MODEL AI DLA LUDZI I FIRMY Sukces a sztuczna inteligencja oWyścig po sukces biznesowy oDlaczego projekty AI upadają? oDlaczego projekty AI odnoszą sukces? oWykorzystanie siły AI do zwycięstwa Wprowadzenie do modelu AIPB oOgólny model innowacji oPseudokomponent korzyści AIPB oIstniejące modele i brakujące elementy układanki oKorzyści z AIPB oPodsumowanie Podstawowe komponenty modelu AIPB oAnalogia do agile oEksperci oKategorie procesów w modelu AIPB oraz zalecane metody oKategoria oceny oKategoria metodologii oModel odwróconej klasy AI i uczenie maszynowe - przegląd nietechniczny oCzym jest data science i czym zajmują się specjaliści data science? oDefinicja uczenia maszynowego i jego charakterystyka oSposoby uczenia się maszyn oDefinicja i zagadnienia związane ze sztuczną inteligencją oTypy sztucznej inteligencji oNauka jak u ludzi oMordercze maszyny i gwiazdy jednego przeboju oDane napędzające AI oUwaga na temat przyczyny i skutku Rzeczywiste zastosowania i szanse oSzanse dla sztucznej inteligencji oJak mogę wykorzystać AI w biznesowej rzeczywistości? oRealne zastosowania i przykłady TWORZENIE WIZJI SZTUCZNEJ INTELIGENCJI Waga właściwych powodów oZacznij od dlaczego oKierowanie produktem i perspektywa oPrzywództwo i tworzenie wspólnej wizji oraz zrozumienia Wyznaczanie celów ludziom i firmie oOkreślenie interesariuszy i ich celów oCele w podziale na interesariuszy Co sprawia, że produkty są dobre oWaga kontra satysfakcja oCztery składniki dobrego produktu oNetflix i to, co liczy się najbardziej oLean i metodologie zwinne Sztuczna inteligencja w służbie lepszych wrażeń oDefinicja wrażeń oWpływ sztucznej inteligencji na ludzkie wrażenia oInterfejsy wrażeń oEkonomia doświadczeń oMyślenie projektowe Przykład wizji AI oOdczuwanie i postrzeganie czasoprzestrzenne oSmak kierowany sztuczną inteligencją oDeklaracja wizji w modelu AIPB TWORZENIE STRATEGII AI Innowacja naukowa a sukces z AI oSztuczna inteligencja jako nauka oModel TCPR oAnalogia do modelu TCPR oAnalogia do zależności od danych Gotowość i dojrzałość do AI oGotowość na AI 214 oDojrzałość do AI 228 Kluczowe kwestie do rozważenia w kontekście AI oSzum wokół AI kontra rzeczywistość AI oTestowanie ryzykownych założeń oOcena technicznej wykonalności oZdobycie, utrzymanie i przygotowanie talentów oZbuduj kontra zrób oOgraniczenie odpowiedzialności oOgraniczenie stronniczości i waga integracji oZarządzanie oczekiwaniami pracowników oZarządzanie oczekiwaniami klienta oZapewnienie jakości (QA) oMiary sukcesu oBycie na bieżąco oAI na produkcji Przykład strategii AI oWstęp do przykładu z podcastem oPowtórka z fazy strategii modelu AIPB oTworzenie strategii rozwiązania w modelu AIPB oTworzenie planu w modelu AIPB Wpływ AI na rynek pracy oAI, przebranżowienie i luki w umiejętnościach oLuki w umiejętnościach i nowe stanowiska oUmiejętności jutra oPrzyszłość automatyzacji, rynku pracy i gospodarki Przyszłość AI oAI i przywództwo oCzego oczekiwać i na co uważać Algorytmy AI i uczenia maszynowego oParametryzowane i nieparametryzowane uczenie maszynowe oJak uczy się model uczenia maszynowego oPrzegląd biologicznych sieci neuronowych oWprowadzenie do sztucznych sieci neuronowych oWprowadzenie do uczenia głębokiego oZastosowania uczenia głębokiego Proces AI oModel GABDO oOkreślenie celów oGromadzenie oBudowanie oDostarczanie oOptymalizowanie AI na produkcji oŚrodowisko produkcyjne kontra środowisko deweloperskie oWytwarzanie lokalne i zdalne oSkalowalność produkcji oUczenie i utrzymanie rozwiązania