Literatura i Źródła

Poniżej przedstawiono wykaz literatury zwartej, artykułów naukowych oraz dokumentacji technicznej, z których korzystano podczas realizacji projektu.

• Géron A., Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow. Droga do sztucznej inteligencji, Wydawnictwo Helion, Gliwice 2020.
• Roper K.O., Payant R.P., The Facility Management Handbook, AMACOM, New York 2014.
• VanderPlas J., Python Data Science Handbook: Essential Tools for Working with Data, O'Reilly Media, 2017.
• Atkin B., Brooks A., Total Facility Management, Wiley-Blackwell, Oxford 2015.

• Zhao H.X., Magoulès F., A review on the prediction of building energy consumption, Renewable and Sustainable Energy Reviews, Vol. 16, 2012.
• Carvalho T., et al., A systematic literature review of machine learning methods applied to predictive maintenance, Computers & Industrial Engineering, Vol. 137, 2019.
• Qian F., et al., Machine learning for HVAC system performance enhancement: A review, Engineering Applications of Artificial Intelligence, Vol. 89, 2020.
• Goyal S., et al., A Model Predictive Control for Optimal HVAC Operation in Commercial Buildings, IEEE Transactions on Control Systems Technology, 2018.

• PN-EN ISO 41001:2018-07 – Facility management – Systemy zarządzania – Wymagania wraz z wytycznymi stosowania.
• PN-ISO 55000:2014-06 – Zarządzanie aktywami – Przegląd, zasady i terminologia.
• ASHRAE Standard 90.1 – Energy Standard for Buildings Except Low-Rise Residential Buildings.

• Scikit-Learn Documentation – https://scikit-learn.org/stable/ (Dostęp: 2025).
• Pandas Documentation – https://pandas.pydata.org/docs/ (Dostęp: 2025).
• BACnet International – The Global Standard for Building Automation – http://www.bacnet.org.