como Mquinas aprendem Volume I Ciclo de Aprendizagem ... fundamentos e conceitos

O livro como Mquinas Aprendem procura ser uma opo de literatura em Lngua Portuguesa, diferente das existentes, que partem do pressuposto do leitor ter conhecimento aprofundado em vrias ferramentas matemticas.

Com o intuito de facilitar a aquisio de conhecimento, evita as extensas demonstraes matemticas, focando no racional dos pontos principais e crticos. Torna eficiente a compreenso do enorme conjunto de conceitos e detalhes funcionais, sem perder a motivao para adquirir contedo para uma base slida.

Diante da complexidade dos temas, o livro distribui o contedo ao longo de uma srie de 3 volumes, tentando equilibrar entre profundidade dos aspectos tericos e as limitaes relacionadas s aplicaes prticas.

O volume I oferece uma cobertura ampla e detelhada do que vem a ser ciclo de aprendizagem , o principal aspecto motor do como as mquinas aprendem.

Sem a pretenso de ser exaustivo, o volume II aborda os algoritmos clssicos mais importantes de Machine Learning, sob a tica metodolgica do ciclo de aprendizagem. Detalha os princpios tericos e limitaes prticas, dos seguintes algorimtos: regresso, regularizadores, baseado em exemplares, semi-supervisionados, rvores de deciso, por reforo, bayesianos, agrupamentos, regras de associao, mquinas de suporte vetorial;

Os algoritmos mais sofisticados so detalhados no volume III, comeando pelas Redes Neurais Artificiais, com um apanhado compreensivo dos conceitos oriundos da Neurocincia e detalhando as arquiteturas de redes neurais de maior sucesso prtico. Dedica um captulo aos algoritmos de Deep Learning, sintetizando os principais aspectos e arquiteturas. Finaliza com Ensembles, apresentando os paradigmas mais utilizados e as taxonomias dos algoritmos no estado da arte.

A srie foi proposta para ser adequada para alunos universitrios em nvel avanado de graduao, para profissionais com nvel superior e aqueles que estejam iniciando ps-graduao.