Nasza specjalność? Elektronika i druk 3D
Szybka dostawa 30 dni na zwrot
Magazyn i serwis? U nas, w Polsce!
Doradzamy i inspirujemy +1,7 mln zamówień
Nasza specjalność? Elektronika i druk 3D
Szybka dostawa 30 dni na zwrot
Magazyn i serwis? U nas, w Polsce!
Doradzamy i inspirujemy +1,7 mln zamówień

Zaufało nam już ponad 500 000 klientów. U nas masz:

 

wysyłkę tego samego dnia przy produktach z oznaczeniem „Wysyłka 24h”

 

własny serwis w Polsce

 

30 dni na zwrot i darmową dostawę w Polsce od 500 zł

 

4,9/5 w TrustMate i 4,9/5 w Google (prawie 4000 opinii)

 

fakturę VAT, leasing i raty dla firm

Dla firm

 

indywidualna wycena przy większych ilościach

 

leasing i raty od 1000 zł

 

faktura VAT

Dla szkół i uczelni

 

0% VAT na wybrane produkty

 

faktura z terminem płatności

 

pomoc w doborze zestawów do pracowni

Złóż zapytanie ofertowe - odpowiadamy szybko.

Indeks: KSZ-20253
EAN: 9788328378506

Sztuczna inteligencja i uczenie maszynowe dla programistów. Praktyczny przewodnik po sztucznej inteligencji - Laurence Moroney

5.00
1 opinia

Książka autorstwa Laurence Moroney (w tłumaczeniu Jacka Janusza) - Sztuczna inteligencja i uczenie maszynowe dla programistów. Praktyczny przewodnik po sztucznej inteligencji. To rzetelne źródło wiedzy, które opiera się na sprawdzonej metodyce - nauce poprzez pisanie kodu w Pythonie. Dzięki ćwiczeniom z tej książki dowiesz się jak zaimplementować najważniejsze algorytmy uczenia maszynowego (przy wykorzystaniu biblioteki TensorFlow), nauczysz się wdrażać modele uczenia maszynowego i tworzyć przydatne aplikacje. 

Cena:
Cena netto:

Produkt wycofany ze sprzedaży

Ten model nie jest już produkowany i nie wróci do naszej oferty.

Uwaga!

Sprzedaż produktu została zakończona. Sprawdź inne w tej kategorii.

Opis produktu: Sztuczna inteligencja i uczenie maszynowe dla programistów. Praktyczny przewodnik po sztucznej inteligencji - Laurence Moroney

Książka autorstwa Laurence Moroney (w tłumaczeniu Jacka Janusza) - Sztuczna inteligencja i uczenie maszynowe dla programistów. Praktyczny przewodnik po sztucznej inteligencji. To rzetelne źródło wiedzy, które opiera się na sprawdzonej metodyce - nauce poprzez pisanie kodu w Pythonie. Dzięki ćwiczeniom z tej książki dowiesz się jak zaimplementować najważniejsze algorytmy uczenia maszynowego (przy wykorzystaniu biblioteki TensorFlow), nauczysz się wdrażać modele uczenia maszynowego i tworzyć przydatne aplikacje. 

Sztuczna inteligencja i uczenie maszynowe dla programistów. Praktyczny przewodnik po sztucznej inteligencji - Laurence Moroney

Sztuczna inteligencja i uczenie maszynowe dla programistów. Praktyczny przewodnik po sztucznej inteligencji - Laurence Moroney.

Widok z tyłu.

Widok z tyłu.

Zagadnienia poruszane w książce

  • Podstawy uczenia maszynowego
  • Zastosowanie biblioteki TensorFlow do budowy praktycznych modeli
  • Tworzenie modeli sieci neuronowych
  • Implementacja widzenia komputerowego i rozpoznawania obrazów
  • Przetwarzanie języka naturalnego
  • Implementacja modeli dla urządzeń z systemami Android i iOS
  • Udostępnianie modeli w Internecie i chmurze dzięki systemowi TensorFlow Serving

Informacje o książce

  • Tytuł: Sztuczna inteligencja i uczenie maszynowe dla programistów. Praktyczny przewodnik po sztucznej inteligencji
  • Autor: Laurence Moroney
  • Tłumaczenie: Jacek Janusz
  • ISBN: 978-83-283-7850-6
  • Rok wydania: 2021
  • Format: 168 x 237 mm
  • Ilość stron: 352
  • Wydawnictwo: Helion S.A.
  • Oprawa: miękka

Spis treści

  • Opinie o książce
  • Słowo wstępne
  • Przedmowa
  • CZĘŚĆ I. Tworzenie modeli
  • Rozdział 1. Wprowadzenie do biblioteki TensorFlow
  • Rozdział 2. Wprowadzenie do widzenia komputerowego
  • Rozdział 3. Bardziej zaawansowane zagadnienie: wykrywanie cech w obrazach
  • Rozdział 4. Korzystanie za pomocą biblioteki TensorFlow Datasets z publicznie dostępnych zbiorów danych
  • Rozdział 5. Wprowadzenie do przetwarzania języka naturalnego
  • Rozdział 6. Programowa analiza emocji za pomocą osadzeń
  • Rozdział 7. Użycie rekurencyjnych sieci neuronowych do przetwarzania języka naturalnego
  • Rozdział 8. Użycie biblioteki TensorFlow do generowania tekstu
  • Rozdział 9. Sekwencje i dane szeregów czasowych
  • Rozdział 10. Tworzenie modeli uczenia maszynowego do prognozowania sekwencji
  • Rozdział 11. Użycie metod konwolucyjnych i rekurencyjnych w modelowaniu sekwencji
  • CZĘŚĆ II. Używanie modeli
  • Rozdział 12. Wprowadzenie do TensorFlow Lite
  • Rozdział 13. Użycie TensorFlow Lite w systemie Android
  • Rozdział 14. Użycie TensorFlow Lite w systemie iOS
  • Rozdział 15. Wprowadzenie do TensorFlow.js
  • Rozdział 16. Rozwiązywanie problemów z zakresu widzenia komputerowego za pomocą biblioteki TensorFlow.js
  • Rozdział 17. Konwersja modeli z Pythona do JavaScriptu i ponowne ich użycie
  • Rozdział 18. Wykorzystanie uczenia transferowego w języku JavaScript
  • Rozdział 19. Wdrażanie modeli za pomocą usługi TensorFlow Serving
  • Rozdział 20. Sztuczna inteligencja a etyka, uczciwość i prywatność
  • RYSUNKI
  • Opinie o książce
  • Słowo wstępne
  • Przedmowa
    • Dla kogo jest ta książka?
    • Dlaczego napisałem tę książkę?
    • Jak się poruszać po tej książce?
    • Jakich zagadnień się nauczysz?
    • Zasoby dostępne w sieci
    • Konwencje zastosowane w tej książce
    • Wykorzystanie przykładów kodu
    • Podziękowania
  • 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
      • Instalowanie platformy TensorFlow za pomocą języka Python
      • Użycie platformy TensorFlow w środowisku PyCharm
      • Użycie platformy TensorFlow w środowisku Google Colab
    • Pierwsze kroki z uczeniem maszynowym
      • Czego nauczyła się sieć?
    • Podsumowanie
  • Rozdział 2. Wprowadzenie do widzenia komputerowego
    • Rozpoznawanie elementów odzieży
      • Dane: Fashion MNIST
    • Neurony widzenia komputerowego
    • Projektowanie sieci neuronowej
      • Cały kod programu
    • 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
      • Zbiór danych Horses or Humans
      • Klasa ImageDataGenerator z pakietu Keras
      • Architektura konwolucyjnej sieci neuronowej przetwarzającej zbiór Horses or Humans
      • Tworzenie zbioru walidacyjnego
      • Testowanie obrazów ze zbioru Horse or Human
    • 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
      • Wczytywanie określonych wersji
    • Użycie funkcji mapowania do generowania sztucznych danych
      • Użycie biblioteki TensorFlow Addons
    • Korzystanie z niestandardowych podzbiorów
    • Czym jest TFRecord?
    • Użycie procesu ETL do zarządzania danymi w TensorFlow
      • Optymalizacja fazy wczytywania
      • Zrównoleglenie procesu ETL w celu poprawy wydajności trenowania
    • Podsumowanie
  • Rozdział 5. Wprowadzenie do przetwarzania języka naturalnego
    • Zamiana języka na liczby
      • Pierwsze kroki z tokenizacją
      • Zamiana zdań na sekwencje
        • Użycie tokenów typu brak w słowniku
        • Do czego służy dopełnianie?
    • Usuwanie słów nieinformatywnych i porządkowanie tekstu
    • Obsługa realnych źródeł danych
      • Pobieranie tekstu za pomocą biblioteki TensorFlow Datasets
        • Korzystanie ze zbiorów danych IMDb zawierających podłańcuchy
      • Pobieranie tekstów z plików CSV
        • Tworzenie podzbiorów treningowych i testowych
      • Pobieranie tekstów z plików JSON
        • Odczytywanie plików JSON
    • Podsumowanie
  • Rozdział 6. Programowa analiza emocji za pomocą osadzeń
    • Ustalanie znaczenia słów
      • Prosty przykład: względne znaczenie słów
      • Przykład bardziej zaawansowany: użycie wektorów
    • Osadzenia w bibliotece TensorFlow
      • Tworzenie detektora sarkazmu przy użyciu osadzania
      • Zmniejszanie nadmiernego dopasowania w modelach językowych
        • Dostosowywanie współczynnika uczenia
        • Rozmiar słownika
        • Wymiary osadzania
        • Architektura modelu
        • Użycie dropoutu
        • Użycie regularyzacji
        • Inne zagadnienia związane z optymalizacją
      • Stosowanie modelu do klasyfikowania zdań
    • 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
      • Łączenie warstw LSTM
        • Optymalizacja modeli z wieloma warstwami LSTM
        • Użycie dropoutu
    • 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
      • Prognozowanie następnego słowa
      • Łączenie prognoz w celu generowania 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
      • Tendencja
      • Sezonowość
      • Autokorelacja
      • Szum
    • Metody prognozowania szeregów czasowych
      • Prosta metoda prognozowania jako punkt odniesienia
      • Pomiar dokładności prognozy
      • Metoda bardziej zaawansowana: wykorzystanie średniej ruchomej
      • Ulepszenie metody wykorzystującej średnią ruchomą
    • Podsumowanie
  • Rozdział 10. Tworzenie modeli uczenia maszynowego do prognozowania sekwencji
    • Tworzenie okna zbioru danych
      • Tworzenie okna zbioru danych szeregu czasowego
    • 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
      • Kodowanie konwolucji
      • Eksperymentowanie z hiperparametrami warstwy Conv1D
    • Korzystanie z danych pogodowych NASA
      • Odczytywanie danych GISS w Pythonie
    • Używanie sieci RNN do modelowania sekwencji
      • Korzystanie z większego zbioru danych
    • 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
      • Krok 1. zapisanie modelu
      • Krok 2. konwersja i zapamiętanie modelu
      • Krok 3. wczytanie modelu TFLite i alokacja tensorów
      • Krok 4. przeprowadzenie prognozy
    • Przykład: wykorzystanie uczenia transferowego w klasyfikatorze obrazów i jego konwersja na format TensorFlow Lite
    • Przykład: wykorzystanie uczenia transferowego w klasyfikatorze obrazów
      • Krok 1. utworzenie i zapisanie modelu
      • Krok 2. konwersja modelu do formatu TensorFlow Lite
      • Krok 3. optymalizacja modelu
    • Podsumowanie
  • Rozdział 13. Użycie TensorFlow Lite w systemie Android
    • Czym jest Android Studio?
    • Tworzenie pierwszej aplikacji opartej na TensorFlow Lite dla systemu Android
      • Krok 1. utworzenie nowego projektu
      • Krok 2. edycja pliku układu
      • Krok 3. dodanie zależności TensorFlow Lite
      • Krok 4. dodanie modelu TensorFlow Lite
      • Krok 5. utworzenie kodu umożliwiającego użycie modelu TensorFlow Lite do wnioskowania
    • 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
      • Krok 1. utworzenie prostej aplikacji iOS
      • Krok 2. dodanie bibliotek TensorFlow Lite do projektu
      • Krok 3. utworzenie interfejsu użytkownika
      • Krok 4. dodanie i zainicjalizowanie klasy odpowiedzialnej za operację prognozowania
      • Krok 5. przeprowadzenie operacji prognozowania
      • Krok 6. dodanie modelu do aplikacji
      • Krok 7. dodanie logiki obsługującej interfejs użytkownika
    • 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 przekonwertowanych modeli
    • Użycie wcześniej przekonwertowanych modeli
      • Klasyfikator treści toksycznych
      • Użycie biblioteki MobileNet do klasyfikowania obrazów w przeglądarce
      • Użycie biblioteki PoseNet
    • Podsumowanie
  • Rozdział 18. Wykorzystanie uczenia transferowego w języku JavaScript
    • Uczenie transferowe przy użyciu biblioteki MobileNet
      • Krok 1. pobranie modelu MobileNet i identyfikacja warstw do użycia
      • Krok 2. utworzenie własnej architektury modelu, w której danymi wejściowymi są dane wyjściowe MobileNet
      • Krok 3. uzyskanie i sformatowanie danych
      • Krok 4. przeprowadzenie trenowania modelu
      • Krok 5. przeprowadzenie wnioskowania za pomocą modelu
    • 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
      • Instalacja przy użyciu Dockera
      • Bezpośrednia instalacja w systemie Linux
    • Tworzenie i udostępnianie modelu
      • Konfigurowanie serwera
    • Podsumowanie
  • Rozdział 20. Sztuczna inteligencja a etyka, uczciwość i prywatność
    • Uczciwość w procesie programowania
    • Uczciwość w procesie uczenia maszynowego
    • Narzędzia związane z kwestiami uczciwości
      • What-If
      • Facets
    • Uczenie federacyjne
      • Krok 1. identyfikacja dostępnych urządzeń, które można wykorzystać do trenowania
      • Krok 2. identyfikacja odpowiednich urządzeń, które można wykorzystać do trenowania
      • Krok 3. zainstalowanie modelu, który będzie używać zbioru treningowego
      • Krok 4. zwrócenie wyników trenowania do serwera
      • Krok 5. zainstalowanie modelu głównego w urządzeniach
      • Bezpieczna agregacja w uczeniu federacyjnym
      • Uczenie federacyjne przy użyciu TensorFlow Federated
    • Zasady firmy Google dotyczące sztucznej inteligencji
    • Podsumowanie
    • O autorze
    • Kolofon
  • RYSUNKI
Nazwa Wartość
Książka - Autor Laurence Moroney
Książka - ISBN 978-83-283-7850-6
Książka - Oprawa miękka
Książka - Wydawnictwo Helion S.A.
Tematyka Sztuczna inteligencja
Szerokość 17 cm
Wysokość 23,3 cm
Głębokość 2 cm
Waga 0,6 kg

Darmowa dostawa od 500,00 zł

Przy zamówieniach o wartości 500,00 zł i więcej koszt przesyłki pokrywamy my, niezależnie od wybranego przewoźnika. Dotyczy dostawy do kraju: Polska.

Sposób dostawy Czas dostawy Koszt
GLS Automaty Dostawa 24h od 8,99 zł
Paczkomaty 24/7 Dostawa 24h (ubezpieczenie do 200 zł) od 13,99 zł
Kurier InPost Dostawa 24h od 14,99 zł
Kurier GLS Dostawa 24h od 14,99 zł
InPost Paczkomaty Weekend Dostawa w sobotę od 19,99 zł
Kurier InPost (pobranie) Dostawa 24h od 22,99 zł
Ambro ohne Hereintragen Dostawa 1-2 dni od 150,00 zł
Ambro mit Hereintragen Dostawa 1-2 dni od 200,00 zł

Szczegółowe warunki dostawy znajdziesz na stronie Dostawa i płatności.

Zasady składania reklamacji towaru

Zgodnie z obowiązującymi przepisami, ponosimy odpowiedzialność na zasadach określonych w Kodeksie Cywilnym za wady fizyczne i prawne.

Po wykryciu wady Kupujący ma prawo:

  • złożyć oświadczenie o żądaniu obniżenia ceny,
  • złożyć oświadczenie o odstąpieniu od umowy, ale nie wtedy kiedy wada jest nieistotna,
  • żądać wymiany rzeczy na wolną od wad,
  • żądać usunięcia wady.

Informujemy, że Dział Reklamacji firmy Botland rozpatruje zgłoszenia w ciągu 14 dni kalendarzowych od daty ich wpłynięcia. Botland odpowiada z tytułu rękojmi jeśli wada fizyczna zostanie stwierdzona przed upływem dwóch lat od momentu wydania rzeczy.

Informacje dotyczące korzystania z prawa odstąpienia od umowy

Zgodnie z aktualnymi przepisami prawnymi Konsument ma prawo odstąpić od umowy kupna-sprzedaży w terminie 30 dni bez podania przyczyny. Termin ten wygasa po upływie 30 dni od momentu, w którym Konsument wszedł w posiadanie rzeczy lub w którym osoba trzecia inna niż przewoźnik i wskazana przez Konsumenta weszła w posiadanie rzeczy.

Informujemy, że zgodnie z obowiązującymi przepisami oraz §4 Regulaminu zwrot towaru przysługuje wyłącznie Konsumentom (zakup niezwiązany bezpośrednio działalnością gospodarczą lub zawodową). Zwroty nie przysługują Klientom (zakup związany bezpośrednio działalnością gospodarczą lub zawodową).

Przebieg reklamacji / zwrotu

W celu zgłoszenia reklamacji prosimy postępować zgodnie z instrukcją:

  1. Zapoznaj się z zasadami reklamacji / zwrotu.
  2. Wypełnij formularz, który znajduje się poniżej.
  3. Zapoznaj się z treścią otrzymanej odpowiedzi.
  4. Po otrzymaniu wiadomości e-mail ze statusem „Oczekiwanie na przesyłkę”, zabezpiecz i zapakuj niesprawny produkt.
  5. Wyślij przesyłkę na podany niżej adres wraz z wydrukowanym formularzem oraz dowodem zakupu.
Formularz reklamacyjny

W celu rozpoczęcia procedury reklamacyjnej / zwrotu, wypełnij formularz.

Adres do wysyłki

BOTLAND - SERWIS
Gola 25A
63-640 Bralin

Zasady reklamacji

W celu sprawnego przeprowadzenia procesu reklamacji, prosimy o zapoznanie się z opisanymi poniżej zasadami:

  1. Przed odesłaniem sprzętu prosimy o upewnienie się, iż produkt faktycznie jest niesprawny.
  2. W celu sprawnego przebiegu reklamacji prosimy o wypełnienie formularza reklamacyjnego oraz dołączenie go do przesyłki.
  3. Do reklamowanych produktów prosimy dołączyć dowód zakupu (np. paragon, fakturę lub potwierdzenie wykonania przelewu).
  4. Towar należy starannie zapakować, aby zapewnić bezpieczny transport i zapobiec kolejnym uszkodzeniom.
  5. Firma Botland nie odbiera paczek reklamacyjnych wysłanych za pobraniem oraz paczek nadawanych do automatów paczkowych np. urządzeń Paczkomat.
  6. Zwrot kosztów przesyłki następuje po uznaniu reklamacji. Jest to kwota zgodna z najtańszą oferowaną formą dostawy.
  7. Po uznaniu reklamacji zwrot środków nastąpi w ciągu 14 dni. Zwrotu dokonamy przy użyciu takich samych sposobów płatności oraz w tej samej walucie, jakie zostały użyte w pierwotnej transakcji, chyba że Kupujący wyraził zgodę na inne rozwiązanie lub je zaproponował.
  8. Sprzęt prosimy odsyłać kompletny razem z akcesoriami. Produkty niekompletne zostaną odesłane bez rozpatrzenia na koszt nadawcy.
  9. Samodzielna naprawa, przeprowadzona przez osoby nieuprawnione, tj. niebędąca naprawą przez firmę Botland, pozbawia Kupującego prawa do dalszego reklamowania.
  10. O sposobie rozpatrzenia reklamacji Kupujący zostanie poinformowany drogą elektroniczną (poprzez wiadomość e-mail).
  11. Szczegółowe informacje dotyczące aktualnych kosztów wysyłki znajdują się na stronie www.botland.com.pl w zakładce Dostawa.
  12. Odesłanie sprzętu jest równoznaczne z zapoznaniem się z powyższymi zasadami.

Zasady zwrotu towaru

  1. W celu skorzystania z prawa odstąpienia od umowy, Konsument zobowiązany jest poinformować Sprzedającego o swojej decyzji poprzez jednoznaczne oświadczenie.
  2. W celu sprawnego przeprowadzenia procesu zwrotu prosimy o wypełnienie formularza. Konsument może również skorzystać z innego oświadczenia niż zamieszczony formularz.
  3. W przypadku odstąpienia od umowy zwracamy wszystkie otrzymane płatności, w tym koszty dostarczenia rzeczy do Konsumenta (z wyjątkiem dodatkowych kosztów wynikających z wybranego przez Konsumenta sposobu dostarczenia innego niż najtańszy przez nas oferowany). Konsument ponosi koszty przesyłki zwrotnej. Zwrot środków nastąpi w ciągu 14 dni od dnia, w którym zostaliśmy poinformowani o decyzji odstąpienia od umowy. Zwrotu dokonamy przy użyciu takich samych sposobów płatności oraz w tej samej walucie, jakie zostały użyte w pierwotnej transakcji, chyba że Konsument wyraził zgodę na inne rozwiązanie lub je zaproponował.
  4. Możemy wstrzymać się ze zwrotem płatności do czasu otrzymania rzeczy lub dostarczenia nam dowodu jej odesłania, w zależności od tego, które zdarzenie nastąpi wcześniej.
  5. Prosimy o odesłanie lub przekazanie nam rzeczy niezwłocznie, a w każdym razie nie później niż 14 dni od dnia, w którym zostaliśmy poinformowani o odstąpieniu od umowy. Prosimy również o staranne zapakowanie towaru przed wysyłką.
  6. Konsument odpowiada tylko za zmniejszenie wartości produktu wynikającej z korzystania w sposób inny niż było to konieczne do stwierdzenia cech i funkcjonalności.
  7. Firma Botland nie odbiera paczek zwrotnych wysłanych za pobraniem oraz paczek nadawanych do automatów paczkowych np. urządzeń Paczkomat.

Zadaj pierwsze pytanie o ten produkt!

Instrukcje i dokumenty

Dane GPSR

Kraj pochodzenia Polska
Dane kontaktowe producenta Helion.pl sp. z o.o. ul. Kościuszki 1c 44-100 Gliwice [email protected]
Dane kontaktowe wprowadzającego na rynek UE Helion.pl sp. z o.o. ul. Kościuszki 1c 44-100 Gliwice [email protected]
Inni klienci oglądali również
1 opinia

Opinie zbieramy i weryfikujemy przy pomocy zewnętrznego partnera Trustmate; pochodzą z procesu pozakupowego.

Wczytywanie opinii…