• Entrega Imediata
  • Frete Grátis

Livro Impresso

Inteligência Artificial - Uma Abordagem de Aprendizado de Máquina

  • ISBN:

    9788521618805

  • Edição: 1|2011
  • Editora: LTC

Carvalho, André

De: R$ 170,00 Por: R$ 136,00
ou em até 3x de R$ 45,33
< >
VENCEDORA DO PRÊMO JABUTI 2012 (Categoria Tecnologia e Informática), Inteligência Artificial: Uma Abordagem de Aprendizado de Máquina oferece conteúdo de base e apoio a estudantes de graduação e pós-graduação em temas relacionados, introduzindo ao leit...
  • Formato: Impresso
  • Páginas: 394
  • Publicação: 25/08/2011
  • Capa: Brochura
  • Peso: 0,90 kg
  • Dimensões: 21 X 28

VENCEDORA DO PRÊMO JABUTI 2012 (Categoria Tecnologia e Informática), Inteligência Artificial: Uma Abordagem de Aprendizado de Máquina oferece conteúdo de base e apoio a estudantes de graduação e pós-graduação em temas relacionados, introduzindo ao leitor os principais conceitos e algoritmos de aprendizado de máquina, e apontando caminhos para transformar esse conhecimento em aplicações práticas, como:
- auxílio ao diagnóstico de doenças;
- monitoramento da qualidade da água e na prevenção de incêndios florestais;
- detecção e localização de falhas em linhas de transmissão de energia, etc.

Com abordagem equilibrada de tópicos básicos e avançados desenvolvidos por renomados pesquisadores da área, Inteligência Artificial: Uma Abordagem de Aprendizado de Máquina preenche uma lacuna de obras abrangentes e atualizadas voltadas ao público nacional.

Notação
Cap. 1 - Introdução

Parte I Preparação de Dados
Cap. 2 - Análise de Dados
Cap. 3 - Pré-processamento de Dados

Parte II Modelos Preditivos
Cap. 4 - Métodos Baseados em Distâncias
Cap. 5 - Métodos Probabilísticos
Cap. 6 - Métodos Baseados em Procura
Cap. 7 - Métodos Baseados em Otimização
Cap. 8 - Modelos Múltiplos Preditivos
Cap. 9 - Avaliação de Modelos Preditivos

Parte III Modelos Descritivos
Cap. 10 - Mineração de Padrões Frequentes
Cap. 11 - Análise de Agrupamentos
Cap. 12 - Algoritmos de Agrupamentos
Cap. 13 - Modelos Múltiplos Descritivos
Cap. 14 - Avaliação de Modelos Descritivos

Parte IV Tópicos Avançados
Cap. 15 - Aprendizado em Fluxos Contínuos de Dados
Cap. 16 - Meta-aprendizado
Cap. 17 - Decomposição de Problemas Multiclasse
Cap. 18 - Classificação Multirrótulo
Cap. 19 - Classificação Hierárquica
Cap. 20 - Computação Natural

Parte V Aplicações
Cap. 21 - Agropecuária
Cap. 22 - Bioinformática
Cap. 23 - Ecologia e Meio Ambiente
Cap. 24 - Energia
Cap. 25 - Finanças 
Cap. 26 - Mineração de Dados
Cap. 27 - Robótica
Cap. 28 - Saúde

Parte VI
Tendências Futuras

Referências Bibliográficas
Índice

Katti Faceli possui pós-doutorado em Ciência da Computação pela Universidade de São Paulo (USP) e é professora na Universidade Federal de São Carlos (UFSCar). Atua com ênfase em inteligência artificial, principalmente nos temas de aprendizado de máquina, bioinformática, análise de agrupamento e sistemas híbridos inteligentes.

Ana Carolina Lorena possui pós-doutorado em Ciência da Computação pela Universidade de São Paulo (USP) e é professora na Universidade Federal do ABC (UFABC). Suas áreas de especialidade incluem mineração de dados, aprendizado de máquina supervisionado, sistemas inteligentes híbridos, support vector machines e bioinformática.

João Gama é doutor em Ciências de Computadores e possui título acadêmico de agregado pela Universidade do Porto (Portugal), atuando como professor na mesma instituição. Seus temas de pesquisa incluem aprendizado de máquina, ensembles de classificadores, aprendizagem em dados estruturados e indução construtiva.

André C. P. L. F. de Carvalho possui pós-doutorado pela Universidade do Porto (Portugal). É professor da Universidade de São Paulo (USP) e revisor ad hoc de várias fundações nacionais e internacionais de apoio à pesquisa. Suas áreas de especialidade são aprendizado de máquina, mineração de dados, bioinformática, redes neurais, algoritmos genéticos e sistemas híbridos.