"Estatística e Probabilidade Aplicadas à Inteligência Artificial (Volume I)" é um guia técnico e profundo voltado para engenheiros de machine learning e cientistas de dados que desejam superar a visão de algoritmos como simples caixas-pretas. A obra preenche a lacuna entre a programação prática e o formalismo matemático subjacente, demonstrando que o sucesso da IA contemporânea fundamenta-se na modelagem rigorosa da incerteza.
O livro aborda temas cruciais que vão desde conceitos essenciais até arquiteturas avançadas, incluindo:
- Taxonomia da incerteza (epistêmica vs. aleatória) e as visões frequentista e bayesiana.
- Vetores aleatórios, distribuições multivariadas e métodos de decomposição como PCA e SVD.
- Modelos preditivos tradicionais e processos gaussianos.
- Aprendizado profundo probabilístico, destrinchando o funcionamento matemático de Autoencoders Variacionais (VAEs), Redes Adversariais Generativas (GANs) e Modelos de Difusão (DDPM).
- Conceitos fundamentais da Teoria da Informação de Shannon (entropia e divergência KL).
- Métodos de amostragem estocástica essenciais para viabilizar cálculos complexos em alta dimensão, como Metropolis-Hastings e Monte Carlo Hamiltoniano (HMC).
- Teorias de generalização (PAC-Bayesiana, dimensão VC) e fronteiras atuais, incluindo inferência causal e calibração de incerteza para redução de alucinações em grandes modelos de linguagem (LLMs).
| Número de páginas | 210 |
| Edição | 1 (2026) |
| Idioma | Português |
Tem algo a reclamar sobre este livro? Envie um email para [email protected]
Faça o login deixe o seu comentário sobre o livro.