Aprendizado de Máquina: Fundamentos Matemáticos e Aplicações Avançadas
A Inteligência Artificial está transformando o mundo, mas compreender verdadeiramente seus algoritmos exige muito mais do que apenas utilizar bibliotecas prontas. É necessário dominar a matemática que sustenta os modelos modernos de Machine Learning e Deep Learning.
Esta obra foi desenvolvida para conduzir o leitor desde os fundamentos matemáticos essenciais até tópicos avançados da pesquisa contemporânea em Inteligência Artificial.
Ao longo de mais de 400 páginas, o livro explora conceitos fundamentais e avançados, incluindo Álgebra Linear, Probabilidade, Estatística, Otimização, Redes Neurais, Deep Learning, Transformers, Aprendizado por Reforço, Inferência Variacional, Processos Gaussianos, Otimização Bayesiana, Redes Neurais Informadas por Física (PINNs), Transporte Ótimo, Geometria da Informação, Modelos de Espaço de Estados, Mamba e muito mais.
Além da fundamentação teórica rigorosa, o conteúdo apresenta demonstrações matemáticas detalhadas, exercícios resolvidos e implementações práticas em Python e PyTorch, permitindo que o leitor compreenda não apenas como utilizar os algoritmos, mas também por que eles funcionam.
Uma leitura indicada para estudantes, pesquisadores, cientistas de dados, engenheiros de IA e profissionais que desejam construir uma compreensão sólida e aprofundada do universo do Aprendizado de Máquina.
| Número de páginas | 440 |
| Edición | 1 (2026) |
| Idioma | Portugués |
¿Tienes alguna queja sobre ese libro? Envía un correo electrónico a [email protected]
Haz el inicio de sesión deja tu comentario sobre el libro.