Czy chciałbyś poznać sztuczną inteligencję i metodę uczenia maszynowego od kuchni? Ciekawa lektura pod choinkę
Sztuczna inteligencja to obszar technologii, w którym tworzy się systemy zdolne do analizowania i uczenia się na podstawie danych. Takie systemy potrafią rozpoznawać obrazy, rozumieć język, przewidywać przyszłe zdarzenia czy podejmować decyzje - w sposób przypominający ludzkie myślenie, choć oparty na mechanizmach korzystających z metod matematycznych od bardzo prostych po niezwykle złożone.
Systemy sztucznej inteligencji korzystają z tzw. uczenia maszynowego (ang. machine learning), dziedziny sztucznej inteligencji, która umożliwia komputerom tworzenie modeli opisujących wybrane zjawiska (np. procesy fizyczne czy technologiczne) lub obiekty (takie jak zdjęcia czy obrazy) na podstawie analizy dostarczonych danych. W trakcie uczenia algorytmy matematyczne stopniowo dostosowują parametry modelu, aby jak najlepiej odwzorować dane zjawisko lub obiekt. Powstałe modele znajdują zastosowanie w wielu obszarach życia - od przemysłu, bankowości i medycyny, po generowanie obrazów czy muzyki. Już dzisiaj w wielu firmach uczenie maszynowe wspiera np. utrzymanie ruchu poprzez przewidywanie awarii maszyn na podstawie analizy sygnałów z czujników, co pozwala planować serwis zanim dojdzie do przestojów. W produkcji umożliwia automatyczną kontrolę jakości, rozpoznając w czasie rzeczywistym wady na liniach montażowych znacznie szybciej i dokładniej niż tradycyjne metody. W logistyce i planowaniu procesów pomaga optymalizować zużycie energii, harmonogramy pracy oraz przepływ materiałów, zwiększając efektywność całych zakładów. Wraz z rozwojem nowych technologii, w tym odnawialnych źródeł energii (OZE, np. panele fotowoltaiczne czy turbiny wiatrowe), metody uczenia maszynowego znajdują również zastosowanie w nowoczesnej energetyce.
Bardzo ważnym aspektem funkcjonowania systemu elektroenergetycznego jest planowanie jego pracy - aby wykonać tą czynność należy posiadać prognozy zużycia energii przez klientów oraz prognozy wytwarzania energii elektrycznej przez źródła wytwórcze. W przypadku OZE, wytwarzanie energii elektrycznej jest ściśle powiązane z warunkami pogodowymi. Na świecie prognozowanie żródeł energii opiera się dziś na trzech filarach: danych meteorologicznych, modelowaniu fizycznym oraz metodach uczenia maszynowego. W zależności od horyzontu czasowego i celu prognozy stosuje się zarówno klasyczne modele statystyczne, jak i najnowocześniejsze metody uczenia maszynowego, w tym sieci neuronowe. Przykładem takiego podejścia może być stosowanie algorytmów uczenia maszynowego opartych na drzewach decyzyjnych dla fotowoltaiki (np. Kut, Pietrucha-Urbanik, Forecasting Short-Term Photovoltaic Energy Production to Optimize Self-Consumption in Home Systems Based on Real-World Meteorological Data and Machine Learning. Energies, 18(16), 4403), jak i sieci neuronowych głębokiego uczenia dla farm wiatrowych (np. Jachuła, Wydra, Wind power prediction in Poland using temporal fusion transformers and numerical weather prediction. Bulletin of the Polish Academy of Sciences: Technical Sciences, 73(5)). Powyższe, przykładowe publikacje naukowe są z 2025 roku, widać więc że temat prognozowania jest aktualny i w dalszym ciągu rozwijany w ośrodkach naukowych w Polsce jak i na świecie.
Ponieważ temat prognozowania oraz uczenia maszynowego jest nie tylko ciekawy, ale ma coraz większe znaczenie w przemyśle postanowiłem napisać książkę prezentującą podstawy prognozowania generacji energii elektrycznej z OZE z wykorzystaniem uczenia maszynowego. Książka ta, "Podstawy prognozowania generacji z OZE" wydana w wydawnictwie Poligraf, opisuje podstawy ideii uczenia maszynowego oraz prognozowania, a przy okazji przedstawia język programowania python. Język ten jest szeroko stosowany w analizie danych oraz w uczeniu maszynowym, nie tylko z uwagi na jego prostotę ale i dostępność bogatych bibliotek obliczeniowych. Jest on darmowy i każdy z Was może go pobrać i zainstalować na swoim komputerze czy laptopie. Książka krok po kroku przedstawia jak przygotować środowisko programistyczne, opisuje kod programów, które prezentują uczenie maszynowe na podstawie przykładowych danych dla fotowoltaiki i farmy wiatrowej (kody programów oraz przykładowe dane dostępne są dla Czytelników na podanych w książce stronach www). Oczywiście, dane przykładowe służą tylko poznaniu idei -po przerobieniu materiału można zastosować metodykę do innych danych.
Jeżeli są Państwo zainteresowani nowymi technologiami w tym sztuczną inteligencją i uczeniem maszynowym, chcieli by Państwo zobaczyć jak to wygląda "od kuchni" i mają Państwo zacięcie analityczne - serdecznie zapraszam do lektury "Podstaw prognozowania generacji z OZE".
Książka jest dostępna w wielu księgarniach internetowych, m.in. helion.pl, empik.com czy oceanksiazek.pl, na stronie wydawnictwa Poligraf:
https://oceanksiazek.pl/pl/p/Podstawy-prognozowania-generacji-zOZE.-OZE-python-AI-ML/3815
Zapraszam również do obejrzenia filmu promującego książkę:
Autor: dr inż. Jakub Dąbrowski
Poznań 09.12.2025
