Paweł Żuk Knihy

Przedstawiona praca stanowi bardzo interesujące i wartościowe studium na temat zachowań politycznych mieszkańców Dolnego Śląska. Autor oparł swoją analizę na podejściu kulturologicznym. Ciekawy jest wniosek o braku istotnego związku między cechami społeczno-demograficznymi a poglądami i zachowaniami politycznymi, co podważa tradycyjną w socjologii politycznej interpretację ekonomiczno-społeczną podziałów i zachowań politycznych. Z recenzji prof. Jerzego J. Wiatra Zarówno w debacie prowadzonej w mediach, jak i na poziomie nauk społecznych dominuje przekonanie, że Polacy kierują się w swoich przekonaniach politycznych nie własnymi interesami, miejscem w strukturze społecznej, lecz świadomie lub nie realizowanymi modelami kulturowymi i związanymi z nimi wartościami. Dlatego często można usłyszeć, że w Polsce podziały polityczne i zachowania wyborcze mają charakter tożsamościowo- kulturowy. Chcąc zbadać kulturowe uwarunkowania orientacji politycznych Dolnoślązaków, wyodrębniłem w pracy sześć opozycyjnych par orientacji kulturowych (świecka versus religijna, egalitarna versus hierarchiczna, orientacja na współpracę versus na rywalizację, orientacja wolnościowa versus na podporządkowanie, wysoki versus niski kapitał społeczny oraz orientacja materialistyczna versus postmaterialistyczna). Zabieg ten pozwolił na analizę całościowego, indywidualno-subiektywnego stosunku badanych do rzeczywistości społecznej i tego, jak wiąże się on z ich sympatiami politycznymi. Ponadto badając korelację między reprezentowanymi przez badanych orientacjami kulturowymi a ich poszczególnymi cechami społecznymi, poruszyłem temat społecznego determinizmu orientacji kulturowych. Z Wprowadzenia

Uczenie maszynowe jest jedną z najbardziej fascynujących technologii naszych czasów - rozwojem jego najróżniejszych zastosowań zajmują się tacy giganci jak Google, Facebook, Apple, Amazon czy IBM. Uczenie maszynowe otwiera zupełnie nowe możliwości i powoli staje się nieodzowne: wystarczy wymienić asystenty głosowe w smartfonach, chatboty ułatwiające klientom wybór produktu, a także sieci ułatwiające podejmowanie decyzji o inwestycjach giełdowych, filtrujące niechciane wiadomości e-mail czy wspomagające diagnostykę medyczną. Oto obszerny przewodnik po uczeniu maszynowym i uczeniu głębokim w Pythonie. Zawiera dokładne omówienie najważniejszych technik uczenia maszynowego oraz staranne wyjaśnienie zasad rządzących tą technologią. Poszczególne zagadnienia zilustrowano mnóstwem wyjaśnień, wizualizacji i przykładów, co znakomicie ułatwia zrozumienie materiału i sprawne rozpoczęcie samodzielnego budowania aplikacji i modeli, takich jak te służące do klasyfikacji obrazów, odkrywania ukrytych wzorców czy wydobywania dodatkowych informacji z danych. Wydanie trzecie zostało zaktualizowane - znalazł się w nim opis biblioteki TensorFlow 2 i najnowszych dodatków do biblioteki scikit-learn. Dodano również wprowadzenie do dwóch nowatorskich technik: uczenia przez wzmacnianie i budowy generatywnych sieci przeciwstawnych (GAN). W książce między innymi: platformy, modele i techniki uczenia maszynowego wykorzystywanie biblioteki scikit-learn i TensorFlow sieci neuronowe, sieci GAN i inne przygotowywanie danych dla modeli uczenia maszynowego ocena i strojenie modeli analizy: regresyjna, skupień i sentymentów Uczenie głębokie z Pythonem: zrozum i zastosuj!