O livro como M?quinas Aprendem procura ser uma op??o de literatura em L?ngua Portuguesa, diferente das existentes, que partem do pressuposto do leitor ter conhecimento aprofundado em v?rias ferramentas matem?ticas.
Com o intuito de facilitar a aquisi??o de conhecimento, evita as extensas demonstra??es matem?ticas, focando no racional dos pontos principais e cr?ticos. Torna eficiente a compreens?o do enorme conjunto de conceitos e detalhes funcionais, sem perder a motiva??o para adquirir conte?do para uma base s?lida.
Diante da complexidade dos temas, o livro distribui o conte?do ao longo de uma s?rie de 3 volumes, tentando equilibrar entre profundidade dos aspectos te?ricos e as limita??es relacionadas ?s aplica??es pr?ticas.
O volume I oferece uma cobertura ampla e detelhada do que vem a ser ciclo de aprendizagem , o principal aspecto motor do como as m?quinas aprendem.
Sem a pretens?o de ser exaustivo, o volume II aborda os algoritmos cl?ssicos mais importantes de Machine Learning, sob a ?tica metodol?gica do ciclo de aprendizagem. Detalha os princ?pios te?ricos e limita??es pr?ticas, dos seguintes algorimtos: regress?o, regularizadores, baseado em exemplares, semi-supervisionados, ?rvores de decis?o, por refor?o, bayesianos, agrupamentos, regras de associa??o, m?quinas de suporte vetorial;
Os algoritmos mais sofisticados s?o detalhados no volume III, come?ando pelas Redes Neurais Artificiais, com um apanhado compreensivo dos conceitos oriundos da Neuroci?ncia e detalhando as arquiteturas de redes neurais de maior sucesso pr?tico. Dedica um cap?tulo aos algoritmos de Deep Learning, sintetizando os principais aspectos e arquiteturas. Finaliza com Ensembles, apresentando os paradigmas mais utilizados e as taxonomias dos algoritmos no estado da arte.
A s?rie foi proposta para ser adequada para alunos universit?rios em n?vel avan?ado de gradua??o, para profissionais com n?vel superior e aqueles que estejam iniciando p?s-gradua??o.