Livro em pdf.

A Course in Reinforcement Learning
Dimitri P. Bertsekas

https://www.mit.edu/~dimitrib/RLCOURSECOMPLETE%202ndEDITION.pdf

Livro introdutório sobre ML:

A First Encounter with Machine Learning
Max Welling

Physics and machine learning: mutual benefits
Nesse artigo, comento como podemos usar conceitos de física para ajudar a entender os algoritmos de aprendizado de máquina (ML) e como os métodos de ML estão ajudando em novas descoberta na física.

Livro online: Building Blocks for Theoretical Computer Science
https://mfleck.cs.illinois.edu/building-blocks/index-sp2020.html

Evento online e gratuito.
https://wecdae-ufba.vercel.app/

Hoje irei ministrar duas palestras online sobre Ciência de Dados:

📍 Às 14h: Modelagem e predição de epidemias: uma abordagem via redes complexas e ciência de dados

https://www.youtube.com/watch?v=lkN8KnHHy8s

Discutiremos como modelar epidemias matematicamente e combinar redes complexas e aprendizado de máquina para obter predições mais precisas de novos casos de dengue, Zika, coronavírus e gripe.

📍 Às 16:15h: Modelagem e Previsão de Partidas de Futebol com Redes Complexas

https://wecdae-ufba.vercel.app/

Nesse segundo evento, é possível se inscrever e receber o certificado de participação.

📍 Sintam-se todos convidados!

Novo texto no Medium: As revoluções que moldaram a maneira como processamos informação: da linguagem ao ChatGPT

https://francisco-rodrigues.medium.com/as-seis-eras-da-informa%C3%A7%C3%A3o-4d90a91515e0

Novo modelo da Google permite executar modelos de IA diretamente no dispositivo, sem internet. Disponível inicialmente para Android.

https://ai.google.dev/edge

Mais um texto no Medium, esse é fundamental para quem trabalha com dados:

https://francisco-rodrigues.medium.com/os-limites-da-predi%C3%A7%C3%A3o-cb3ed73b1684

Livro em pdf: Linear Algebra in Twenty Five Lectures

https://www.math.ucdavis.edu/~linear/linear.pdf

Resumo de Python.

Excelente vídeo sobre AI agents:

https://www.youtube.com/watch?v=FwOTs4UxQS4

Curso online:

https://www.youtube.com/playlist?list=PLog3nOPCjKBnjhuHMIXu4ISE4Z4f2jm39

📚 5 livros essenciais para compreender a estatística e construir uma intuição sólida sobre seus principais conceitos:

📕 "O Andar do Bêbado: Como o Acaso Determina Nossas Vidas", de Leonard Mlodinow, apresenta diversos exemplos do impacto da aleatoriedade em nossas vidas, explorando conceitos estatísticos de forma acessível. A obra também traça um panorama dos principais avanços históricos da estatística e destaca as contribuições de seus personagens mais influentes.
https://amzn.to/3AbZIRk

📗 "A Arte da Estatística: Como Aprender a Partir de Dados", de David Spiegelhalter, mostra como interpretar dados de forma crítica, evita armadilhas comuns na análise estatística e destaca a importância da estatística para tomar decisões informadas em diversas áreas do conhecimento.
https://amzn.to/3WvbOww

📘 "As Leis do Acaso: Como a Probabilidade Pode nos Ajudar a Compreender a Incerteza", de Robert Matthews, explora como a probabilidade está presente em nosso cotidiano e pode ser usada para interpretar melhor o mundo ao nosso redor. Em capítulos curtos, o autor mostra como o raciocínio probabilístico ajuda a lidar com incertezas, revelar padrões ocultos e evitar interpretações errôneas dos dados.
https://amzn.to/3LXWVhi

📙 "Uma Senhora Toma Chá...: Como a Estatística Revolucionou a Ciência no Século XX", de David Salsburg, apresenta a história do desenvolvimento da estatística moderna por meio de episódios marcantes e figuras importantes.
https://amzn.to/3Ac02Q2

📔 "A Ciência da Sorte: A Matemática e o Mundo das Apostas", de Adam Kucharski, investiga como conceitos matemáticos e estatísticos são aplicados em jogos de azar, apostas esportivas e até no mercado financeiro.
https://amzn.to/3WRlv9T

🎯 Se for escolher um deles, sugiro o primeiro ou segundo.

Excelentes vídeos explicando os conceitos de redes neurais:

https://www.3blue1brown.com/topics/neural-networks

Livro online:

https://geostatsguy.github.io/MachineLearningDemos_Book/intro.html

Livro gratuito:

https://arxiv.org/abs/2106.10165

Curso online:

https://github.com/microsoft/ai-agents-for-beginners/blob/main/translations/br/README.md

Erros comuns na análise estatística. Importante conhecer para evitar.

Common Statistical Pitfalls in Basic Science Research
Journal of the American Heart Association

Important paper: a comprehensive overview of the most common loss functions and metrics used across many different types of deep learning tasks, from general tasks such as regression and classification to more specific tasks in Computer Vision and Natural Language Processing.

Loss Functions and Metrics in Deep Learning
https://arxiv.org/abs/2307.02694

📚 𝟓 𝐥𝐢𝐯𝐫𝐨𝐬 𝐠𝐫𝐚𝐭𝐮𝐢𝐭𝐨𝐬 𝐬𝐨𝐛𝐫𝐞 𝐀𝐩𝐫𝐞𝐧𝐝𝐢𝐳𝐚𝐝𝐨 𝐝𝐞 𝐌á𝐪𝐮𝐢𝐧𝐚 𝐪𝐮𝐞 𝐫𝐞𝐜𝐨𝐦𝐞𝐧𝐝𝐨.
🇬🇧 𝟓 𝐟𝐫𝐞𝐞 𝐛𝐨𝐨𝐤𝐬 𝐨𝐧 𝐦𝐚𝐜𝐡𝐢𝐧𝐞 𝐥𝐞𝐚𝐫𝐧𝐢𝐧𝐠 𝐭𝐡𝐚𝐭 𝐈 𝐝𝐨 𝐫𝐞𝐜𝐨𝐦𝐦𝐞𝐧𝐝.

📗 𝚂𝚙𝚎𝚎𝚌𝚑 𝚊𝚗𝚍 𝙻𝚊𝚗𝚐𝚞𝚊𝚐𝚎 𝙿𝚛𝚘𝚌𝚎𝚜𝚜𝚒𝚗𝚐: 𝙰𝚗 𝙸𝚗𝚝𝚛𝚘𝚍𝚞𝚌𝚝𝚒𝚘𝚗 𝚝𝚘 𝙽𝚊𝚝𝚞𝚛𝚊𝚕 𝙻𝚊𝚗𝚐𝚞𝚊𝚐𝚎 𝙿𝚛𝚘𝚌𝚎𝚜𝚜𝚒𝚗𝚐, 𝙲𝚘𝚖𝚙𝚞𝚝𝚊𝚝𝚒𝚘𝚗𝚊𝚕 𝙻𝚒𝚗𝚐𝚞𝚒𝚜𝚝𝚒𝚌𝚜, 𝚊𝚗𝚍 𝚂𝚙𝚎𝚎𝚌𝚑 𝚁𝚎𝚌𝚘𝚐𝚗𝚒𝚝𝚒𝚘𝚗, by Jurafsky and Martin
https://web.stanford.edu/~jurafsky/slp3/ed3book_Jan25.pdf

📘 𝙼𝚊𝚌𝚑𝚒𝚗𝚎 𝙻𝚎𝚊𝚛𝚗𝚒𝚗𝚐 - 𝙰 𝙵𝚒𝚛𝚜𝚝 𝙲𝚘𝚞𝚛𝚜𝚎 𝚏𝚘𝚛 𝙴𝚗𝚐𝚒𝚗𝚎𝚎𝚛𝚜 𝚊𝚗𝚍 𝚂𝚌𝚒𝚎𝚗𝚝𝚒𝚜𝚝𝚜, by Wahlström et al.
https://smlbook.org/

📕 𝙰𝚗 𝙸𝚗𝚝𝚛𝚘𝚍𝚞𝚌𝚝𝚒𝚘𝚗 𝚝𝚘 𝚂𝚝𝚊𝚝𝚒𝚜𝚝𝚒𝚌𝚊𝚕 𝙻𝚎𝚊𝚛𝚗𝚒𝚗𝚐 (𝚁 𝚊𝚗𝚍 𝙿𝚢𝚝𝚑𝚘𝚗), by Garret et al.
https://www.statlearning.com/

📙 𝚄𝚗𝚍𝚎𝚛𝚜𝚝𝚊𝚗𝚍𝚒𝚗𝚐 𝙳𝚎𝚎𝚙 𝙻𝚎𝚊𝚛𝚗𝚒𝚗𝚐, by Simon J. D. Prince
https://udlbook.github.io/udlbook/

📗 𝙿𝚊𝚝𝚝𝚎𝚛𝚗 𝚁𝚎𝚌𝚘𝚐𝚗𝚒𝚝𝚒𝚘𝚗 𝚊𝚗𝚍 𝙼𝚊𝚌𝚑𝚒𝚗𝚎 𝙻𝚎𝚊𝚛𝚗𝚒𝚗𝚐, by Christopher M. Bishop
https://www.microsoft.com/en-us/research/wp-content/uploads/2006/01/Bishop-Pattern-Recognition-and-Machine-Learning-2006.pdf