Recenzje

„Excel. Formuły i funkcje dla bystrzaków. Wydanie VI” to przystępny przewodnik po praktycznym używaniu formuł w Excelu - od podstaw, aż po bardziej zaawansowane zastosowania. Książka krok po kroku pokazuje, jak działają funkcje i jak łączyć je w formuły, żeby liczyć finanse, daty, czas, statystyki czy analizować tekst, zamiast „klikać na czuja”. Autor dorzuca sporo przykładów i ćwiczeń, więc można od razu przećwiczyć obliczenia, wyszukiwanie, funkcje logiczne i pierwsze kroki w analizie danych. To dobry wybór, jeśli chcesz ogarnąć Excela na poziomie „używam go świadomie w pracy”, a nie tylko wklepuję liczby do komórek.

Genetyczna księga umarłych. Darwinowska refleksja Richard Dawkins, Jana Lenzová Sięgnęłam po książkę bez wielkich oczekiwań. Ot, kolejna popularnonaukowa pozycja o ewolucji. Jednak podczas lektury przepadłam. Tytuł wciąga od pierwszych stron i robi to w sposób, który naprawdę zaskakuje. Bez akademickiego zadęcia. Bez poczucia, że trzeba „znać się na rzeczy”, żeby nadążyć. O czym jest książka Punktem wyjścia jest bardzo sugestywna metafora: każde żywe stworzenie to księga. A dokładniej - archiwum dawnych światów, zapisanych w genach, ciele i zachowaniu. Dobór naturalny działa tu jak cierpliwy rzeźbiarz, który przez miliony lat dłubie w szczegółach: umaszczeniu, budowie kości, sposobach poruszania się, a nawet w naszych dolegliwościach. Rozdziały prowadzą czytelnika od obserwacji zwierząt, przez ich zachowania, aż po poziom molekularny DNA. Pokazują zarówno arcydzieła ewolucji, jak i jej osobliwe „niedoskonałości”, które wcale nie są błędami, lecz efektem kompromisów. Po drodze rozprawiają się z krytyką perspektywy genowej i rzucają prowokacyjne pytanie o geny jako kolonię współpracujących pasożytów. Brzmi dziwnie? Tym lepiej. Moja opinia i przemyślenia Jestem zachwycona. Zupełnie szczerze. To jedna z tych książek, które zmieniają sposób patrzenia na świat, nawet jeśli wcześniej wydawało się, że „już coś się o ewolucji wie”. Richard Dawkins ma niezwykły talent do wyciągania wielkich historii z drobnych szczegółów. Z kukułczego jaja, z bólu pleców, z pustynnego kamuflażu jaszczurki. Ogromną zaletą jest też styl. Przystępny, klarowny, momentami błyskotliwy. Nawet trudniejsze zagadnienia nie przytłaczają, bo autor tłumaczy je spokojnie, na przykładach, bez popisywania się erudycją. Książkę czyta się z przyjemnością, a nie z obowiązku. Na osobne wyróżnienie zasługują ilustracje. Nie są dodatkiem „dla ozdoby”, ale realnym wsparciem dla treści. Pomagają zrozumieć procesy, które trudno byłoby sobie wyobrazić wyłącznie na podstawie tekstu. Dzięki nim całość jest jeszcze bardziej spójna i angażująca. Podsumowanie „Genetyczna księga umarłych” to książka mądra, inspirująca i bardzo wciągająca. Popularnonaukowa, ale bez spłycania tematu. Po lekturze inaczej patrzy się na zwierzęta, na ludzi, na własne ciało. Każdy organizm zaczyna jawić się jako nośnik historii zapisanej przez miliony lat ewolucji. Lekturę zdecydowanie polecam i to nie tylko fanom biologii. Nadaje się dla każdego!

„Różnorodne” to mądra i potrzebna książka, która w spokojny, ale trafny sposób pokazuje, jak marketing i media kształtują uproszczony obraz kobiet. Justyna Bakalarska demaskuje schematy, które na co dzień uznajemy za oczywiste, a które w rzeczywistości ograniczają kobiecą różnorodność. Autorka pisze jasno i przystępnie, opierając się na przykładach z reklamy i komunikacji marek. Nie moralizuje, lecz skłania do refleksji nad językiem, obrazami i narracjami, które utrwalamy, często nieświadomie. Książka pokazuje, że prawdziwa różnorodność to nie trend, lecz odpowiedzialność. To wartościowa lektura dla osób zainteresowanych marketingiem, mediami i tematyką równości — ale także dla każdego, kto chce bardziej świadomie odbierać otaczające go przekazy.

Jestem zachwycona. Zupełnie nie spodziewałam się, że ta książka wciągnie mnie aż tak bardzo. Każde stworzenie nosi w sobie opowieść o dawnych światach i Dawkins potrafi to pokazać w sposób niezwykle ciekawy, a przy tym bardzo przystępny. Z pozornie drobnych szczegółów wyciąga historie sprzed milionów lat i sprawia, że czytelnik zaczyna patrzeć na ewolucję jak na fascynującą opowieść, a nie suchą teorię. Mimo że temat jest naukowy, książka nie przytłacza. Autor świetnie tłumaczy nawet bardziej złożone zagadnienia, posługując się prostym językiem, przykładami i trafnymi porównaniami. Dużo jest tu ciekawostek, które naprawdę zapadają w pamięć i sprawiają, że lektura staje się czystą przyjemnością, a nie obowiązkiem. Ogromnym atutem są ilustracje. Nie są one tylko ozdobą, ale realnym wsparciem w zrozumieniu treści - pomagają wyobrazić sobie opisywane procesy i lepiej uchwycić sens tego, o czym pisze autor. Dzięki nim książka jest jeszcze bardziej angażująca i spójna. To jedna z tych lektur, po których trudno wrócić do dawnego sposobu myślenia. Po przeczytaniu inaczej patrzy się na zwierzęta, na ludzi i na cały świat przyrody, bo każdy organizm zaczyna jawić się jako nośnik historii zapisanej przez miliony lat ewolucji. Zdecydowanie polecam, nie tylko fanom biologii.

EM poleca (#41) Ryan Day „Interfejsy API w AI i Data Science. Programowanie w Pythonie z użyciem FastAPI” autor: Wiesław Seweryn · Opublikowano 14 stycznia 2026 · Zaktualizowano 13 stycznia 2026 AI i Data Science to obecnie dwie najpotężniejsze technologie informatyczne, które często występują razem, ale pełnią różne role. Data Science to dziedzina zajmująca się wydobywaniem wartościowej wiedzy z danych. Łączy w sobie statystykę, programowanie (głównie Python i język R) oraz wiedzę domenową (biznesową, medyczną). Główne cele Data Science to analiza i wnioskowanie na podstawie danych. AI to dążenie do budowania systemów wymagających użycia inteligencji, jak rozpoznawanie obrazów, rozumienie mowy czy podejmowanie decyzji. AI i Data Science mogą (i powinny) ze sobą współpracować. W praktyce te dziedziny przenikają się w procesie budowania inteligentnych rozwiązań. Dlaczego współpraca Data Science i AI jest tak ważna? Jest to klasyczny przykład symbiozy, na wzór symbiozy biologicznej. Data Science i AI mogłyby żyć bez siebie, ale ich jakość, wyniki ich pracy byłyby znacznie uboższe. AI uczy się na danych - na ogromnej ilości danych. Przetwarzając dane tworzy coraz bardziej skomplikowane sieci zależności i uogólnień. Niestety AI nie rozróżnia prawdy od fałszu, danych wiarygodnych od bredni. Pojęcia te są obce programom komputerowym, a wartościowanie według takich kryteriów jest niemożliwe. Jedyne, co można zrobić, to uprawdopodobnić dane, oczyścić je z danych śmieciowych. Aby to osiągnąć, dane „surowe” powinny być przepuszczone przez filtry i sita algorytmów Data Science, by oczyścić „pokarm” dla modułu uczącego sztuczną inteligencję. Podobnie dzieje się w drugą stronę. Data Science, znana głównie z wykresów i tabelek służących do uwiarygodnienia wniosków wypływających z ich analizy, pozostałaby po wsze czasy statyczna i nudna. Pozostałaby jedynie zwykłą statystyką. Dzięki wykorzystaniu sztucznej inteligencji zastępującej (i uzupełniającej) statystykę, możemy poszerzyć zdolności wnioskowania z danych o obszary dotychczas niedostępne, wymykające się prostemu przetwarzaniu statystycznemu. Możemy także wzbogacić analizę dużych strumieni danych on-line, dostarczając na bieżąco wypływające z niej wnioski. Wystarczy wyobrazić szybko zachodzący proces o dynamice katastrofy (epidemię, powódź, pożar, trzęsienie ziemi), dostarczający ogromny strumień szybko zmieniających się danych i sztab kryzysowy, który podejmuje bardziej wartościowe i mniej przypadkowe decyzje, niż dawniej, kiedy tego duetu (AI i Data Science) nie było. Rozpędziłem się, miałem pisać o książce Książka jest przeznaczona dla programistów tworzących interfejsy API do baz danych. Interfejs API (ang. Application Programming Interface) to zestaw reguł i protokołów, które pozwalają jednej aplikacji „rozmawiać” z drugą. Najprościej można go określić jako pośrednika, który przekazuje Twoje zapytanie do systemu, a następnie wraca do Ciebie z odpowiedzią. Jedna aplikacja jest klientem, druga serwerem. Klient formułuje żądanie w języku zrozumiałym dla serwera, a serwer zwraca na podstawie tego żądania (specyfikacji) odpowiednio przygotowane dane. Przez „przygotowane” rozumiemy dane wybrane, odfiltrowane, posortowane i pogrupowane. Taka forma współpracy jest szczególnie ważna przy bardzo (bardzo bardzo) dużych bazach danych, których obsługa wymaga wyrafinowanych narzędzi, niedostępnych u Klienta, zwanych backendem, czyli działających poza zasięgiem wzroku klienta. Interfejs API to pośrednik w rozmowie Klienta z Serwerem. FastAPI to nowoczesny, wysokowydajny framework (szkielet programistyczny) do budowania interfejsów API w języku Python. Został stworzony przez Sebastiána Ramíreza w 2018 roku i od tego czasu stał się jednym z najpopularniejszych narzędzi w świecie Data Science i inżynierii danych. Bezpośrednim konkurentem FastAPI jest framework Flask, równie wspaniałe narzędzie, ale o nieco mniejszych możliwościach (za to łatwiejsze do opanowania), o którym ta książka nie jest. Co w tej książce jest? Jak pisałem wcześniej, książka jest przeznaczona dla programistów, którzy już umieją jeść nożem i widelcem. Czyli takich, którym nieobcy jest język Python, pojęcia takie jak REST, GraphQL, gRPC, a także programowanie baz danych za pomocą Pydantic i SQLAlchemy oraz podstawy HTTP. Książka jest podzielona na trzy części: - tworzenie interfejsów API, - wykorzystanie API w projektach Data Science, - wykorzystanie interfejsów API w sztucznej inteligencji. Przez cała książkę przewija się budowana na bieżąco aplikacja (nieważny temat) będąca kanwą do przedstawienia przykładów programowania różnych aspektów API prezentowanych w tej książce. Ciekawy pomysł. Książka jest wartościową pozycją w biblioteczce każdego programisty zajmującego się analizą danych. Zwłaszcza teraz, kiedy do realnego świata programowania coraz bardziej wdziera się sztuczna inteligencja jako chciany/niechciany asystent programisty. Wiadomo przecież, że prawdziwa wiedza to nie tylko JAK, ale przede wszystkim DLACZEGO? Prezentowana książka właśnie takiej wiedzy dostarcza, zarówno „jak” jak i „dlaczego”. Wady? Jest jedna rzecz wyjątkowo mi niepasująca: tłumaczenie pojęcia Data Science jako Danologia. Ale cóż (Baśka), nic to, niewielka drzazga. Ryan Day „Interfejsy API w AI i Data Science. Programowanie w Pythonie z użyciem FastAPI”, Wydawnictwo Helion, 2025