Aprendizado de máquina: da teoria à aplicação

Um dos livros livres mais respeitados sobre o tema. Aborda o aprendizado de máquina a partir da estatística, da regressão à classificação, perfeito para quem vem da matemática ou das ciências exatas.

Rafael Izbicki e Tiago Mendonça dos Santos.

Livro recente que apresenta os fundamentos do aprendizado de máquina de forma clara e organizada, escrito por um professor emérito da área. Ótimo ponto de partida para construir uma base sólida.

Roberto S. Bigonha

Texto do IMPA que apresenta os algoritmos por trás da ciência de dados, da probabilidade às cadeias de Markov. Ideal para quem quer entender o rigor matemático que sustenta o aprendizado de máquina.

Luerbio Faria, Fabiano de Souza Oliveira e Paulo Eustáquio Duarte Pinto

Coletânea organizada por especialistas da USP sobre os avanços, aplicações e dilemas éticos da inteligência artificial. Visão ampla e atual para entender o impacto da IA além dos algoritmos.

Fabio G. Cozman, Guilherme Ary Plonski e Hugo Neri

Guia prático que percorre todo o fluxo da ciência de dados: estatística, pré-processamento, classificação, regressão e agrupamento, com exemplos em R. Equilibra teoria e aplicação para iniciantes na área.

Tatiana Escovedo e Adriano Koshiyama