• Entrega Imediata

Livro Impresso

Inteligência Artificial - Uma Abordagem de Aprendizado de Máquina

  • ISBN:

    9788521637349

  • Edição: 2|2021
  • Editora: LTC

Katti Faceli, Ana Carolina Lorena, João Gama, Tiago Agostinho de Almeida e André C. P. L. F de Carva

De: R$  192,00 Por: R$  153,60
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.