Fundamentos do Aprendizado de Máquina

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.

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

Trabalho de conclusão que conecta a teoria do aprendizado (aprendizado PAC, dimensão VC) à prática. Indicado para quem busca os fundamentos matemáticos que explicam por que os algoritmos funcionam.

Lucas França Ferreira Ignacio