Studenci

Ethan Mollick

Bardzo dobre, przystępne wprowadzenie do współpracy człowieka z AI. Mollick pokazuje zastosowania w pracy, edukacji i twórczości, unikając zarówno technicznego przeciążenia, jak i bezkrytycznego entuzjazmu.

Ajay Agrawal, Joshua Gans, Avi Goldfarb

Ekonomiczne spojrzenie na AI jako technologię obniżającą koszt predykcji. Szczególnie użyteczna przy analizowaniu wartości biznesowej wdrożeń AI.

Marco Iansiti, Karim R. Lakhani

Pokazuje, jak AI zmienia model operacyjny przedsiębiorstwa, procesy, skalowalność i strukturę organizacyjną. Dobra podstawa do badań nad transformacją przedsiębiorstw.

Chip Huyen

Praktyczne spojrzenie na cały cykl życia systemu ML: dane, wdrożenie, monitoring, niezawodność i utrzymanie. Przydatna także przy projektowaniu architektur GenAI.

Denis Rothman

Skupia się na przejściu od demonstratora do rozwiązania gotowego do zastosowania w organizacji: RAG, agenci, ewaluacja, bezpieczeństwo i integracja z procesami biznesowymi.

Rick Sherman

Systematycznie prowadzi od integracji danych i hurtowni aż do analiz, raportowania i wizualizacji. Dobra także jako literatura dla seminarzystów.

Ralph Kimball, Margy Ross

Fundamentalna pozycja dotycząca modelowania wymiarowego, tabel faktów, wymiarów, ziarnistości danych i projektowania hurtowni. Mimo rozwoju lakehouse'ów jej zasady nadal są aktualne.

Cindi Howson

Łączy technologię, strategię, kulturę danych, zarządzanie zespołem i adopcję rozwiązań BI. Jest szczególnie wartościowa z perspektywy lidera zespołu BI.

Ramesh Sharda, Dursun Delen, Efraim Turban

Szerokie, akademickie kompendium obejmujące BI, data science, uczenie maszynowe, systemy wspomagania decyzji i współczesne zastosowania AI.

Irene Tobajas

Aktualny przegląd BI uwzględniający współczesne architektury, governance, bezpieczeństwo, analitykę samoobsługową i zastosowania AI.

Cole Nussbaumer Knaflic

Bardzo dobre wprowadzenie do upraszczania wykresów, kierowania uwagą odbiorcy i budowania przekazu biznesowego. Nadaje się również jako obowiązkowa literatura dla studentów.

Edward R. Tufte

Klasyka dotycząca relacji między ilością danych, formą wizualną i uczciwością prezentacji. Daje podstawy krytycznego myślenia o wykresach.

Stephen Few

Jedna z najważniejszych książek o projektowaniu dashboardów: organizacji informacji, percepcji, doborze wykresów i ograniczaniu szumu.

Tamara Munzner

Najbardziej naukowa pozycja w tym zestawie. Przedstawia uporządkowany model projektowania wizualizacji oparty na zadaniach, danych, idiomach wizualnych i algorytmach.

James Eagle

Współczesne spojrzenie na rolę wizualizacji w świecie przeciążenia informacyjnego, dezinformacji i generatywnej AI.

Hannah Fry

Przystępne omówienie relacji między decyzjami algorytmicznymi, odpowiedzialnością i rolą człowieka. Dobre wejście do problematyki bez technicznego przeciążenia.

Ben Shneiderman

Proponuje podejście, w którym wysoka automatyzacja nie oznacza rezygnacji z kontroli człowieka. Ważna dla badań nad dashboardami adaptacyjnymi i wspomaganiem decyzji.

Christoph Molnar

Praktyczne i stale aktualizowane kompendium metod interpretacji modeli: SHAP, PDP, feature importance, modele lokalne i globalne.

Kush R. Varshney

Łączy wyjaśnialność, bezpieczeństwo, odporność, sprawiedliwość, prywatność i odpowiedzialność systemów ML.

Emily M. Bender, Alex Hanna

Krytyczna analiza narracji budowanych wokół AI, ograniczeń modeli i interesów firm technologicznych. Nie jest podręcznikiem technicznym, lecz wartościową przeciwwagą dla literatury nastawionej wyłącznie na wdrożenia.