Helion Gliwice

Czy kiedykolwiek zastanawiało Cię, jak sztuczna inteligencja może zrewolucjonizować zarządzanie finansami? Jeśli nie, to może warto się nad tym zastanowić? Zwłaszcza w kontekście możliwości, jakie stwarza ChatGPT, jedno z kluczowych narzędzi transformacji technologicznej. Model opracowany przez OpenAI może być używany do planowania budżetu, oszczędzania, raportowania danych czy nawet doradztwa inwestycyjnego. Dzięki zaawansowanym algorytmom AI może analizować wszelkie dane finansowe i sugerować optymalne strategie inwestycyjne, co pozwala na efektywniejsze zarządzanie finansami osobistymi.

Książka Polecenia dla ChatGPT w finansach. Praktyczne zastosowanie w biznesie i finansach osobistych pokazuje możliwości, jakie daje współpraca z tym narzędziem. To praktyczny przewodnik skierowany do osób, które na co dzień korzystają z AI w instytucjach finansowych, ale także tych, które dopiero rozpoczynają przygodę z tą technologią. Również szefowie organizacji znajdą tu inspiracje do zastosowania narzędzia w codziennej pracy ― odkryją jego potencjał w zarządzaniu nie tylko finansami, ale i procesami biznesowymi.

Przekonaj się, że ChatGPT może się stać Twoim najlepszym wirtualnym asystentem ― który w dodatku nic nie kosztuje!

W książce:

• Cel i zakres zastosowania ChatGPT w finansach: Wprowadzenie do OpenAI, rozwój ChatGPT oraz jego kluczowe cechy)
• Zastosowanie ChatGPT w finansach osobistych (planowanie budżetu, oszczędzanie, zarządzanie długiem, doradztwo inwestycyjne)
• Automatyzacja obsługi klienta i personalizacja usług (najlepsze praktyki, skrypty dialogów z klientami)
• Automatyzacja analizy i raportowania danych finansowych (przegląd narzędzi i metodologii)
• Automatyzacja procesów wewnętrznych (zarządzanie dokumentacją, audyt)
• Automatyzacja zarządzania ryzykiem (przykłady poleceń dotyczących identyfikacji i reagowania na sygnały ryzyka)

Termin dług techniczny oznacza zbiór skrótów, niedociągnięć i potworków projektowych, które powstają w trakcie ewolucyjnego rozwoju programu. Jeśli się ich nie zlikwiduje, mogą dramatycznie spowolnić pracę nad programem. Rozwiązywanie tego typu problemów jest nazywane refaktoryzacją i każdy programista powinien umieć ją przeprowadzać.

Dzięki tej przystępnej, świetnie napisanej książce dowiesz się, czym jest dług techniczny, co prowadzi do jego powstawania i w jaki sposób można go bezpiecznie zrefaktoryzować przy użyciu nowoczesnych narzędzi dostępnych w środowisku Visual Studio, a także najnowszych składników języka C# 12 i platformy .NET 8. Nauczysz się też korzystać z zaawansowanych testów jednostkowych tworzonych przy użyciu xUnit i takich bibliotek jak Moq, Snapper czy Scientist.NET. Dowiesz się, jak stosować zasady SOLID, aby tworzyć łatwy w utrzymaniu kod, poznasz również techniki programowania defensywnego, które można stosować w nowszych wersjach C#. Ponadto nauczysz się przeprowadzać analizy kodu i pisać własne analizatory Roslyn do wykrywania i rozwiązywania problemów typowych dla Twojego projektu.

Najciekawsze zagadnienia:

• najważniejsze informacje o długu technicznym
• różne sposoby refaktoryzacji klas, metod i wierszy kodu
• efektywne testy jednostkowe
• zasady SOLID i tworzenie kodu łatwego w utrzymaniu
• korzystanie ze sztucznej inteligencji GitHub Copilot
• standardy kodowania w zwinnych zespołach

Nowoczesne zespoły programistyczne łączą podejście DevOps z potokami ciągłej integracji i ciągłego wdrażania. Zasady DevOps i możliwości technologii Git i GitHub pozwalają na radykalne usprawnienie pracy, a także na poprawę współpracy zespołów i wspieranie innowacji. W efekcie zespoły o wiele lepiej sobie radzą z ciągłym usprawnianiem produktów.

Dzięki tej książce dowiesz się, jak korzystać z możliwości platformy GitHub w trakcie transformacji przepływu pracy DevOps. Rozpoczniesz od podstaw technologii Git i od zrozumienia podejścia DevOps, zapoznasz się również z kwestią wrażeń odbieranych przez programistę. W kolejnych rozdziałach znajdziesz informacje o udostępnionych na platformie GitHub funkcjach automatyzacji i współpracy. Nauczysz się też używać funkcjonalności GitHub Copilot do zwiększenia produktywności. Ponadto dowiesz się, jak wyeliminować lukę DevOps, zachować jakość kodu i zaimplementować niezawodne środki bezpieczeństwa. Liczne ćwiczenia pomogą Ci w praktycznym poprawianiu wrażeń programisty, optymalizacji pracy zespołowej i wspieraniu innowacyjności. Szybko się przekonasz, jaki potencjał drzemie w podejściu DevOps!

W książce:

• podstawy technologii Git i GitHub
• DevOps jako siła napędowa automatyzacji
• potoki ciągłej integracji i ciągłego wdrażania (CI/CD)
• użycie usługi GitHub Actions
• pomiary tempa programowania i usprawnienie tego procesu
• GitHub Copilot i poprawa wrażeń programisty

Doskonałość w działaniu ― odkryj potencjał DevOps z Git i GitHub!

Poznaj język, za pomocą którego analitycy sprawiają, że dane są posłuszne, a raporty ciekawsze!

Język DAX (ang. Data Analysis Expressions) został stworzony przez firmę Microsoft, by umożliwić wykonywanie efektywnych obliczeń na danych przechowywanych w wielu tabelach i przetwarzanych w Power BI, Excel Power Pivot czy SQL Server Analysis Services. Możliwości DAX-a są naprawdę ogromne, osoba, która go opanuje, zyska potężnego sprzymierzeńca w pracy z wielkimi zbiorami danych ukrytymi pod wyświetlanymi w raportach wykresami czy tabelami.

Ten podręcznik wyjaśnia podstawy działania języka DAX i stosowania go w Power BI. Napisany przystępnym językiem, uczy obsługi prostych modeli danych i korzystania z szeregu podstawowych, choć nieoczywistych funkcji. Ich opanowanie pozwala zacząć samodzielnie tworzyć ciekawe analizy, a równocześnie oswoić się z DAX-em i modelem danych.

Dzięki lekturze książki i wykonaniu zawartych w niej ćwiczeń dowiesz się między innymi:

• Czym jest model danych
• Do czego służą kolumny kalkulowane, miary i co to są konteksty wykonania
• Jak działają funkcje agregujące i iteracyjne
• Jak używać CALCULATE - najważniejszej funkcji języka DAX
• Do czego można użyć funkcji tablicowych
• Jak w prosty sposób tworzyć dynamiczne komunikaty

Chyba nikogo nie trzeba przekonywać, że ochrona danych i zabezpieczenie prywatności są kwestiami absolutnie kluczowymi w cyfrowym świecie. Na szczęście zdajemy sobie coraz lepiej sprawę, że incydenty naruszeń w dziedzinie bezpieczeństwa danych mogą nas narazić na realne szkody. Z drugiej strony niedopełnienie obowiązków wynikających z RODO okazuje się dla organizacji niezwykle kosztowne, a także naraża na szwank ich wizerunek. Zapewnienie należytej ochrony danych to wymagające wyzwanie. Z tego względu inżynieria prywatności z roku na rok staje się coraz ważniejszą dziedziną.

Książka w przystępny sposób przedstawia głęboką perspektywę techniczną wraz z przeglądem najnowszych podejść i architektur technologicznych.

Emily F. Gorcenski, główna analityczka danych, Thoughtworks

Tę książkę docenią osoby, które w ramach codziennej pracy integrują tematy związane z prywatnością i bezpieczeństwem danych. To przewodnik dla pragmatyków, zapewniający gruntowną wiedzę o współczesnych elementach ochrony danych, takich jak prywatność różnicowa, uczenie federacyjne i obliczenia szyfrowane. Znajdziesz tu przydatne wskazówki, jak również najlepsze, wielokrotnie sprawdzone praktyki integracji przełomowych technologii, pozwalające skutecznie i na wysokim poziomie dbać o prywatność i bezpieczeństwo danych.

Najważniejsze zagadnienia:

• Jak przepisy (RODO i CCPA) mają się do przepływów danych i przypadków ich użycia?
• Jak właściwie anonimizować dane?
• Czy szyfrowanie homomorficzne jest właściwym rozwiązaniem?
• Jak wybierać technologie i metody ochrony prywatności?
• Jak zapewnić bezpieczeństwo danych w projektach opartych na ich analizie?
• Jak odpowiednio wdrożyć wewnętrzne zasady ochrony prywatności danych?

Wreszcie znalazłem książkę, którą mogę polecać wszystkim unikającym tematu prywatności danych!

Vincent Warmerdam, twórca Calm Code, inżynier uczenia maszynowego, Explosion

Microsoft konsekwentnie doskonali się w tworzeniu wyjątkowych technologii i Azure jest tego świetnym przykładem. Pozwala nie tylko na rozwijanie natywnych aplikacji chmurowych, ale również na efektywną migrację starszych systemów, wdrażanie rozwiązań hybrydowych i modernizację istniejącego oprogramowania pod kątem skalowalności. Skorzystanie z pełni możliwości Azure wymaga jednak dobrego zrozumienia koncepcji przetwarzania w chmurze.

Ta książka to pasjonująca podróż w świat Microsoft Azure!

Peter T. Lee, Capgemini America, Inc.

Dzięki tej praktycznej, przystępnie napisanej książce przyswoisz modele przetwarzania w chmurze i zrozumiesz sedno nowoczesnych technologii chmurowych. Zorientujesz się, jak optymalnie używać Microsoft Azure w różnych sytuacjach biznesowych, i płynnie przystąpisz do budowania aplikacji na tej platformie. Znajdziesz tu wyczerpujące informacje o kontenerach Azure, bezserwerowych technologiach obliczeniowych i narzędziach zwiększających produktywność deweloperów. Dowiesz się ponadto, jak korzystać z funkcji współpracy zespołowej, w jaki sposób dokonać bezpiecznej migracji aplikacji, jej transformacji, a także jak ją rozwijać z użyciem narzędzi Azure.

W książce między innymi:

• podstawy przetwarzania w chmurze Microsoft Azure
• wybór usług w chmurze Azure i dostosowanie scenariuszy do wymagań
• tworzenie usług, aplikacji i rozwiązań w chmurze
• zabezpieczenia chmury w infrastrukturze IT
• najlepsze praktyki migracji na platformę Azure

Azure: zrób pierwszy krok do chmury!

Architektury data fabric i data lakehouse, a także siatka danych pojawiły się niedawno jako alternatywy hurtowni danych. Te nowe architektury mają swoje mocne strony, ale podczas projektowania rzeczywistych rozwiązań musisz pamiętać o odróżnianiu faktów od przesadnych pochwał i niejasności. Nie zawsze jest to proste i oczywiste zadanie.

Niezwykłość tej książki polega na przekształcaniu złożonych zagadnień technicznych w jasne i zrozumiałe objaśnienia.

Annie Xu, starszy inżynier danych, Google

Dzięki temu praktycznemu przewodnikowi profesjonaliści zajmujący się danymi dobrze zrozumieją wady i zalety poszczególnych rozwiązań. Omówiono tu typowe zagadnienia dotyczące architektur danych, w tym ich rozwój i możliwości. Żadna architektura nie jest na tyle uniwersalna, by być odpowiednia w każdej sytuacji, dlatego w książce znajdziesz rzetelne porównanie cech poszczególnych architektur. Dowiesz się, jakie kompromisy towarzyszą każdej z nich, niezależnie od popularności. W ten sposób o wiele łatwiej przyjdzie Ci wybór rozwiązania, które najlepiej odpowiada Twoim potrzebom.

Najciekawsze zagadnienia:

• praktyczne działanie architektur danych, ich mocne i słabe strony
• wybór najlepszej architektury pod kątem konkretnego zastosowania
• różnice między hurtowniami i "jeziorami" danych
• wspólne koncepcje architektur danych i ich historyczny rozwój
• sesje projektowania architektury, organizacja zespołów i najważniejsze uwarunkowania

Połóż tę książkę na biurku. Będziesz często po nią sięgać!

Wyobraź sobie sytuację: chcesz napisać oprogramowanie, które nie tylko spełni oczekiwania klienta, ale również będzie przykładem eleganckiej i czystej architektury. Na drodze do tego celu z pewnością napotkasz przeszkody, takie jak nierealny termin czy niedziałające API zewnętrznego dostawcy. Nie będzie wyjścia, czas zmusi Cię do pójścia na skróty i Twoja architektura wkrótce straci swoją elegancką strukturę. Aby tego uniknąć, musisz przejąć kontrolę nad architekturą.

Dzięki tej książce zorientujesz się, że utrzymanie kontroli nad architekturą w dużej mierze zależy od zastosowanego stylu architektonicznego. Zrozumiesz też wady konwencjonalnej architektury warstwowej i zapoznasz się z zaletami stylów koncentrujących się na dziedzinie, takich jak architektura heksagonalna. Dowiesz się także, jak można ją wyrazić w kodzie źródłowym. Poznasz szczegóły różnych strategii mapowania między warstwami architektury heksagonalnej, a ponadto prześledzisz, jak różne elementy architekturalne łączą się w jedną aplikację. Bazując na stylu architektury heksagonalnej, nauczysz się tworzyć intuicyjne w późniejszej obsłudze technicznej aplikacje internetowe. Szybko się przekonasz, że wiedza zdobyta w trakcie lektury pozwoli Ci na tworzenie wysokojakościowych aplikacji, które przetrwają próbę czasu.

Najciekawsze zagadnienia:

• niedoskonałości związane z architekturą warstwową
• egzekwowanie granic architektury
• wpływ stosowania skrótów na debet techniczny
• korzystanie z poszczególnych stylów architekturalnych
• struktura kodu a architektura
• testy sprawdzające wszystkie elementy architektury

Jeśli chcesz mieć łatwe życie, nie zostawaj architektem.     

Zaha Hadid, architektka

Wejdź na nowy poziom programowania z ML i NLP

Sztuczna inteligencja stale się rozwija. Właściwie codziennie słyszymy o jej rosnących możliwościach, nowych osiągnięciach i przyszłości, jaką nam przyniesie. Jednak w tej książce skupiamy się nie na przyszłości, a na teraźniejszości i praktycznym obliczu AI - na usługach, które świadczy już dziś. Większość najciekawszych zastosowań sztucznej inteligencji bazuje na ML (uczenie maszynowe, ang. machine learning), NLP (przetwarzanie języka naturalnego, ang. natural language processing) i architekturze RAG (ang. retrieval augmented generation) zwiększającej możliwości tzw. dużych modeli językowych (LLM, ang. large language model). Stanowią one podwaliny budowy systemów AI, bez których te systemy często wcale nie mogłyby powstać.

Do niedawna ML i NLP pozostawały domeną badaczy i specjalistów - znajdowały się poza zasięgiem praktyków programowania. Aktualnie jest inaczej, szybkie komputery, pojemne pamięci RAM i zaawansowane procesory pozwalają stosować te technologie w codziennej pracy programisty. Szczególnie programisty języka Python, do którego są one niemal "naturalnie" przypisane. Mało tego, od kodujących w Pythonie coraz częściej wręcz wymaga się umiejętności znajomości obszaru AI.

Tym bardziej warto sięgnąć po ten podręcznik z ćwiczeniami, dzięki któremu między innymi:

• Dowiesz się, jak używać Pythona do rozwiązywania problemów AI
• Poznasz tajniki analizy tekstów, analizy sentymentu
• Zrozumiesz, jak skutecznie używać algorytmów klasyfikacji, regresji i grupowania do rozwiązywania problemów biznesowych
• Pokonwersujesz z ChatGPT - i to bez wchodzenia na stronę internetową tego serwisu

Uczenie się i praktykowanie danologii nie należy do najłatwiejszych zadań. Edukacja w tej dziedzinie zazwyczaj dotyczy programowania i uczenia maszynowego, a przecież świetny analityk danych musi się znać na wielu innych zagadnieniach. Może się ich nauczyć w pracy, ale w tym celu konieczne jest znalezienie mentora. A to niestety nie zawsze jest możliwe.

Ten podręcznik zaczyna się tam, gdzie większość książek się kończy - od rzeczywistych procesów decyzyjnych opartych na wnioskach wynikających z danych.

Brett Holleman, niezależny danolog

Dzięki tej książce przyswoisz różne techniki, które pomogą Ci stać się bardziej produktywnym analitykiem danych. Najpierw zapoznasz się z tematami związanymi z rozumieniem danych i umiejętnościami miękkimi, które okazują się konieczne w pracy dobrego danologa. Dopiero potem skupisz się na kluczowych aspektach uczenia maszynowego. W ten sposób stopniowo przejdziesz ścieżkę od przeciętnego kandydata do wyjątkowego specjalisty data science. Umiejętności opisane w tym przewodniku przez wiele lat były rozpoznawane, katalogowane, analizowane i stosowane do generowania wartości i szkolenia danologów w różnych firmach i branżach.

Z książki dowiesz się:

• jak sprawić, by procesy oparte na analizie danych generowały wartość
• jak zaprojektować przydatne wskaźniki
• jak zdobywać poparcie interesariuszy
• jak się upewnić, że algorytm uczenia maszynowego nadaje się do rozwiązania danego zadania
• jak zapanować nad wyciekami danych

Oto brakujący podręcznik pozwalający odnieść sukces komercyjny dzięki data science!

Adri Purkayastha, dyrektor do spraw zagrożeń związanych z AI, BNP Paribas