Bibliografia

Seguem alguns livros sobre Inteligência Artificial. 

Vários deles são obras mais teóricas, mas são interessantes para quem quer formar um alicerce sólido sobre o assunto.

Coloquei em negrito alguns que considero bastante interessantes. Em particular, vale destacar o livro do Rogério Bernardes - Descobrindo o Futuro Através dos Dados - um dos colaboradores do I2A2.

AGRAVAL, A.; GANS, J.; GOLDFABER, A. Power and Prediction: The Disruptive Economics of Artificial Intelligence. Harvard Business Review Press, 2022. 288 p. ISBN-10: 1647824192. ISBN-13: 978-1647824198.

BENNETT, M. A Brief History of Intelligence: Evolution, AI, and the Five Breakthroughs That Made Our Brains. Mariner Books, 2023. 432 p. ISBN-10: 0063286343. ISBN-13: 978-0063286344.

BERNARDES, R. Datascience: Descobrindo o Futuro Através dos Dados. Viseu, 2024. 238 p. ISBN-13: 978-6525484389.

BOYD, S.; VANDENBERGHE, L. Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares. Cambridge University Press, 1ª edição, 2018. ISBN-10: 1316518965. ISBN-13: 978-1316518960

BRUNTON, S.; KUTZ, J. Data-Driven Science and Engineering Machine Learning, Dynamical Systems, and Control. Cambridge, 2021. 492 p. ISBN-10: 1108422098. ISBN-13: 978-1108422093. Disponível em https://databookuw.com/databookV2.pdf. Último acesso em 15/05/2024.

CHAN, S. Introduction to Probability for Data Science. Michigan Publishing Services, 2021. 704 p. ISBN-10: ‎ 1607857464. ISBN-13: ‎ 978-1607857464. Disponível em https://probability4datascience.com/. Último acesso em 15/05/2024.

COSTA, S. Introdução ilustrada à estatística (com muito humor). Harbra, 4ª edição, 2005. 416 p. ISBN-10: 852940288X. ISBN-13: 978-8529402888.

DATA SCIENCE ACADEMY. Deep Learning Book. 2022 (Principalmente a partir do capítulo 76). Disponível em https://www.deeplearningbook.com.br/. Último acesso em 15/05/2024. 

GOODFELLOW, I.; BENGIO, Y.; COURVILLE, A. Deep Learning. MIT PRESS, 2016. 800 p. ISBN-10: 0262035618. ISBN-13: 978-0262035613.

HASTIE, T.; TIBSHIRANIM R.; FRIEDMAM, J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer, 2ª edição, 2009. 745 p. ISBN-10: 0387848576. ISBN-13: ‎978-0387848570. Disponível em https://hastie.su.domains/Papers/ESLII.pdf. Último acesso em 15/05/2024.

HAYKIN, S. Redes Neurais: Princípios e Prática. Bookman, 2ª edição, 2017. ISBN-10: 8573077182. ISBN-13: 978-8573077186.

HUFF, D. Como mentir com estatística. Intrínseca, 1ª edição, 2019. 160 p. ISBN-10: 858057952X. ISBN-13: 978-8580579529.

HULL, J. Machine Learning in Business: An Introduction to the World of Data Science.  Publicação Independente, 2021. 288 p. ISBN-13: ‎979-8508489441

HURWITZ, J.; KIRSCH D. Machine Learning For Dummies®, IBM Limited Edition. John Wiley & Sons, 2018. 68p. ISBN: 978-1-119-45494-6. Disponível em https://www.ibm.com/downloads/documents/us-en/10a99803c52fd9ed. Último acesso em 10 de novembro de 2024.

HYNDMAN, R.; ATHANASOPOULOS, G. Forecasting: Principles and Practice. Otexts, 3ª edição, 2021. 442 p. ISBN-10: 0987507133. ISBN-13: 978-0987507136. Disponível em https://otexts.com/fpp3/. Último acesso em 15/05/2024.

JURAFSKY, D.; MARTIN, J. Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition. Stanford University, 2024. 569 p. Disponível em https://web.stanford.edu/~jurafsky/slp3/. Último acesso em 15/05/2024.

KANTZ, H. Nonlinear Time Series Analysis. Cambridge University Press, 1997. 320 p. ISBN-10: 0521551447. ISBN-13: 978-0521551441.

KAI-FU, L. Inteligência Artificial. Globo Livros; 1ª edição, 2019, 292 pp. ISBN-10: 6580634324. ISBN-13: 978-6580634323.

PROVOST, F.; FAWCETT T. Data Science for Business. O'Reilly Media; 1ª edição, 2013, 408 p. ISBN-10: 1449361323. ISBN-13: 978-1449361327.

SINGH, J.; KAUR, P. Fraud Detection in Online Transactions Using Machine Learning. Disponível em https://www.researchgate.net/publication/376518057_Fraud_Detection_in_Online_Transactions_Using_Machine_Learning/citation/download. Último acesso em 10 de novembro de 2024.

STEFANO, A.; CHRISTIANOS, F.; SCHÄFER, L. Multi-Agent Reinforcement Learning Foundations and Modern Approaches. The MIT Press, 2024. Disponível em https://www.marl-book.com/. Último acesso em 10 de novembro de 2024.

SOMMERVILLE, I. Software Engineering – Global Edition. Pearson, 10ª edição, 2016. 810 p. ISBN 10: 1-292-09613-6. ISBN 13: 978-1-292-09613-1. Disponível em https://dn790001.ca.archive.org/0/items/bme-vik-konyvek/Software%20Engineering%20-%20Ian%20Sommerville.pdf. Último acesso em 31/03/2025.

STUART, R.; NORVIG, P. Artificial Intelligence: A Modern Approach. Pearson, 4ª edição, 2022. 1166 p. ISBN 10: 1-292-40113-3. ISBN 13: 978-1-292-40113-3. Disponível em https://aima.cs.berkeley.edu/global-index.html. Último acesso em 31/03/2025.

STUDER, S. et. al. Towards CRISP-ML(Q): A Machine Learning Process Model with Quality Assurance Methodology. Arxiv.org, março/2020. Disponível em https://arxiv.org/abs/2003.05155. Último acesso em 10 de novembro de 2024.

SUTTON, R.; BARTO, A. Reinforcement Learning: An Introduction. MIT Press, 2ª edição, 2018. 552 p. ISBN-10: 0262039249. ISBN-13: 978-0262039246. Disponível em https://www.andrew.cmu.edu/course/10-703/textbook/BartoSutton.pdf. Último acesso em 15/05/2024.

SZELISKI, R. Computer Vision: Algorithms and Applications. Springer, 2ª edição, 2022. 947 p. ISBN-10: 3030343715. ISBN-13: 978-3030343712. Disponível em https://szeliski.org/Book/. Último acesso em 15/05/2024.

TAGLIAFERRI, L.; MORALES, M.; BIRBECK, E.; WAN, A. Python Machine Learning Projects. DigitalOcean. ISBN 978-0-9997730-2-4. Disponível em https://assets.digitalocean.com/books/python/machine-learning-projects-python.pdf. Último acesso em 10 de novembro de 2024.

TSAY, R.; CHEN, R. Nonlinear Time Series Analysis. Wiley, 2019. 510p. ISBN-13: 9781119264057. Disponível em https://www.biodyn.ro/course/literatura/Nonlinear_Time_Series_Analysis_2019_Ruey_S._Tsay,_Rong_Chen.pdf. Último acesso em 15/05/2024.

VASWANI, A. et al. Attention Is All You Need. Arxiv.org, 12/06/2017. Disponível em https://arxiv.org/abs/1706.03762. Último acesso em 31/03/2025.

ZACHARSKI, R. A Programmer's Guide to Data Mining. Disponível em http://guidetodatamining.com/. Último acesso em 10 de novembro de 2024.

ZHANG, A; et al. Dive into Deep Learning. Cambridge University Press, 1ª edição, 2023. 574 p. ISBN-10: 1009389432. ISBN-13: 978-1009389433. Disponível em https://d2l.ai/index.html. Último acesso em 15/05/2024.

ZUPAN, B.; DEMŠAR, J. Introduction to Data Mining. Disponível em https://file.biolab.si/notes/2018-05-intro-to-datamining-notes.pdf. Último acesso em 10 de novembro de 2024.