkach globalnych; Polityka kształtowania produkcji i handlu na przykładzie gospodarki argentyńskiej przed i po kryzysie; Relacje pomiędzy innowacjami w organizacji, satysfakcja z pracy oraz podnoszeniem kwalifikacji na przykładzie Eti Mining Corporation Bandirma Boron and Acid (Boracite) Factory; Rola rynku w rozwoju systemu edukacji Białorusi w okresie transformacji; Konkurencyjność przygranicznych regionów (W oparciu o badania empiryczne przeprowadzone w Polsce, Litwie, Łotwie i na Białorusi); Strategiczne problemy zarządzania kosztami w przedsiębiorstwie w gospodarce narodowej Białorusi; Aktywna polityka na rynku pracy w systemie innowacyjnych priorytetów realizacji narodowej strategii ustawicznego rozwoju republiki Białoruś; Międzynarodowe alianse strategiczne jako instrument rozwoju innowacyjnego. 5. Strategie produktowe i kształtowania struktury asortymentowej. Opinie respondentów o koncepcji produktów ekologicznych w regionie Polski północno-wschodniej; Postęp produktowy jako czynnik kształtowania strategii produkcji; Strategia innowacji produktu na rynku międzynarodowym; Venture capital jako forma finansowania innowacji produktowych; Zarządzanie wartością firmy (VBM) podstawą kształtowania strategii asortymentu produkcji w przedsiębiorstwie uczącym się; Kształtowanie asortymentu a pozycjonowanie firmy na rynku. 6. Strategie procesowe. Strategia i ekonomika technologii jako podstawa postępowego państwa; Wzrost efektywności procesu produkcyjnego jako warunek funkcjonowania przedsiębiorstwa (na przykładzie metodyki pracy grupy roboczej w Biazet S.A.); "Centra doskonałości" jako alternatywa dla tradycyjnego zarządzania produkcją; Taśma produkcyjna nowej gospodarki - modele zarządzania procesami biznesowymi; Outsourcing produkcji jako źródło przewagi; Wizualizacja jako narzędzie w zarządzaniu procesem produkcyjnym. 7. Strategie kształtowania jakości produkcji, powiększania zdolności produkcyjnych i logistyki. Strategie zdolności produkcyjnych. Studium przypadku; Podstawy sformułowania polityki zarządzania zapasami materiałów na bazie modelu probabilistycznego; Problematyka zarządzania jakością w procesach wytwórczych; Standard SA8000 a strategia produkcji przedsiębiorstwa; Podnoszenie jakości produktów przy wykorzystaniu macierzy cech produktu i jej wybranych modyfikacji; Logistyczne strategie produkcji.

dostępna do wypożyczenia

Ta pozycja znajduje się w zbiorach 2 placówek. Rozwiń listę, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 658.1/.5 (3 egz.)

Czytelnia

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 658.1/.5 (1 egz.)

Książka

W koszyku

oceń

Sytuacje trudne w życiu dziecka / red. nauk. Małgorzata Cywińska ; Uniwersytet im. Adama Mickiewicza w Poznaniu. - Poznań : Uniwersytet im. Adama Mickiewicza w Poznaniu, 2008. - 244 s. ; 24 cm.

(Seria Psychologia i Pedagogika / Uniwersytet im. Adama Mickiewicza w Poznaniu ; Nr 145)

Autor

Cywińska Małgorzata (1958- )

Forma i typ

Książki

Temat

Trudności wychowawcze Dzieci Młodzież Trudne sytuacje życiowe Dziecko z trudnościami w uczeniu się

Gatunek

Praca zbiorowa

Dziedzina i ujęcie

Edukacja i pedagogika

I. Sytuacje trudne dziecka w środowisku rodzinnym (dyskurs pedagogiczno-socjologiczny i historyczny): Osamotnienie dziecka w domu rodzinnym; Dziecko odarte z domu - odziane w instytucje. Kilka uwag o tworzeniu sytuacji, w których trudno być dzieckiem; Wspólnotowość życia rodzinnego - w kontekście socjalizacji i sytuacji trudnych; Przekaz telewizyjny jako źródło sytuacji trudnych w życiu dziecka; Kłopoty w wychowaniu małych dzieci w świetle wybranych pamiętników osiemnastowiecznych. II. Środowisko szkolne a sytuacje trudne dziecka (dyskurs wychowawczo-dydaktyczny): Dzieci z zaburzeniami procesu socjalizacji w środowisku szkolnym; Start szkolny dziecka jako sytuacja trudna; Dziecko w sytuacji konfliktu poznawczego; Świadomość fonologiczna a trudności w nabywaniu umiejętności czytania; Działania plastyczne kanwą ujawniania sytuacji trudnych przez dzieci Dziecko wobec trudności i wyzwań stawianych przez wczesnoszkolną edukację muzyczną - zarys problemu.

dostępna do wypożyczenia

Ta pozycja znajduje się w zbiorach 2 placówek. Rozwiń listę, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 37 (1 egz.)

Czytelnia

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 37 (1 egz.)

Książka

W koszyku

oceń

Szkoła dialogu i samodzielnego uczenia się uczniów / Jerzy Kujawiński. - Poznań : Uniwersytet im. Adama Mickiewicza w Poznaniu, 2006. - 128 s. ; 24 cm.

Autor

Kujawiński Jerzy.

Temat

Innowacje Nauczanie Uczenie się Samokształcenie

1. Cele edukacji w szkole dialogu i samodzielnego uczenia się uczniów, 2. Role pełnione w szkole przez uczniów i nauczycieli, 3. Typologia metod i form dydaktycznych oparta na roli ucznia, 4. Teoria uczenia się i odpowiadające im metody, 5. Koncepcje metodyczne preferujące dialog i samodzielne uczenie się uczniów, 6. Dialog oraz samodzielne uczenie się uczniów w wybranych koncepcjach metodycznych, 7. Autorytet nauczyciela szkoły tradycyjnej i współczesnej

dostępna do wypożyczenia

Ta pozycja znajduje się w zbiorach 2 placówek. Rozwiń listę, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 37 (1 egz.)

Czytelnia

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 37 (1 egz.)

Książka

W koszyku

oceń

Sztuczna inteligencja : błyskawiczne wprowadzenie do uczenia maszynowego, uczenia ze wzmocnieniem i uczenia głębokiego / Hadelin de Ponteves ; przekł. Łukasz Wójcicki. - Gliwice : Helion S.A. , cop. 2021. - 304 s. : 6bil. ; 24 cm.

Autor

Ponteves Hadelin de Wójcicki łukasz

Forma i typ

Książki Poradniki i przewodniki

Temat

Sztuczna inteligencja Uczenie się maszyn

Gatunek

Poradnik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Rozdział 1. Witamy w świecie robotów. Rozpoczęcie przygody z AI. Cztery różne modele AI. Dokąd może Cię zaprowadzić nauka AI? Podsumowanie. Rozdział 2. Poznaj narzędzia AI. Strona GitHuba. Colaboratory. Podsumowanie. Rozdział 3. Podstawy języka Python - naucz się kodować w Pythonie. Wyświetlanie tekstu. Zmienne i operacje. Listy i tablice. Instrukcje warunkowe if. Pętle for i while. Funkcje. Klasy i obiekty. Podsumowanie. Rozdział 4. Podstawowe techniki AI. Co to jest uczenie ze wzmacnianiem? Pięć zasad Reinforcement Learning. Podsumowanie. Rozdział 5. Twój pierwszy model AI - uważaj na bandytów! Problem wielorękiego bandyty. Model próbkowania Thompsona. Podsumowanie. Rozdział 6. AI w sprzedaży i reklamie - sprzedawaj jak Wilk z AI Street. Problem do rozwiązania. Budowanie środowiska do przeprowadzenia symulacji. Rozwiązanie AI i odświeżenie umysłu. Implementacja. Podsumowanie. Rozdział 7. Witamy w Q-learningu. Labirynt. Cały proces Q-learningu. Podsumowanie. Rozdział 8. AI w logistyce - roboty w magazynie. Budowanie środowiska. Implementacja. Podsumowanie. Rozdział 9. Zostań ekspertem od sztucznego mózgu - głębokie Q-learning. Przewidywanie cen domów. Teoria głębokiego uczenia. Jak działają sieci neuronowe? Głębokie uczenie. Podsumowanie. Rozdział 10. Sztuczna inteligencja dla pojazdów autonomicznych - zbuduj samochód samojezdny. Budowanie środowiska. Przypomnienie rozwiązania AI. Implementacja. Prezentacja. Podsumowanie. Rozdział 11. AI dla biznesu - minimalizuj koszty dzięki głębokiemu Q-learningowi. Problem do rozwiązania. Budowanie środowiska. Rozwiązanie AI. Demo. Podsumowanie - ogólny schemat AI. Podsumowanie. Rozdział 12. Głębokie konwolucyjne Q-learning. Do czego służą sieci CNN? Jak działają CNN? Głębokie konwolucyjne Q-learning. Podsumowanie. Rozdział 13. AI dla gier wideo - zostań mistrzem Snake'a. Problem do rozwiązania. Tworzenie środowiska. Rozwiązanie AI. Implementacja. Demo. Podsumowanie. Rozdział 14. Podsumowanie. Podsumowanie - ogólny schemat AI. Odkrywanie, co czeka Cię dalej w AI.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 004 (2 egz.)

Książka

W koszyku

oceń

Sztuczna inteligencja i uczenie maszynowe dla programistów : praktyczny przewodnik po sztucznej inteligencji / Laurence Moroney ; przekł. Jacek Janusz. - Gliwice : Helion S.A. , cop. 2021. - 348, [4] s. : il. ; 24 cm.

Autor

Moroney Laurence Janusz Jacek

Forma i typ

Książki Publikacje fachowe

Temat

Python (język programowania) Sztuczna inteligencja Uczenie się maszyn

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

CZĘŚĆ I. Tworzenie modeli. Rozdział 1. Wprowadzenie do biblioteki TensorFlow. Czym jest uczenie maszynowe? Ograniczenia programowania tradycyjnego. Od programowania do uczenia. Czym jest TensorFlow? Użycie platformy TensorFlow. Pierwsze kroki z uczeniem maszynowym. Podsumowanie. Rozdział 2. Wprowadzenie do widzenia komputerowego. Rozpoznawanie elementów odzieży. Neurony widzenia komputerowego. Projektowanie sieci neuronowej. Trenowanie sieci neuronowej. Analiza wyników modelu. Trenowanie przez dłuższy czas nadmierne dopasowanie. Zakończenie trenowania. Podsumowanie. Rozdział 3. Bardziej zaawansowane zagadnienie: wykrywanie cech w obrazach. Konwolucje. Pooling. Implementacja konwolucyjnych sieci neuronowych. Analiza sieci konwolucyjnej. Tworzenie konwolucyjnej sieci neuronowej rozróżniającej konie i ludzi. Generowanie dodatkowych obrazów. Uczenie transferowe. Klasyfikowanie wieloklasowe. Regularyzacja dropout. Podsumowanie. Rozdział 4. Korzystanie za pomocą biblioteki TensorFlow Datasets z publicznie dostępnych zbiorów danych. Pierwsze kroki z TFDS. Użycie biblioteki TFDS z modelami Keras. Użycie funkcji mapowania do generowania sztucznych danych. Korzystanie z niestandardowych podzbiorów. Czym jest TFRecord? Użycie procesu ETL do zarządzania danymi w TensorFlow. Podsumowanie. Rozdział 5. Wprowadzenie do przetwarzania języka naturalnego. Zamiana języka na liczby. Usuwanie słów nieinformatywnych i porządkowanie tekstu. Obsługa realnych źródeł danych. Podsumowanie. Rozdział 6. Programowa analiza emocji za pomocą osadzeń. Ustalanie znaczenia słów. Osadzenia w bibliotece TensorFlow. Wizualizacja osadzeń. Korzystanie ze wstępnie wytrenowanych osadzeń przy użyciu TensorFlow Hub. Podsumowanie. Rozdział 7. Użycie rekurencyjnych sieci neuronowych do przetwarzania języka naturalnego. Podstawy rekurencji. Zastosowanie rekurencji w przetwarzaniu języka naturalnego. Tworzenie klasyfikatora tekstu przy użyciu rekurencyjnych sieci neuronowych. Użycie wstępnie wytrenowanych osadzeń w rekurencyjnych sieciach neuronowych. Podsumowanie. Rozdział 8. Użycie biblioteki TensorFlow do generowania tekstu. Zamiana sekwencji na sekwencje wejściowe. Tworzenie modelu. Generowanie tekstu. Poszerzenie zbioru danych. Zmiana architektury modelu. Ulepszenie danych. Kodowanie oparte na znakach. Podsumowanie. Rozdział 9. Sekwencje i dane szeregów czasowych. Wspólne atrybuty szeregów czasowych. Metody prognozowania szeregów czasowych. Podsumowanie. Rozdział 10. Tworzenie modeli uczenia maszynowego do prognozowania sekwencji. Tworzenie okna zbioru danych. Tworzenie sieci DNN i jej trenowanie w celu dopasowania do danych sekwencji. Ocena wyników działania sieci DNN. Analiza ogólnej prognozy. Dostrajanie współczynnika uczenia. Dostrajanie hiperparametrów za pomocą narzędzia Keras Tuner. Podsumowanie. Rozdział 11. Użycie metod konwolucyjnych i rekurencyjnych w modelowaniu sekwencji. Użycie konwolucji z danymi sekwencyjnymi. Korzystanie z danych pogodowych NASA. Używanie sieci RNN do modelowania sekwencji. Użycie innych metod rekurencyjnych. Użycie dropoutu. Użycie dwukierunkowych sieci RNN. Podsumowanie. CZĘŚĆ II. Używanie modeli. Rozdział 12. Wprowadzenie do TensorFlow Lite. Czym jest TensorFlow Lite? Przykład: utworzenie modelu i przekonwertowanie go do formatu TensorFlow Lite. Przykład: wykorzystanie uczenia transferowego w klasyfikatorze obrazów i jego konwersja na format TensorFlow Lite. Przykład: wykorzystanie uczenia transferowego w klasyfikatorze obrazów. Podsumowanie. Rozdział 13. Użycie TensorFlow Lite w systemie Android. Czym jest Android Studio? Tworzenie pierwszej aplikacji opartej na TensorFlow Lite dla systemu Android. Coś więcej niż Witaj, świecie! przetwarzanie obrazów. Przykładowe aplikacje wykorzystujące bibliotekę TensorFlow Lite. Podsumowanie. Rozdział 14. Użycie TensorFlow Lite w systemie iOS. Tworzenie pierwszej aplikacji TensorFlow Lite za pomocą Xcode. Coś więcej niż Witaj, świecie! przetwarzanie obrazów. Przykładowe aplikacje wykorzystujące bibliotekę TensorFlow Lite. Podsumowanie. Rozdział 15. Wprowadzenie do TensorFlow.js. Czym jest TensorFlow.js? Instalowanie i używanie środowiska programistycznego Brackets. Tworzenie pierwszego modelu wykorzystującego bibliotekę TensorFlow.js. Tworzenie klasyfikatora irysów. Podsumowanie. Rozdział 16. Rozwiązywanie problemów z zakresu widzenia komputerowego za pomocą biblioteki TensorFlow.js. Uwagi dla programistów używających biblioteki TensorFlow dotyczące języka JavaScript. Tworzenie konwolucyjnej sieci neuronowej za pomocą języka JavaScript. Stosowanie wywołań zwrotnych do wizualizacji. Trenowanie za pomocą zbioru MNIST. Przeprowadzanie wnioskowania dla obrazów przy użyciu biblioteki TensorFlow.js. Podsumowanie. Rozdział 17. Konwersja modeli z Pythona do JavaScriptu i ponowne ich użycie. Konwersja modeli z Pythona do JavaScriptu. Użycie wcześniej przekonwertowanych modeli. Podsumowanie. Rozdział 18. Wykorzystanie uczenia transferowego w języku JavaScript. Uczenie transferowe przy użyciu biblioteki MobileNet. Uczenie transferowe przy użyciu repozytorium TensorFlow Hub. Użycie modeli z portalu TensorFlow.org. Podsumowanie. Rozdział 19. Wdrażanie modeli za pomocą usługi TensorFlow Serving. Czym jest TensorFlow Serving? Instalowanie systemu TensorFlow Serving. Tworzenie i udostępnianie modelu. Podsumowanie. Rozdział 20. Sztuczna inteligencja a etyka, uczciwość i prywatność. Uczciwość w procesie programowania. Uczciwość w procesie uczenia maszynowego. Narzędzia związane z kwestiami uczciwości. Uczenie federacyjne. Zasady firmy Google dotyczące sztucznej inteligencji. Podsumowanie. Rysunki.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 004 (2 egz.)

Brak okładki

Książka

W koszyku

oceń

Sztuka dobrego studiowania / Aurelia Polańska. - Tarnów : Małopolska Wyższa Szkoła Ekonomiczna w Tarnowie, 2002. - 96 s. : tab. ; 24 cm.

Autor

Polańska Aurelia.

Temat

Praca umysłowa Szkolnictwo wyższe Uczenie się

1. Jak czynić studia drogą do pracy zawodowej. 2.Praca nad kwalifikacjami. 3.Uczelnia warsztatem twórczej pracy. 4.Praca nad osobowością. 5.Wiedza produktem stu diów. 6.Kształtowanie umiejętności zawodowych. 7.Zasa dy, cele i pomysły studentów na dobre studiowanie

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Czytelnia

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 378 (1 egz.)

Książka

W koszyku

oceń

Sztuka samokształcenia / Stanisław Karaś. - Wyd.2 rozszerz. - Warszawa : Wyższa Szkoła Pedagogiczna Towarzystwa Wiedzy Powszechnej w Warszawie, 1994. - 150, [1] s. ; 21 cm.

Autor

Karaś Stanisław.

Temat

Samokształcenie Uczenie się Motywacja uczenia się

1. Istota, cele i warunki samokształcenia, 2. Rola motywacji, pamięci i uwagi w samokształceniu, 3. Planowanie i organizacja pracy samokształceniowej, 4. Źródła samokształcenia, 5. Wybrane metody samokształcenia, 6. Notowanie, 7. Trudności i błędy w samokształceniu, 8. Samokontrola i samoocena w samokształceniu

dostępna do wypożyczenia

Ta pozycja znajduje się w zbiorach 2 placówek. Rozwiń listę, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 37 (2 egz.)

Czytelnia

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 37 (1 egz.)

Brak okładki

Książka

W koszyku

oceń

Techniki szybkiego zapamiętywania, uczenia się i czytania. - Gdańsk : Wytwórnia Filmów Szkoleniowych SYNERGIA, [b.r.].

Temat

Uczenie się Czytanie szybkie Czytanie Mnemotechnika

niedostępna

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Egzemplarze są obecnie niedostępne: sygn. 159.9 (wyp. dla wykładowcy)

Brak okładki

Książka

W koszyku

oceń

Technologie cyfrowe w biznesie : przedsiębiorstwa 4.0 a sztuczna inteligencja / red. nuak. Bogdan Gregor, Dominika Kaczorowska-Spychalska. - Wyd. 1 - 1 dodruk. - Warszawa : PWN Wydaw. Nauk., 2021. - 258, [6] s. : rys., tab. ; 24 cm.

Autor

Gregor Bogdan (1943- ) Kaczorowska-Spychalska Dominika

Forma i typ

Książki Publikacje naukowe

Temat

Systemy informatyczne Zarządzanie Organizacja ucząca się Sztuczna inteligencja Przedsiębiorstwo

Gatunek

Praca zbiorowa

Dziedzina i ujęcie

Gospodarka, ekonomia, finanse Informatyka i technologie informacyjne Zarządzanie i marketing

Wstęp 1. Systemy informatyczne jako fundament przedsiębiorstwa 4.0; 1.1. Rozwój systemów informatycznych 1.2. Generowanie i przetwarzanie danych 1.3. Internet Rzeczy 1.4. Big Data 1.5. Chmura obliczeniowa 1.6. Sztuczna inteligencja 1.7. Struktury systemów – ekosystem technologii cyfrowych 1.8. Informatyczne wspomaganie procesów biznesowych 1.9. Bezpieczeństwo danych 1.10. Implementacja; Praktycznie rzecz ujmując. II. Zarządzanie w warunkach rewolucji cyfrowej 2.1. Klasyczne podejście do zasad konkurowania na rynku 2.2. Współczesne trendy wyznaczające nowe reguły konkurowania 2.3. Nowe wzorce konkurowania w cyfrowym świecie 2.4. Nowa logika wykorzystywania zasobów ludzkich; III. Przedsiębiorstwo 4.0 – konsekwencje dla rynku pracy I Implikacje w obszarze zarządzania zasobami ludzkimi 3.1. Automatyzacja procesów a zagrożenie utratą miejsc pracy 3.2. Przemysł 4.0 a wymagania kompetencyjne i zagrożenie wykluczeniem cyfrowym na rynku pracy 3.3. Podstawowe tendencje w sferze zarządzania zasobami ludzkimi Przedsiębiorstw 4.0 3.4. Szanse i zagrożenia związane z zarządzaniem zasobami ludzkimi Przedsiębiorstw 4.0; IV. Marketing wobec wyzwań technologii cyfrowych 4.1. Marketing oparty na danych 4.2. Homo cyber – konsument stechnologizowany 4.3. W kierunku AI Marketingu 4.4. Marketing wobec wyzwań technologii cyfrowych; V. Inteligentna logistyka i inteligentny łańcuch dostaw 5.1. Rewolucje przemysłowe – ku inteligentnym procesom i strukturom 5.2. Przemysł 4.0 i jego implikacje dla logistyki 5.3. Rozwój inteligentnych łańcuchów dostaw 5.4. Najważniejsze składniki inteligentnych łańcuchów dostaw VI. Wpływ technologii cyfrowych na system informacyjny rachunkowości przedsiębiorstw 4.0 6.1. System informacyjny rachunkowości w Przedsiębiorstwie 1.0, 2.0, 3.0 6.2. Nowe technologie i ich wpływ na system rachunkowości 6.3. System informacyjny rachunkowości w Przedsiębiorstwie 4.0 6.4. Rola i zadania specjalistów w zakresie rachunkowości w Przedsiębiorstwie 4.0 VII. Business Intelligence z perspektywy rozwoju inteligentnych przedsiębiorstw 7.1. Uwarunkowania współczesnego środowiska biznesu 7.2. Wiedza jako kluczowy zasób w warunkach rewolucji cyfrowej 7.3 Business Intelligence w procesach decyzyjnych przedsiębiorstwa opartych na danych 7.4 Rola Business Intelligence we współczesnej organizacji w świetle wyników badań VIII. Źródła sukcesu przedsiębiorstwa w erze technologii cyfrowych w aspekcie wybranych teorii ekonomicznych 8.1. Paradoksy współczesnego rynku, gospodarki, ekonomii 8.2. Cztery N współczesnej ekonomii i zarządzania 8.3. Ekosystem rozwojowy – konkurowanie w nowych czasach; Zakończenie; Bibliografia; Netografia; O autorach.

dostępna do wypożyczenia

Ta pozycja znajduje się w zbiorach 2 placówek. Rozwiń listę, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 658.1/.5 (1 egz.)

Czytelnia

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 658.1/.5 (1 egz.)

Książka

W koszyku

oceń

Teoria społecznego uczenia się / Albert Bandura ; tłum. Joanna Kowalczewska, Józef Radzicki. - Warszawa : PWN Wydaw. Nauk., 2007. - 230 s. ; 20 cm.

(Biblioteka Klasyków Psychologii)

Autor

Bandura Albert. Kowalczewska Joanna. Radzicki Józef.

Temat

Psychologia społeczna Socjalizacja Uczenie się Zachowanie

1. Perspektywa teoretyczna, 2. Źródła zachowania, 3. Poprzedzające determinanty zachowania, 4. Determinanty następcze, 5. Kontrola poznawcza, 6. Determinizm wzajemny

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Czytelnia

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 316.6 (1 egz.)

Książka

W koszyku

oceń

Terapia pedagogiczna : scenariusze zajęć : poradnik dla terapeuty i nauczyciela / Anna Radwańska. - Warszawa : Difin SA , 2018. - 258 s. : il. ; 23 cm.

Autor

Radwańska Anna

Temat

Dziecko z trudnościami w uczeniu się Uczniowie o specjalnych potrzebach edukacyjnych Zajęcia korekcyjno-wyrównawcze Dziecko Metoda Dobrego Startu

Zawiera: Wstęp; Rozdział I. Ogólne zasady pracy z uczniem podczas terapii pedagogicznej: Metoda Dobrego Startu; Zastosowanie Metody Dobrego Startu; Rozdział II. Początki: Jak rozpocząć naukę czytania?; Scenariusz zajęć dla uczniów przygotowujących się do nauki czytania; Jak przygotować dziecko do nauki pisania?; Scenariusz zajęć – dla dzieci rozpoczynających przygodę z pisaniem; Rozdział III. Funkcje wzrokowe – scenariusze; Rozdział IV. Funkcje słuchowo-językowe; Rozdział V. Koordynacja wzrokowo-ruchowa; Rozdział VI. Scenariusze zajęć: Scenariusz zajęć dla uczniów z autyzmem i zespołem Aspergera Temat: Emocje; Scenariusz zajęć dla uczniów z niedosłuchem lub słabosłyszących Temat: Posłuchaj i opowiedz; Scenariusz zajęć dla uczniów z niepełnosprawnością intelektualną w stopniu lekkim Temat: Znajdź, powtórz, pogrupuj; Scenariusz zajęć dla uczniów z zaburzoną koncentracją uwagi Temat: Litery i cyfry; Scenariusz zajęć dla uczniów z zespołem Downa Temat: Dwuznaki; Scenariusz zajęć dla uczniów słabowidzących Temat: Ćwiczenia liter mylonych; Scenariusz zajęć dla ucznia z afazją Temat zajęć: „Opowiedz mi...!”; Rozdział VII. Programy rewalidacji: Program rewalidacji dla ucznia ze stwierdzonym niedosłuchem; Program rewalidacji dla ucznia z autyzmem; Program rewalidacji dla ucznia z afazją; Program rewalidacji ucznia z niepełnosprawnością intelektualną w stopniu lekkim; Rozdział VIII. Zamiast zakończenia: Wzór opinii wystawianej dla rodziców w celu przedłożenia innym specjalistom; Wzór Karty Zajęć Specjalistycznych (np. korekcyjno-kompensacyjne); Wzór Karty Zajęć Rewalidacyjnych.

dostępna do wypożyczenia

Ta pozycja znajduje się w zbiorach 2 placówek. Rozwiń listę, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 37 (2 egz.)

Czytelnia

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 37 (1 egz.)

Książka

W koszyku

oceń

Terapia pedagogiczna : zaburzenia rozwoju psychoruchowego dzieci / red. nauk. Ewa Małgorzata Skorek. - Wyd. 4. - Kraków : Oficyna Wydaw. "Impuls" , 2010. - 120, [1] s. ; 24 cm.

Autor

Skorek Ewa Małgorzata

Forma i typ

Książki Publikacje fachowe

Temat

Dziecko z trudnościami w uczeniu się Niepowodzenia szkolne Terapia zajęciowa Dysleksja i dysgrafia Orientacja przestrzenna Rozwój psychomotoryczny Zespół ADHD Lateralizacja Zaburzenia psychomotoryczne Zajęcia korekcyjno-wyrównawcze

Gatunek

Praca zbiorowa

Dziedzina i ujęcie

Edukacja i pedagogika Psychologia

Wprowadzenie, przyczyny niepowodzeń szkolnych, Pojęcie dysleksji,jej rodzaje i przyczyny, Zaburzenia percepcji słuchowej, Rodzaje zaburzeń artykulacji, trudności w uczeniu się uwarunkowane zaburzeniami spostrzeżeń wzrokowych, Dysgrafia, Dysortografia-definicja,symptomy,terapia, Zaburzenia orientacji przestrzennej, Uczeń z zaburzeniami orientacji przestrzennej, zaburzenia lateralizacji, Rola ruchu w procesie nauczania i terapii dziecka, Zaburzenia rozwoju ruchowego, Wczesne przejawy opóźnienia rozwoju ruchowego dzieci-zasady i sposoby ich usprawniania, Nadpobudliwość psychoruchowa, Dzieci zahamowane psychoruchowo, przyczyny trudności w uczeniu się matematyki

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Czytelnia

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 37 (1 egz.)

Brak okładki

Książka

W koszyku

oceń

Transformacja kaizen w perspektywie nowych technologii i cyfryzacji / red. nauk. Marcin Lis, Mariusz Bryke. - Dąbrowa Górnicza : Akademia WSB , 2023. - 179 s. : fot., rys., wykresy ; 24 cm.

Autor

Lis Marcin Bryke Mariusz

Forma i typ

Książki

Temat

KION Polska Kaizen Transformacja cyfrowa Przedsiębiorstwo usługowe Szczupłe zarządzanie Przedsiębiorstwo produkcyjne Automatyzacja procesów biznesowych Zarządzanie jakością Efektywność ekonomiczna Job crafting Kultura organizacyjna Organizacja ucząca się Warunki pracy Zarządzanie strategiczne Przedsiębiorstwo rodzinne Następstwo prawne Prace badawczo-rozwojowe Technologie informacyjno-komunikacyjne (ICT) Zaangażowanie pracowników Menedżerowie Klaster (ekonomia) Przedsiębiorstwa małe i średnie (MŚP) Tczew (woj. pomorskie) Wrocław (woj. dolnośląskie) Kołbaskowo (woj. zachodniopomorskie, pow. policki, gm. Kołbaskowo) Czarnków (woj. wielkopolskie) Polska

Gatunek

Praca zbiorowa Case study (studium przypadku)

Dziedzina i ujęcie

Zarządzanie i marketing Gospodarka, ekonomia, finanse

1. Transformacja cyfrowa jako nowe wyzwanie dla organizacji i jej otoczenia; 2. Strategia jako kultura zarządzania – od strategii do działania; 3. Sukcesja i Kaizen. Przypadek firmy wielorodzinnej w firmie rodzinnej; 4. Wsparcie transformacji cyfrowej firm małych i średnich poprzez klastry i huby innowacji cyfrowych; 5. Rola Lean Management w strategicznym podejściu do zarządzania przedsiębiorstwem; 6. Budowanie kultury Kaizen w firmie usługowej na przykładzie studium przypadku firmy PROFES; 7. Job crafting a Kaizen w procesie ciągłego doskonalenia; 8. Ewolucja wskaźnika pomiaru efektywności w obliczu transformacji Kaizen; 9. Transformacja Kaizen – jak zrobić to dobrze? 10. Budowanie kultury lean oraz Kaizen w firmie produkcyjnej na przykładzie studium przypadku Flextronics International Poland Sp. z o. o. w Tczewie; 11. KION League w działaniu; 12. Transformacja Lean w siedmiu krokach Model transformacji Lean/Kaizen – całościowe praktyczne podejście.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 65.01 (1 egz.)

Książka

W koszyku

oceń

Transformacja w coachingu : doświadczenia uczenia się dorosłych / Monika Chmielecka. - Łódź : Wydawnictwo Uniwersytetu Łódzkiego, 2020. - 384 s. : rys., tab. ; 21 cm.

Autor

Chmielecka Monika

Forma i typ

Książki Publikacje naukowe

Temat

Mezirow, Jack (1923-2014) Coaching Dorośli Uczenie się transformatywne Polska

Gatunek

Monografia Raport z badań

Dziedzina i ujęcie

Edukacja i pedagogika Psychologia

Wprowadzenie; Rozdział 1. Uczenie się w ujęciu andragogicznym 1.1. Kategoria „uczenie się” w andragogice 1.2. „Doświadczenie” jako kategoria opisu procesu uczenia się dorosłych Rozdział 2. Rekonstrukcja teorii transformatywnego uczenia się 2.1. Jack Mezirow (1923–2014) – twórca teorii 2.2. Ogólny zarys teorii 2.3. Analiza aparatury pojęciowej 2.4. Analiza twierdzeń naukowych 2.5. Analiza stosowanej metodologii badań 2.6. Etapy rozwoju teorii/transformacja teorii – powiązania z innymi teoriami 2.7. Geneza teorii transformatywnego uczenia się 2.8. Recepcja teorii transformatywnego uczenia się w Polsce 2.9. Krytyka teorii transformatywnego uczenia się Rozdział 3. Coaching w polu andragogiki 3.1. Czym jest coaching? 3.2. Kim jest coach? 3.3. Krytyka coachingu 3.4. Coaching wśród metod edukacji dorosłych Rozdział 4. Metodologiczne podstawy badań własnych 4.1. Charakterystyka obranego podejścia badawczego 4.2. Problematyka podjętych badań 4.3. Metoda, technika i narzędzie badawcze 4.4. Dobór przypadków (próby badawczej) 4.5. Przebieg procedury badawczej 4.6. Kwestie etyczne badania 4.7. Krytyka metodologicznych podstaw badań własnych Rozdział 5. Prezentacja badanych przypadków 5.1. Ogólne informacje o badanych 5.2. Opisy doświadczeń uczenia się w coachingu poszczególnych badanych 5.2.1. Pani Ewa – „coaching spowodował, że zaczęłam widzieć inne obszary” 5.2.2. Pani Karina – „coaching pomaga dokładnie ustalić, co ta osoba ma robić, za co powinna być odpowiedzialna” 5.2.3. Pan Tomasz – „to jest takie oczywiste, trzeba było tylko otworzyć oczy” 5.2.4. Pan Daniel – „to mi się objawiło, nazwało i okazało, że miałem to przez cały czas, choć o tym nie wiedziałem” 5.2.5. Pani Joanna – „zmieniłam sposób, w jaki widzę świat, zmieniłam to, na czym opieram swoje rozumowanie i swoją argumentację i swoje wybory” 5.2.6. Pani Julia – „zdałam sobie sprawę, że muszę więcej czasu poświęcić sobie, że muszę się lepiej zrozumieć” 5.2.7. Pani Anna – „coaching jako sposób na to, żeby prze- trwać” 5.2.8. Pani Wioletta – „te spotkania dały mi taką siłę, żeby szukać […] nic złego w sobie nie mam, żebym się bała sama do siebie do środka zajrzeć” 5.2.9. Pan Marek – „to było takie proste i oczywiste i ja przecież mogłem to zrobić sam, a nie zrobiłem i nie potrafiłem” 5.2.10. Pani Maria – „uświadomienie sobie tego, że ja sobie sama to zrobiłam, było dla mnie najważniejszą rzeczą” 5.2.11. Pan Karol – „po coachingu zostały mi pierwsze kartki w życiu […] i ja po raz pierwszy pamiętam, co ja na tych kartkach zapisałem” 5.2.12. Pani Zuzanna – „widać było, że ze spotkania na spotkanie było mi lepiej ze sobą” 5.2.13. Pan Bartosz – „przed coachingiem wydawało mi się, że więcej zależy od zewnętrznego otoczenia, a po – wyraźnie to poczucie kontroli przeszło do wnętrza” Rozdział 6. Analiza przekrojowa materiału empirycznego 6.1. Doświadczenia uczenia się w coachingu badanych osób dorosłych 6.2. Przebieg procesu uczenia się w coachingu 6.3. Konteksty przebiegu procesu uczenia się w coachingu 6.4. Zmiany doświadczane przez badane osoby dorosłe w kontekście coachingu 6.5. Znaczenie osoby coacha w doświadczeniach badanych z procesu coachingu Rozdział 7. Praktyczne aplikacje wyników badań własnych. Zakończenie; Bibliografia; Netografia; Spis rysunków; Spis tabel; O Autorze.

dostępna do wypożyczenia

Ta pozycja znajduje się w zbiorach 2 placówek. Rozwiń listę, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 37 (1 egz.)

Czytelnia

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 37 (1 egz.)

Brak okładki

Książka

W koszyku

oceń

Trener i mentor : udział coachingu i mentoringu w doskonalneiu procesu uczenia się / Eric Parsloe, Monika Wray ; przekł. Witold] [Biliński. - Kraków : Oficyna Ekonomiczna, 2002. - 175, [1] s. : il. ; 24 cm.

(Zarządzanie Zasobami Ludzkimi (HR))

Autor

Parsloe Eric Wray Monika Biliński Witold

Forma i typ

Książki Publikacje fachowe

Temat

Kadry Relacje międzyludzkie Uczenie się Metody nauczania Coaching Mentoring Szkolenie zawodowe

Gatunek

Monografia

Dziedzina i ujęcie

Zarządzanie i marketing

Od marginesu do głównego nurtu; Pokazać ludziom, jak mają się uczyć; Coaching - teoria i praktyka; Mentoring - kolizja teorii z praktyką; Mentorzy społeczni - nowa profesja; Informacje zwrotne - warunek sukcesu; Uważne słuchanie; Umiejętność zadawanie pytań; Kierowanie relacjami między ludźmi.

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Czytelnia

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 65.01 (1 egz.)

Książka

W koszyku

oceń

Trzy wymiary uczenia się : poznawcze, emocjonalne i społeczne ramy współczesnej teorii uczenia się / Knud Illeris ; tłum. Alicja Jurgiel, Ewa Kurantowicz, Mieczysław Malewski, Adrianna Nizińska, Tomasz Zarębski. - Wrocław : Dolnośląska Szkoła Wyższa Edukacji TWP, 2006. - 283 s. : rys. ; 21 cm.

Autor

Illeris Knud. Jurgiel Alicja. Kurantowicz Ewa. Malewski Mieczysław. Nizińska Adrianna. Zarębski Tomasz.

Temat

Uczenie się Kształcenie Osobowość Uczucia

1. Pojęcie uczenia się, procesy uczenia się i różne ich wymiary. 2. Poznawczy wymiar uczenia się. 3. Refleksja, metauczenie się i uczenie się transformatywne. 4. Uczenie się a emocje. 5. Rozwój osobowy i refleksyjność. 6. Kiedy intencjonalne uczenie się nie zachodzi? 7. Interakcja, społeczne uczenie się i socjalizacja. 8. Uczenie się przez doświadczenie. 9. Sekwencja uczenia się, przeskoki, stadia, modele. 10. Przestrzenie uczenia się. 11. Uczenie się, motywacja i wiek uczących się.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 37 (3 egz.)

E-book

W koszyku

Twórczy Uniwersytet. Twórczy student. Przewodnik dla studentów Uniwersytetu Łódzkiego / Kinga Klimczak, Jarosław Płuciennik. - Wydawnictwo Uniwersytetu Łódzkiego ; IBUK Libra, 2013. - 144 s.

Autor

Klimczak Kinga. Płuciennik Jarosław.

Forma i typ

E-booki

Na czym polega dojrzałość umysłowa dziś, dla Twojego pokolenia, które niedługo może być określane jako pokolenie ekranów i aplikacji? Na pierwszym roku studiów w szczególny sposób ujawni się dylemat: czy imitować wzorce znalezione w źródłach, czy twórczo je przekształcać i wykazać inwencję oraz oryginalność. Ten podręcznik ma pomóc Ci rozeznać się w całkiem podstawowych umiejętnościach i kompetencjach potrzebnych w samodzielnym uczeniu się. Postaraliśmy się zebrać najprostsze i najzwięźlejsze porady i przepisy dla rozpoczynających studia, a więc dla Ciebie! Te kompetencje będą ważne nie tylko tu i teraz, na UŁ, ale w samodzielnym uczeniu się przez całe życie. Jarosław Płuciennik Kinga Klimczak

dostępna online

Ta pozycja jest dostępna przez Internet. Rozwiń informację, by zobaczyć szczegóły.

Dostęp do treści elektronicznej wymaga posiadania kodu PIN. Po odbiór kodu PIN zapraszamy do biblioteki.

Informacje o książce ; Spis treści

Brak okładki

Książka

W koszyku

oceń

Uczelnie i ich otoczenie : możliwości i formy współdziałania / pod red. Barbara Minkiewicz. - Warszawa : Szkoła Główna Handlowa w Warszawie, 2005. - 162 s. : tab., wykr. ; 24 cm.

Autor

Minkiewicz Barbara.

Temat

Szkolnictwo wyższe Współdziałanie Szkolnictwo niepubliczne Organizacja ucząca się Inkubatory przedsiębiorczści Internet

Cz.I Uczelnia i jej otoczenie: potrzeba i uwarunkowania współpracy : 1.Pług, miecz i Księga: otoczenie szkoły wyższej, 2.Uczelnie i ich otoczenie: możliwości i formy współdziałania, dostosowania, 3.Współpraca uczelni z otoczeniem: ograniczenia i szanse. Przykłąd Polski, 4.Nauka dla gospodarki: uwarunkowania, 5.Uczelnia niepaństwowa jako czynnik awansu ekonomicznego, społecznego i kulturowego regionu, 6.Uczelnia w małym mieście i jej otoczenie - przykład sądecki, CZ.II Formy i przykłady współpracy uczelni z otoczeniem

aktualnie wypożyczona

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Wszystkie egzemplarze są obecnie wypożyczone: sygn. 378 (1 egz.)

Książka

W koszyku

oceń

Uczenie maszynowe w Pythonie dla każdego / Mark E. Fenner. ; przekł.Tomasz Walczak, Jakub Hubisz. - Gliwice : Helion S.A. , 2020. - 542, [2] s. : rys., tab., wykr. ; 24 cm.

Autor

Fenner Mark E. Hubisz Jakub Walczak Tomasz

Forma i typ

Książki Publikacje fachowe

Temat

Uczenie się maszyn Programowanie (informatyka) Python (język programowania) Języki programowania

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

CZĘŚĆ I. PIERWSZE KROKI. Rozdział 1. Podyskutujmy o uczeniu się. 1.1. Witaj. 1.2. Zakres, terminologia, predykcja i dane. 1.3. Rola maszyny w uczeniu maszynowym. 1.4. Przykład systemów uczących się. 1.5. Ocena systemów uczących się. 1.6. Proces budowania systemów uczących się. 1.7. Założenia i realia uczenia się. 1.8. Zakończenie rozdziału. Rozdział 2. Kontekst techniczny. 2.1. O naszej konfiguracji. 2.2. Potrzeba posiadania języka matematycznego. 2.3. Nasze oprogramowanie do zmierzenia się z uczeniem maszynowym. 2.4. Prawdopodobieństwo. 2.5. Kombinacje liniowe, sumy ważone i iloczyny skalarne. 2.6. Perspektywa geometryczna: punkty w przestrzeni. 2.7. Notacja sztuczki plus jeden. 2.8. Odjazd, zrywanie kaftana bezpieczeństwa i nieliniowość. 2.9. NumPy kontra "cała matematyka". 2.10. Problemy z wartościami zmiennoprzecinkowymi. 2.11. Zakończenie rozdziału. Rozdział 3. Predykcja kategorii - początki klasyfikacji. 3.1. Zadania klasyfikacji. 3.2. Prosty zestaw danych do klasyfikacji. 3.3. Trenowanie i testowanie: nie ucz się do testu. 3.4. Ocena - wystawienie stopni. 3.5. Prosty klasyfikator nr 1: najbliżsi sąsiedzi, związki na odległość i założenia. 3.6. Prosty klasyfikator nr 2: naiwny klasyfikator bayesowski, prawdopodobieństwo i złamane obietnice. 3.7. Uproszczona ocena klasyfikatorów. 3.8. Koniec rozdziału. Rozdział 4. Predykcja wartości numerycznych: początki regresji. 4.1. Prosty zbiór danych dla regresji. 4.2. Regresja z najbliższymi sąsiadami i statystyki sumaryczne. 4.3. Błędy regresji liniowej. 4.4. Optymalizacja - wybór najlepszej odpowiedzi. 4.5. Prosta ocena i porównanie regresorów. 4.6. Zakończenie rozdziału. CZĘŚĆ II. OCENA. Rozdział 5. Ocena i porównywanie metod uczenia się. 5.1. Ocena i dlaczego mniej znaczy więcej. 5.2. Terminologia dla faz uczenia się. 5.3. Majorze Tom, coś jest nie tak - nadmierne dopasowanie i niedopasowanie. 5.4. Od błędów do kosztów. 5.5. (Powtórne) próbkowanie - zamienić mniej w więcej. 5.6. Rozbicie: dekonstrukcja błędu na błąd systematyczny i wariancję. 5.7. Ocena graficzna i porównanie. 5.8. Porównywanie metod uczących się za pomocą walidacji krzyżowej. 5.9. Koniec rozdziału. Rozdział 6. Ocena klasyfikatorów. 6.1. Klasyfikatory bazowe. 6.2. Więcej niż dokładność - wskaźniki dla klasyfikacji. 6.3. Krzywe ROC. 6.4. Inne podejście dla wielu klas: jeden-kontra-jeden. 6.5. Krzywe precyzji i skuteczności wyszukiwania. 6.6. Krzywe kumulacyjnej odpowiedzi i wzniesienia. 6.7. Bardziej wyrafinowana ocena klasyfikatorów - podejście drugie. 6.8. Koniec rozdziału. Rozdział 7. Ocena metod regresji. 7.1. Metody regresji będące punktem odniesienia. 7.2. Dodatkowe miary w metodach regresji. 7.3. Wykresy składników resztowych. 7.4. Pierwsze podejście do standaryzacji. 7.5. Ocena mechanizmów regresji w bardziej zaawansowany sposób: podejście drugie. 7.6. Koniec rozdziału. CZĘŚĆ III. JESZCZE O METODACH I PODSTAWACH. Rozdział 8. Inne metody klasyfikacji. 8.1. Jeszcze o klasyfikacji. 8.2. Drzewa decyzyjne. 8.3. Klasyfikatory oparte na wektorach nośnych. 8.4. Regresja logistyczna. 8.5. Analiza dyskryminacyjna. 8.6. Założenia, obciążenie i klasyfikatory. 8.7. Porównanie klasyfikatorów: podejście trzecie. 8.8. Koniec rozdziału. Rozdział 9. Inne metody regresji. 9.1. Regresja liniowa na ławce kar – regularyzacja. 9.2. Regresja z użyciem wektorów nośnych. 9.3. Regresja segmentowa ze stałymi. 9.4. Drzewa regresyjne. 9.5. Porównanie metod regresji: podejście trzecie. 9.6. Koniec rozdziału. Rozdział 10. Ręczna inżynieria cech - manipulowanie danymi dla zabawy i dla zysku. 10.1. Terminologia i przyczyny stosowania inżynierii cech. 10.2. Wybieranie cech i redukcja danych - pozbywanie się śmieci. 10.3. Skalowanie cech. 10.4. Dyskretyzacja. 10.5. Kodowanie kategorii. 10.6. Relacje i interakcje. 10.7. Manipulowanie wartościami docelowymi. 10.8. Koniec rozdziału. Rozdział 11. Dopracowywanie hiperparametrów i potoki. 11.1. Modele, parametry i hiperparametry. 11.2. Dostrajanie hiperparametrów. 11.3. Wyprawa w rekurencyjną króliczą norę - zagnieżdżony sprawdzian krzyżowy. 11.4. Potoki. 11.5. Potoki i dostrajanie całego procesu. 11.6. Koniec rozdziału. CZĘŚĆ IV. ZWIĘKSZANIE ZŁOŻONOŚCI. Rozdział 12. Łączenie mechanizmów uczących się. 12.1. Zespoły. 12.2. Zespoły głosujące. 12.3. Bagging i lasy losowe. 12.4. Boosting. 12.5. Porównywanie metod opartych na zespołach drzew. 12.6. Koniec rozdziału. Rozdział 13. Modele z automatyczną inżynierią cech. 13.1. Wybieranie cech. 13.2. Tworzenie cech za pomocą jąder. 13.3. Analiza głównych składowych - technika nienadzorowana. 13.4. Koniec rozdziału. Rozdział 14. Inżynieria cech dla dziedzin - uczenie specyficzne dla dziedziny. 14.1. Praca z tekstem. 14.2. Klastrowanie. 14.3. Praca z obrazami. 14.4. Koniec rozdziału. Rozdział 15. Powiązania, rozwinięcia i kierunki dalszego rozwoju. 15.1. Optymalizacja. 15.2. Regresja liniowa z prostych składników. 15.3. Regresja logistyczna z prostych składników. 15.4. Maszyna SVM z prostych składników. 15.5. Sieci neuronowe. 15.6. Probabilistyczne modele grafowe. 15.7. Koniec rozdziału. Dodatek A. Kod z pliku mlwpy.py.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 004 (2 egz.)

Książka

W koszyku

oceń

Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow / Aurélien Géron ; tłum. Krzysztof Sawka. - Wydanie 2 - aktualizacja do modułu TensorFlow 2. - Gliwice : Helion S.A. , cop. 2020. - 764, [4] s. : rys., wykresy, wzory ;

Autor

Géron Aurélien Sawka Krzysztof

Forma i typ

Książki Publikacje fachowe

Temat

Uczenie się maszyn Sieci neuronowe Python (język programowania)

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

CZĘŚĆ I. PODSTAWY UCZENIA MASZYNOWEGO. 1. Krajobraz uczenia maszynowego. Czym jest uczenie maszynowe? Dlaczego warto korzystać z uczenia maszynowego? Przykładowe zastosowania. Rodzaje systemów uczenia maszynowego. Główne problemy uczenia maszynowego. Testowanie i ocenianie. Ćwiczenia. 2. Nasz pierwszy projekt uczenia maszynowego. Praca z rzeczywistymi danymi. Przeanalizuj całokształt projektu. Zdobądź dane. Odkrywaj i wizualizuj dane, aby zdobywać nowe informacje. Przygotuj dane pod algorytmy uczenia maszynowego. Wybór i uczenie modelu. Wyreguluj swój model. Uruchom, monitoruj i utrzymuj swój system. Teraz Twoja kolej! Ćwiczenia. 3. Klasyfikacja. Zbiór danych MNIST. Uczenie klasyfikatora binarnego. Miary wydajności. Klasyfikacja wieloklasowa. Analiza błędów. Klasyfikacja wieloetykietowa. Klasyfikacja wielowyjściowa. Ćwiczenia. 4. Uczenie modeli. Regresja liniowa. Gradient prosty. Regresja wielomianowa. Krzywe uczenia. Regularyzowane modele liniowe. Regresja logistyczna. Ćwiczenia. 5. Maszyny wektorów nośnych. Liniowa klasyfikacja SVM. Nieliniowa klasyfikacja SVM. Regresja SVM. Mechanizm działania. Ćwiczenia. 6. Drzewa decyzyjne. Uczenie i wizualizowanie drzewa decyzyjnego. Wyliczanie prognoz. Szacowanie prawdopodobieństw przynależności do klas. Algorytm uczący CART. Złożoność obliczeniowa. Wskaźnik Giniego czy entropia? Hiperparametry regularyzacyjne. Regresja. Niestabilność. Ćwiczenia. 7. Uczenie zespołowe i losowe lasy. Klasyfikatory głosujące. Agregacja i wklejanie. Rejony losowe i podprzestrzenie losowe. Losowe lasy. Wzmacnianie. Kontaminacja. Ćwiczenia. 8. Redukcja wymiarowości. Klątwa wymiarowości. Główne strategie redukcji wymiarowości. Analiza PCA. Jądrowa analiza PCA. Algorytm LLE. Inne techniki redukowania wymiarowości. Ćwiczenia. 9. Techniki uczenia nienadzorowanego. Analiza skupień. Mieszaniny gaussowskie. Ćwiczenia. CZĘŚĆ II. SIECI NEURONOWE I UCZENIE GŁĘBOKIE. 10. Wprowadzenie do sztucznych sieci neuronowych i ich implementacji z użyciem interfejsu Keras. Od biologicznych do sztucznych neuronów. Implementowanie perceptronów wielowarstwowych za pomocą interfejsu Keras. Dostrajanie hiperparametrów sieci neuronowej. Ćwiczenia. 11. Uczenie głębokich sieci neuronowych. Problemy zanikających/eksplodujących gradientów. Wielokrotne stosowanie gotowych warstw. Szybsze optymalizatory. Regularyzacja jako sposób zapobiegania przetrenowaniu. Podsumowanie i praktyczne wskazówki. Ćwiczenia. 12. Modele niestandardowe i uczenie za pomocą modułu TensorFlow. Krótkie omówienie modułu TensorFlow. Korzystanie z modułu TensorFlow jak z biblioteki NumPy. Dostosowywanie modeli i algorytmów uczenia. Funkcje i grafy modułu TensorFlow. Ćwiczenia. 13. Wczytywanie i wstępne przetwarzanie danych za pomocą modułu TensorFlow. Interfejs danych. Format TFRecord. Wstępne przetwarzanie cech wejściowych. TF Transform. Projekt TensorFlow Datasets (TFDS). Ćwiczenia. 14. Głębokie widzenie komputerowe za pomocą splotowych sieci neuronowych. Struktura kory wzrokowej. Warstwy splotowe. Warstwa łącząca. Architektury splotowych sieci neuronowych. Implementacja sieci ResNet-34 za pomocą interfejsu Keras. Korzystanie z gotowych modeli w interfejsie Keras. Gotowe modele w uczeniu transferowym. Klasyfikowanie i lokalizowanie. Wykrywanie obiektów. Segmentacja semantyczna. Ćwiczenia. 15. Przetwarzanie sekwencji za pomocą sieci rekurencyjnych i splotowych. Neurony i warstwy rekurencyjne. Uczenie sieci rekurencyjnych. Prognozowanie szeregów czasowych. Obsługa długich sekwencji. Ćwiczenia. 16. Przetwarzanie języka naturalnego za pomocą sieci rekurencyjnych i mechanizmów uwagi. Generowanie tekstów szekspirowskich za pomocą znakowej sieci rekurencyjnej. Analiza sentymentów. Sieć typu koder - dekoder służąca do neuronowego tłumaczenia maszynowego. Mechanizmy uwagi. Współczesne innowacje w modelach językowych. Ćwiczenia. 17. Uczenie reprezentacji za pomocą autokoderów i generatywnych sieci przeciwstawnych. Efektywne reprezentacje danych. Analiza PCA za pomocą niedopełnionego autokodera liniowego. Autokodery stosowe. Autokodery splotowe. Autokodery rekurencyjne. Autokodery odszumiające. Autokodery rzadkie. Autokodery wariacyjne. Generatywne sieci przeciwstawne. Ćwiczenia. 18. Uczenie przez wzmacnianie. Uczenie się optymalizowania nagród. Wyszukiwanie strategii. Wprowadzenie do narzędzia OpenAI Gym. Sieci neuronowe jako strategie. Ocenianie czynności: problem przypisania zasługi. Gradienty strategii. Procesy decyzyjne Markowa. Uczenie metodą różnic czasowych. Q-uczenie. Implementacja modelu Q-uczenia głębokiego. Odmiany Q-uczenia głębokiego. Biblioteka TF-Agents. Przegląd popularnych algorytmów RN. Ćwiczenia. 19. Wielkoskalowe uczenie i wdrażanie modeli TensorFlow. Eksploatacja modelu TensorFlow. Wdrażanie modelu na urządzeniu mobilnym lub wbudowanym. Przyspieszanie obliczeń za pomocą procesorów graficznych. Uczenie modeli za pomocą wielu urządzeń. Ćwiczenia. Dziękuję! A. Rozwiązania ćwiczeń. B. Lista kontrolna projektu uczenia maszynowego. C. Problem dualny w maszynach wektorów nośnych. D. Różniczkowanie automatyczne. E. Inne popularne architektury sieci neuronowych. F. Specjalne struktury danych. G. Grafy TensorFlow.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 004 (2 egz.)