Kevin Murphy tem livros excelente de ML. Acabou de lançar mais um:

Reinforcement Learning: An Overview
https://arxiv.org/abs/2412.05265

Curso de redes complexas online, gratuito e com certificado da USP:

140244 - Introdução às Redes Complexas, com aplicações, utilizando Python e IA/LLM
https://uspdigital.usp.br/apolo/apoObterCurso?cod_curso=860400375&cod_edicao=25003&numseqofeedi=1

Curso completo para entender as LLMs:

https://www.youtube.com/playlist?list=PLoROMvodv4rOCXd21gf0CF4xr35yINeOy

Divulgando... Inscrições abertas.

https://cemeai.icmc.usp.br/MBA/

Pessoal, as inscrições para a quarta turma do curso Fundamentos de Probabilidade e Estatística para Ciência de Dados estão abertas.

Para se inscrever, acessem o link:

https://uspdigital.usp.br/apolo/apoObterCurso?cod_curso=550400569&cod_edicao=25004&numseqofeedi=1

Haverá bolsas de estudo com desconto total. A prioridade na classificação das bolsas será dada a: (1) mães ou pais beneficiários do Bolsa Família; (2) mães ou pais desempregados; (3) demais beneficiários do Bolsa Família; (4) desempregados; (5) pessoas de baixa renda; e (6) professores da rede pública.

Quem não for concorrer às bolsas deve efetuar o pagamento de R$ 750,00 via PIX, usando o código ou QR Code disponível em: (esse é o valor total do curso)

https://www.fafq.org.br/curso/fundamentos-de-probabilidade-e-estatistica-para-ciencia-de-dados-icmc-usp/

O pagamento garante a vaga.

Envie o comprovante para probest@icmc.usp.br.

Vagas limitadas!

Notas de aula sobre RAG:

https://www.byhand.ai/p/beginners-guide-to-rag-upcoming

Playlists:

https://www.youtube.com/@ai-by-hand

LLMs cheatsheet

Livro grátis em pdf:

https://direct.mit.edu/books/oa-monograph/6067/The-Microeconomics-of-Artificial-Intelligence

Livro em pdf grátis:
PATTERNS, PREDICTIONS, AND ACTIONS
A story about machine learning
https://mlstory.org/pdf/patterns.pdf

📚 𝐂𝐨𝐧𝐭𝐞𝐮́𝐝𝐨: 𝙁𝙪𝙣𝙙𝙖𝙢𝙚𝙣𝙩𝙤𝙨 𝙙𝙚 𝙋𝙧𝙤𝙗𝙖𝙗𝙞𝙡𝙞𝙙𝙖𝙙𝙚 𝙚 𝙀𝙨𝙩𝙖𝙩í𝙨𝙩𝙞𝙘𝙖 𝙥𝙖𝙧𝙖 𝘾𝙞ê𝙣𝙘𝙞𝙖 𝙙𝙚 𝘿𝙖𝙙𝙤𝙨
🔺 O curso é dividido em três partes:
✅ 𝗙𝘂𝗻𝗱𝗮𝗺𝗲𝗻𝘁𝗼𝘀 𝗱𝗲 𝗣𝗿𝗼𝗯𝗮𝗯𝗶𝗹𝗶𝗱𝗮𝗱𝗲𝘀:
Teorema de Bayes, variáveis aleatórias, modelos probabilísticos discretos e contínuos, momentos, dados multivariados, simulação de Monte Carlo, Lei dos Grandes Números e Teorema Central do Limite.
✅ 𝗜𝗻𝗳𝗲𝗿ê𝗻𝗰𝗶𝗮 𝗘𝘀𝘁𝗮𝘁í𝘀𝘁𝗶𝗰𝗮: Estimação pontual, intervalos de confiança, bootstrap, testes de hipóteses, valor-p, testes pareados, estatística de Kolmogorov–Smirnov, testes de normalidade e inferência bayesiana.
✅ 𝗠𝗼𝗱𝗲𝗹𝗮𝗴𝗲𝗺 𝗘𝘀𝘁𝗮𝘁í𝘀𝘁𝗶𝗰𝗮 𝗲 𝗔𝗽𝗿𝗲𝗻𝗱𝗶𝘇𝗮𝗱𝗼 𝗦𝘂𝗽𝗲𝗿𝘃𝗶𝘀𝗶𝗼𝗻𝗮𝗱𝗼:
Modelos de regressão, seleção de modelos e regularização, teoria da decisão bayesiana, regressão logística e teoria do aprendizado estatístico.

🎯 No final, desenvolvemos um 𝗽𝗿𝗼𝗷𝗲𝘁𝗼 𝗰𝗼𝗺𝗽𝗹𝗲𝘁𝗼 de Ciência de Dados.

🐍 + 20 𝗻𝗼𝘁𝗲𝗯𝗼𝗼𝗸𝘀 𝗲𝗺 𝗣𝘆𝘁𝗵𝗼𝗻, disponibilizados a cada aula.

🎯 𝗜𝗻𝘀𝗰𝗿𝗶çõ𝗲𝘀 𝗮𝗯𝗲𝗿𝘁𝗮𝘀:
https://lnkd.in/dWwjXV7y

💯O pagamento garante a vaga!

🚨 𝗩𝗮𝗴𝗮𝘀 𝗹𝗶𝗺𝗶𝘁𝗮𝗱𝗮𝘀!

📚Nosso novo trabalho: 𝐃𝐞𝐬𝐜𝐨𝐛𝐫𝐢𝐧𝐝𝐨 𝐞𝐪𝐮𝐚𝐜̧𝐨̃𝐞𝐬 𝐚 𝐩𝐚𝐫𝐭𝐢𝐫 𝐝𝐞 𝐝𝐚𝐝𝐨𝐬: 𝐫𝐞𝐠𝐫𝐞𝐬𝐬𝐚̃𝐨 𝐬𝐢𝐦𝐛𝐨́𝐥𝐢𝐜𝐚 𝐞𝐦 𝐬𝐢𝐬𝐭𝐞𝐦𝐚𝐬 𝐝𝐢𝐧𝐚̂𝐦𝐢𝐜𝐨𝐬

🚀 Em um artigo de revisão recentemente aceito pelo 𝗝𝗼𝘂𝗿𝗻𝗮𝗹 𝗼𝗳 𝗣𝗵𝘆𝘀𝗶𝗰𝘀: 𝗖𝗼𝗺𝗽𝗹𝗲𝘅𝗶𝘁𝘆, demonstramos como técnicas modernas de 𝗿𝗲𝗴𝗿𝗲𝘀𝘀ã𝗼 𝘀𝗶𝗺𝗯ó𝗹𝗶𝗰𝗮 possibilitam que 𝘀𝗶𝘀𝘁𝗲𝗺𝗮𝘀 𝗱𝗲 𝗶𝗻𝘁𝗲𝗹𝗶𝗴ê𝗻𝗰𝗶𝗮 𝗮𝗿𝘁𝗶𝗳𝗶𝗰𝗶𝗮𝗹 descubram equações, relações matemáticas e leis interpretáveis diretamente a partir dos dados, sem a imposição prévia da forma do modelo.

🎯 A regressão simbólica vai além do ajuste de parâmetros; ela busca a própria estrutura das leis, automatizando etapas centrais do método científico.

🔗 Paper: https://lnkd.in/dN-2zsj8

💥Notebook no Github: https://github.com/luizalober/review_symb_regression

📕Também publicamos um texto que explica o artigo de forma intuitiva:
https://francisco-rodrigues.medium.com/kepler-o-primeiro-cientista-de-dados-692916970e1d

🎓 Boa leitura!

🎓 Tenho recebido muitas mensagens com dúvidas sobre o nosso curso 𝐅𝐮𝐧𝐝𝐚𝐦𝐞𝐧𝐭𝐨𝐬 𝐝𝐞 𝐏𝐫𝐨𝐛𝐚𝐛𝐢𝐥𝐢𝐝𝐚𝐝𝐞 𝐞 𝐄𝐬𝐭𝐚𝐭𝐢́𝐬𝐭𝐢𝐜𝐚 𝐩𝐚𝐫𝐚 𝐂𝐢𝐞̂𝐧𝐜𝐢𝐚 𝐝𝐞 𝐃𝐚𝐝𝐨𝐬 📊💻

Para facilitar, organizei todas as informações em um site 🌐, incluindo:
📘 o programa do curso
📚 detalhes sobre bolsas
📝 informações sobre inscrições
🎓 depoimentos de ex-alunos
❓ uma seção de Perguntas Frequentes (FAQ)

🎯 𝗪𝗲𝗯𝘀𝗶𝘁𝗲: https://probest.icmc.usp.br/

Apostila em pdf:
Linear Algebra with Probability,
Oliver Knill

Matemática Básica para Deep Learning (em pdf). Uma revisão rápida e bastante completa.

Matéria sobre nosso curso.

https://www.icmc.usp.br/noticias/7366-icmc-reabre-inscricoes-para-curso-on-line-de-probabilidade-e-estatistica-para-ciencia-de-dados

A Universidade de Stanford lançou uma ferramenta de IA gratuita que escreve relatórios com qualidade da Wikipedia, com 99% de precisão e citações.

Co-STORM
https://storm.genie.stanford.edu/

Novo texto no Medium. Nesse ensaio, discuto como a teoria da probabilidade está por trás dos algoritmos de IA.

https://francisco-rodrigues.medium.com/probabilidade-do-mundo-físico-à-inteligência-artificial-724afc8dba98

Foundations of Large Language Models
https://arxiv.org/abs/2501.09223

Artigo fundamental para quem trabalha com ML:

Hyperparameter Optimization in Machine Learning

https://arxiv.org/pdf/2410.22854

Livro disponível em pdf:

Design of Experiments (DoE) Material didático da disciplina Quimiometria 1, Edição 2026.

https://zenodo.org/records/18775578

Livro online em pdf:

Lecture Notes for Machine Learning and Data
Science Courses
Information School, University of Washington

https://faculty.washington.edu/otoomet/machineLearning.pdf