Limit this search to....

como Máquinas aprendem: Volume I Ciclo de Aprendizagem ... fundamentos e conceitos
Contributor(s): Rodrigues, Valter (Author)
ISBN:     ISBN-13: 9798719827209
Publisher: Independently Published
OUR PRICE:   $9.50  
Product Type: Paperback - Other Formats
Language: Portuguese
Published: October 2018
Qty:
Additional Information
BISAC Categories:
- Computers | Neural Networks
- Education | Computers & Technology
Physical Information: 0.44" H x 5.98" W x 9.02" (0.62 lbs) 206 pages
 
Descriptions, Reviews, Etc.
Publisher Description:

O livro como M quinas Aprendem procura ser uma op o de literatura em L ngua Portuguesa, diferente das existentes, que partem do pressuposto do leitor ter conhecimento aprofundado em v rias ferramentas matem ticas.

Com o intuito de facilitar a aquisi o de conhecimento, evita as extensas demonstra es matem ticas, focando no racional dos pontos principais e cr ticos. Torna eficiente a compreens o do enorme conjunto de conceitos e detalhes funcionais, sem perder a motiva o para adquirir conte do para uma base s lida.

Diante da complexidade dos temas, o livro distribui o conte do ao longo de uma s rie de 3 volumes, tentando equilibrar entre profundidade dos aspectos te ricos e as limita es relacionadas s aplica es pr ticas.

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

Sem a pretens o de ser exaustivo, o volume II aborda os algoritmos cl ssicos mais importantes de Machine Learning, sob a tica metodol gica do ciclo de aprendizagem. Detalha os princ pios te ricos e limita es pr ticas, dos seguintes algorimtos: regress o, regularizadores, baseado em exemplares, semi-supervisionados, rvores de decis o, por refor o, bayesianos, agrupamentos, regras de associa o, m quinas de suporte vetorial;

Os algoritmos mais sofisticados s o detalhados no volume III, come ando pelas Redes Neurais Artificiais, com um apanhado compreensivo dos conceitos oriundos da Neuroci ncia e detalhando as arquiteturas de redes neurais de maior sucesso pr tico. Dedica um cap tulo 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 s rie foi proposta para ser adequada para alunos universit rios em n vel avan ado de gradua o, para profissionais com n vel superior e aqueles que estejam iniciando p s-gradua o.