- Formato: Impresso
- Páginas: 376
- Publicação: 26/08/2025
- Capa: Brochura
- Peso: 0,88 kg
- Dimensões: 21 X 28
Livro Impresso
Inteligência Artificial - Uma Abordagem de Aprendizado de Máquina
-
ISBN:
9788521639206
- Edição: 3|2025
- Editora: LTC
Nos últimos anos, a Inteligência Artificial (IA) ultrapassou as fronteiras da pesquisa acadêmica para se consolidar como um dos pilares tecnológicos que moldam o presente e o futuro da sociedade. De aplicações que transformam a saúde, o meio ambiente e o setor empresarial a soluções que impactam diretamente o cotidiano, as subáreas de aprendizado de máquina e, mais recentemente, de aprendizado profundo, estão por trás dessa revolução.
Inteligência Artificial: Uma Abordagem de Aprendizado de Máquina, vencedor do Prêmio Jabuti 2012 na categoria Tecnologia e Informática, chega à terceira edição totalmente revisto, reestruturado e ampliado. Oferece uma base sólida e atualizada para estudantes e profissionais, abordando conceitos essenciais de IA, algoritmos avançados e tendências. Por explorar tanto os fundamentos quanto as fronteiras da pesquisa em IA, o livro ensina como transformar conhecimento técnico em soluções inovadoras, que podem ser empregadas em desafios reais, como:
- diagnóstico e tratamento personalizados em Medicina;
- monitoramento e preservação ambiental;
- detecção e mitigação de ameaças cibernéticas;
- otimização da eficiência energética em cidades inteligentes;
- geração de textos, imagens e vídeos;
- compreensão de imagens e vídeos para segurança e automação.
A obra oferece, ainda, novos conteúdos dedicados a redes neurais profundas e aplicações com base em diferentes tipos de dados, como imagens e textos, além de exemplos práticos implementados em Python. Exercícios atualizados e estudos de caso reais ajudam a consolidar o conhecimento e a explorar os limites do estado da arte em IA, com ênfase em Aprendizado de Máquina.
Com a autoria de profissionais renomados e abordagem didática, Inteligência Artificial: Uma Abordagem de Aprendizado de Máquina segue indispensável para estudantes de graduação e de pós-graduação nas áreas de IA, Aprendizado de Máquina, Ciência de Dados e Sistemas Inteligentes. Para o estudo e para a prática, o conteúdo continua sendo a referência essencial para quem deseja dominar a área que não apenas define o presente e o futuro da Computação, mas também exerce um papel cada vez maior no mercado e na sociedade.
Capítulo 1 Introdução
PARTE I DADOS
Introdução
Capítulo 2 Análise
Capítulo 3 Pré-processamento
PARTE II MODELOS PREDITIVOS
Introdução
Capítulo 4 Métodos Baseados em Distâncias
Capítulo 5 Métodos Probabilísticos
Capítulo 6 Métodos Simbólicos
Capítulo 7 Métodos Conexionistas
Capítulo 8 Métodos de Maximização de Margens
Capítulo 9 Modelos Múltiplos Preditivos
Capítulo 10 Avaliação de Modelos Preditivos
PARTE III MODELOS DESCRITIVOS
Introdução
Capítulo 11 Mineração de Padrões Frequentes
Capítulo 12 Análise de Agrupamentos
Capítulo 13 Algoritmos de Agrupamento
Capítulo 14 Modelos Múltiplos Descritivos
Capítulo 15 Avaliação de Modelos Descritivos
PARTE IV APLICAÇÕES
Introdução
Capítulo 16 Dados Dinâmicos
Capítulo 17 Grafos
Capítulo 18 Imagens
Capítulo 19 Textos
PARTE V
Tendências e Perspectivas
Referências Bibliográficas
Índice Alfabético
KATTI FACELI tem doutorado em Ciências da Computação pela Universidade de São Paulo (USP) e é Professora Associada da Universidade Federal de São Carlos (UFSCar). Atua com ênfase em Inteligência Artificial, principalmente nos temas Aprendizado de Máquina, Análise de Agrupamento e Sistemas Híbridos Inteligentes.
ANA CAROLINA LORENA tem doutorado em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo (USP) e é Professora Titular do Instituto Tecnológico de Aeronáutica (ITA). Suas áreas de especialidade incluem Aprendizado de Máquina, Mineração de Dados e Ciência de Dados.
JOÃO GAMA é Professor Emérito na Universidade do Porto e pesquisador do Laboratório de Inteligência Artificial e Apoio à Decisão (LIAAD) da mesma instituição, em Portugal. Seus temas de pesquisa incluem Aprendizado de Máquina, Comitê de Classificadores e Aprendizagem em Fluxos Contínuos de Dados.
TIAGO AGOSTINHO DE ALMEIDA é Professor Associado do Departamento de Computação da Universidade Federal de São Carlos (UFSCar), coordenador do Laboratório de Sistemas Inteligentes e Ciência de Dados (LaSID) e líder sênior de projetos em Ciência de Dados, Aprendizado de Máquina, Inteligência Artificial e Processamento de Linguagem Natural. Tem vasta experiência em coordenação e desenvolvimento de atividades de pesquisa e inovação em IA.
ANDRÉ CARLOS PONCE DE LEON FERREIRA DE CARVALHO tem doutorado em Engenharia Eletrônica pela University of Kent, no Reino Unido, e é Professor Titular da Universidade de São Paulo (USP). Coordenou, e coordena, projetos em IA com empresas e órgãos públicos. Participou, e participa, de diversos comitês e projetos no exterior. É revisor ad hoc de várias fundações nacionais e internacionais de apoio à pesquisa. Suas áreas de especialidade são Aprendizado de Máquina, Mineração de Dados e Ciência de Dados.