📖 DISTRIBUIÇÕES PROBABILÍSTICAS APLICADAS À CIÊNCIA DE DADOS (VOLUME II)
Uma obra que conecta o rigor matemático da probabilidade à praticidade computacional da ciência de dados moderna. Mergulhe na linguagem da incerteza com aplicações em Machine Learning, Deep Learning e processos estocásticos.
O QUE VOCÊ VAI ENCONTRAR NA OBRA:
🔹 Fundamentos: Axiomas de Kolmogorov, desigualdades e Teorema Central do Limite.
🔹 Famílias de Distribuições: Discretas (Poisson, Binomial Negativa), contínuas (Gama, Beta, Weibull, Log-Normal), multivariadas e cópulas.
🔹 Estimação e Inferência: Máxima Verossimilhança, Inferência Bayesiana, Modelos Hierárquicos e Modelos Lineares Generalizados (GLMs).
🔹 Caudas Pesadas e Extremos: Teoria de Valores Extremos (EVT), Pareto, robustez e análise de riscos (VaR e ES).
🔹 Processos e Séries Temporais: Cadeias de Markov, Movimento Browniano, previsão estocástica e equações diferenciais.
🔹 ML Probabilístico: Simulação de Monte Carlo, MCMC, Redes Neurais Bayesianas, VAEs, Normalizing Flows e Processos Gaussianos.
🔹 Tópicos Avançados: Grafos (GNNs), NLP probabilístico (LLMs), Análise de Sobrevivência, inferência causal (Testes A/B) e otimização de decisões.
🔹 Casos Reais: Deploy de sistemas de machine learning probabilístico em produção.
| Número de páginas | 832 |
| Edición | 2 (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.