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.
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.
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 dostawyCzas dostawyKoszt
GLS AutomatyDostawa 24h
od 8,99 zł
InPost Paczkomat® 24/7Dostawa 24h (ubezpieczenie do 200 zł)
od 13,99 zł
InPost KurierDostawa 24h
od 14,99 zł
Kurier GLSDostawa 24h
od 14,99 zł
InPost Paczka w WeekendDostawa w sobotę
od 19,99 zł
InPost Kurier (pobranie)Dostawa 24h
od 22,99 zł
Ambro Express (bez wniesienia)Dostawa 1-2 dni
od 150,00 zł
Ambro Express (z wniesieniem)Dostawa 1-2 dni
od 200,00 zł
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:
Po otrzymaniu wiadomości e-mail ze statusem „Oczekiwanie na przesyłkę”, zabezpiecz i zapakuj niesprawny produkt.
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:
Przed odesłaniem sprzętu prosimy o upewnienie się, iż produkt faktycznie jest niesprawny.
W celu sprawnego przebiegu reklamacji prosimy o wypełnienie formularza reklamacyjnego oraz dołączenie go do przesyłki.
Do reklamowanych produktów prosimy dołączyć dowód zakupu (np. paragon, fakturę lub potwierdzenie wykonania przelewu).
Towar należy starannie zapakować, aby zapewnić bezpieczny transport i zapobiec kolejnym uszkodzeniom.
Firma Botland nie odbiera paczek reklamacyjnych wysłanych za pobraniem oraz paczek nadawanych do automatów paczkowych np. urządzeń Paczkomat.
Zwrot kosztów przesyłki następuje po uznaniu reklamacji. Jest to kwota zgodna z najtańszą oferowaną formą dostawy.
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.
Sprzęt prosimy odsyłać kompletny razem z akcesoriami. Produkty niekompletne zostaną odesłane bez rozpatrzenia na koszt nadawcy.
Samodzielna naprawa, przeprowadzona przez osoby nieuprawnione, tj. niebędąca naprawą przez firmę Botland, pozbawia Kupującego prawa do dalszego reklamowania.
O sposobie rozpatrzenia reklamacji Kupujący zostanie poinformowany drogą elektroniczną (poprzez wiadomość e-mail).
Szczegółowe informacje dotyczące aktualnych kosztów wysyłki znajdują się na stronie www.botland.com.pl w zakładce Dostawa.
Odesłanie sprzętu jest równoznaczne z zapoznaniem się z powyższymi zasadami.
Zasady zwrotu towaru
W celu skorzystania z prawa odstąpienia od umowy, Konsument zobowiązany jest poinformować Sprzedającego o swojej decyzji poprzez jednoznaczne oświadczenie.
W celu sprawnego przeprowadzenia procesu zwrotu prosimy o wypełnienie formularza. Konsument może również skorzystać z innego oświadczenia niż zamieszczony formularz.
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.
Możemy wstrzymać się ze zwrotem płatności do czasu otrzymania rzeczy lub dostarczenia nam dowodu jej odesłania, w zależności od tego, które zdarzenie nastąpi wcześniej.
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.
Konsument odpowiada tylko za zmniejszenie wartości produktu wynikającej z korzystania w sposób inny niż było to konieczne do stwierdzenia cech i funkcjonalności.
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 pochodzeniaPolska
Dane kontaktowe producentaHelion.pl sp. z o.o. ul. Kościuszki 1c 44-100 Gliwice [email protected]
Dane kontaktowe wprowadzającego na rynek UEHelion.pl sp. z o.o. ul. Kościuszki 1c 44-100 Gliwice [email protected]
Inni klienci oglądali również
5.00
1 opinia
Opinie zbieramy i weryfikujemy przy pomocy zewnętrznego partnera Trustmate; pochodzą z procesu pozakupowego.
Wczytywanie opinii…
Zadaj pytanie o produkt
Masz pytanie dotyczące tego produktu? Napisz do nas, a my odpowiemy najszybciej jak to możliwe.
Zwykle odpowiadamy w ciągu jednego dnia roboczego. Odpowiedź wyślemy na podany adres e-mail.
Wczytywanie...
Powiadom o dostępności
Co oznacza informacja o dostępności produktu?
Informacja widoczna na stronie produktu dotyczy zamówień składanych teraz. Nie dotyczy ona zamówień złożonych wcześniej, jeśli widoczny był wtedy inny komunikat.
Jeśli podana jest konkretna data to znaczy, że w tym dniu rozpoczniemy wysyłkę z naszego magazynu, może to zająć 1-2 dni robocze. Wysyłka może też rozpocząć się szybciej.
Jeśli podana data jest przybliżona (np. tylko miesiąc) to oznacza, że towar jest zamówiony u producenta, ale nie znamy jeszcze dokładnej daty dostawy.
Podane daty bazują na deklaracjach producenta, są orientacyjne i mogą ulec zmianie.
Pamiętaj, że jeśli w Twoim zamówieniu było kilka niedostępnych produktów, to wyślemy je dopiero gdy skompletujemy wszystkie produkty.
Jeśli chcesz poznać termin dostawy dla swojego zamówienia, które już złożyłeś, to skontaktuj się z naszym biurem obsługi klienta.
Ten produkt wyślemy później
Informacja o dostępności
Całe zamówienie wyślemy, gdy wszystkie pozycje będą dostępne. Chcesz szybciej? Zamów te produkty osobno.
W Twoim koszyku
szt.
dodane wcześniej
Do wzięcia od ręki
szt.
gotowe do wysyłki dziś
Oczekuje na dostawę
szt.
Limit ilości dla tego produktu
Limit na produkt
szt.
W Twoim koszyku
szt.
Możesz jeszcze dodać
szt.
Limit wprowadziliśmy po to, żeby każdy klient miał szansę kupić swoją sztukę.
Botland
Certyfikat zgodności RoHS
Dyrektywy UE 2011/65/UE i 2015/863 ograniczają stosowanie wymienionych poniżej 10 substancji w produkcji niektórych rodzajów sprzętu elektrycznego.
Choć ograniczenie to prawnie nie obejmuje podzespołów, „zgodność” podzespołów ma znaczenie dla wielu klientów.
Definicja zgodności z RoHS przyjęta przez Botland:
Produkt nie zawiera substancji objętych ograniczeniami w stężeniach i zastosowaniach zakazanych przez dyrektywę,
a w przypadku podzespołów produkt można poddawać obróbce w wyższych temperaturach wymaganych przy lutowaniu bezołowiowym.
Substancje objęte ograniczeniami i ich maksymalne dopuszczalne stężenia wagowe w materiale jednorodnym to:
Substancja
Stężenie (maks.)
Ołów (Pb)
0.1%
Rtęć (Hg)
0.1%
PBB (polibromowane bifenyle)
0.1%
PBDE (polibromowane etery difenylowe)
0.1%
Chrom sześciowartościowy (Cr VI)
0.1%
Kadm (Cd)
0.01%
DEHP (ftalan bis(2-etyloheksylu))
0.1%
BBP (ftalan benzylobutylu)
0.1%
DBP (ftalan dibutylu)
0.1%
DIBP (ftalan diizobutylu)
0.1%
Dostawca wymienionego poniżej artykułu poinformował Botland, że produkt jest „zgodny z RoHS”.
Botland dołożył wszelkich uzasadnionych starań, aby potwierdzić to oświadczenie.
Informacje dotyczą wyłącznie produktów sprzedanych w dniu wydania tego certyfikatu lub później.
Dane produktu zgodnego z dyrektywą
Indeks produktu: KSZ-20253
Opis produktu: Sztuczna inteligencja i uczenie maszynowe dla programistów. Praktyczny przewodnik po sztucznej inteligencji - Laurence Moroney
Producent/marka: Helion
Zawarte tu informacje dotyczą produktu sprzedanego nie wcześniej niż w dniu podanym poniżej.
Data wydania: 01.09.2021
Rozszerz gwarancję
Twój sprzęt ma
standardową ochronę 24 mies. w cenie. Z EasyProtect® możesz ją przedłużyć o dodatkowe miesiące - naprawy i wymiany
bez dodatkowych kosztów, obejmuje awarie niezawinione przez użytkownika.
Naprawy w autoryzowanych serwisach - sprzęt wyślesz kurierem w cenie
Gdy naprawa się nie opłaca, otrzymasz nowy egzemplarz
Jednorazowa opłata, bez ukrytych kosztów - to nie ubezpieczenie
Standardowa ochrona jest już zaznaczona - możesz po prostu przejść dalej.