Author

Przemysław Janicki
RSS
Sr Pre-Sales Solutions Architect, Risk Solutions GSZ/CE, SAS

Przemysław mainly supports pre and post-sales activities in financial risk management (risk modeling and decisioning, asset pricing, simulation, regulatory compliance), including 'modern' topics like climate risk-related credit risk modeling and stress testing. He is also actively engaged in promoting SAS by organizing webinars, and surveys, and delivering content for client-centric SAS knowledge centers.

Artificial Intelligence | Data Management
Przemysław Janicki 0
SAS Retrieval Agent Manager: od rozproszonych dokumentów do zaufanych agentów AI

Współczesne organizacje dysponują ogromnymi ilościami danych nieustrukturyzowanych, na które typowo składają się: analizy i raporty, wewnętrzna i zewnętrzna korespondencja, instrukcje, procedury i polityki, dokumentacja techniczna, materiały szkoleniowe itd. W swoim raporcie Gartner szacuje, że stanowią one obecnie od 80% do 90% wszystkich nowych danych generowanych w przedsiębiorstwach i rosną w

Artificial Intelligence
Przemysław Janicki 0
Kwantowa sztuczna inteligencja

Obliczenia kwantowe (informatyka kwantowa) to jedno z najpopularniejszych haseł technologicznych ostatnich lat – wydaje się jednak, że nie bez powodu. Komputery kwantowe są w stanie zaoferować wykładniczy wzrost mocy obliczeniowej, co oznacza, że ​​potencjalnie będą w stanie rozwiązywać problemy nierozwiązywalne w skończonym czasie nawet dla najpotężniejszych klasycznych superkomputerów, a niektóre klasy

Artificial Intelligence
Przemysław Janicki 0
Praktyczny przewodnik po generowaniu danych syntetycznych

Jakość danych syntetycznych zależy przede wszystkim od jakości modelu, który je wygenerował, oraz – rzecz jasna – reprezentatywności i jakości danych pierwotnych. O ile ta druga kwestia, jako dobrze znana każdemu analitykowi danych, nie wymaga dalszego komentarza, o tyle kwestii jakości modelu warto poświęcić dodatkową uwagę.   Rysunek 1. Procedura

1 2