Livro Impresso
Inteligência Artificial - Uma Abordagem de Aprendizado de Máquina
-
ISBN:
9788521637349
- Edição: 2|2021
- Editora: LTC
De:
R$ 192,00
Por:
R$ 153,60
In stock
SKU
219037
ou em até 7x de R$ 21,94
Inteligência Artificial sob novos olhares. Com abordagem equilibrada de tópicos básicos e avançados desenvolvidos por renomados pesquisadores da área, esta nova edição traz exemplos de implementações dos métodos abordados e exercícios teóricos e práticos.
- Formato: Impresso
- Páginas: 304
- Publicação: 12/03/2021
- Capa: Brochura
- Peso: 0,71 kg
- Dimensões: 21 X 28
Inteligência Artificial sob novos olhares. Com abordagem equilibrada de tópicos básicos e avançados desenvolvidos por renomados pesquisadores da área, esta nova edição traz exemplos de implementações dos métodos abordados e exercícios teóricos e práticos.
Vencedor do Prêmio Jabuti 2012 (Categoria Tecnologia e Informática) quando foi lançado, Inteligência Artificial – Uma Abordagem de Aprendizado de Máquina aborda os principais conceitos e algoritmos de aprendizado de máquina e aponta caminhos para transformar esse conhecimento em aplicações práticas, como:
- auxílio ao diagnóstico de doenças e descoberta de tratamentos mais eficazes;
- monitoramento da qualidade da água;
- prevenção de incêndios florestais;
- detecção e localização de falhas em linhas de transmissão de energia;
- reconhecimento de imagens para prover segurança em eventos;
- bloqueio de mensagens fraudulentas que impõem riscos aos usuários, entre outras.
Por que ter Inteligência Artificial?
Há algum tempo, a área de inteligência artificial deixou de ser vista apenas como teórica – destinada à aplicação em pequenos problemas “curiosos” – para se tornar um campo de pesquisa crescente, em busca de soluções de problemas reais da sociedade.
Katti Faceli, Ana Carolina Lorena, João Gama, Tiago Agostinho Almeida e André Carlos Ponce Carvalho preenchem, com sucesso, a lacuna de livros abrangentes e atualizados voltados ao público nacional.
Capítulo 1 – Introdução
Parte 1 | Preparação de Dados
Capítulo 2 – Análise de Dados
Capítulo 3 – Pré-Processamento de Dados
Parte 2 | Modelos Preditivos
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 3 | Modelos Descritivos
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 4 | Tópicos Especiais (disponíveis online)
Capítulo 16 – Aprendizado em Fluxos Contínuos de Dados
Capítulo 17 – Aprendizado de Máquina Automatizado
Capítulo 18 – Decomposição de Problemas Multiclasse
Capítulo 19 – Classificação Multirrótulo
Capítulo 20 – Classificação Hierárquica
Capítulo 21 – Computação Natural
Capítulo 22 – Análise de Redes Sociais
Capítulo 23 – Categorização de Textos
Parte 5 | Aplicações (disponíveis online)
Capítulo 24 – Agronegócios
Capítulo 25 – Análise de Sentimento
Capítulo 26 – Bioinformática
Capítulo 27 – Ecologia e Meio Ambiente
Capítulo 28 – Energia
Capítulo 29 – Filtragem de Mensagens Indesejadas
Capítulo 30 – Finanças
Capítulo 31 – Mineração e Ciência de Dados
Capítulo 32 – Robótica
Capítulo 33 – Saúde
Capítulo 34 – Sistemas de Perguntas e Respostas
Capítulo 35 – Sistemas de Recomendação
Parte 6 | Tendências e Perspectivas
Referências Bibliográficas
Índice Alfabético
Katti Faceli
Possui 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
Possui doutorado em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo (USP) e é Professora-Associada 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 Catedrático na Universidade do Porto e pesquisador do Laboratório de Inteligência Artificial e Análise de Dados (LIAAD) da mesma instituição, em Portugal. Seus temas de pesquisa incluem aprendizado de máquina, comitê de classificadores, aprendizagem em fluxos contínuos de dados e indução construtiva.
Tiago Agostinho de Almeida
Possui doutorado em Engenharia Elétrica com ênfase em Inteligência Artificial pela Universidade Estadual de Campinas (Unicamp) e é Professor-Associado da Universidade Federal de São Carlos (UFSCar). Orienta pesquisadores de mestrado e doutorado e coordena projetos de pesquisa nas áreas de aprendizado de máquina, ciência de dados e processamento de língua natural.
André Carlos Ponce de Leon Ferreira de Carvalho
Possui doutorado em Eletrônica pela University of Kent, no Reino Unido, e é Professor Titular 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 e ciência de dados.