Estatística e Probabilidade Aplicadas à Inteligência Artificial

A Inteligência Artificial moderna é construída sobre fundamentos matemáticos que vão muito além dos algoritmos mais conhecidos. Compreender como modelos aprendem, representam incertezas, geram novos dados e tomam decisões exige um domínio sólido de estatística, probabilidade e métodos computacionais avançados. É justamente essa jornada que este livro propõe.

Ao longo de seus capítulos, a obra explora temas que estão na fronteira da pesquisa em IA, como modelos de difusão, modelagem baseada em score, grandes modelos de linguagem (LLMs), processos gaussianos, inferência bayesiana, métodos de Monte Carlo, causalidade, otimização bayesiana, teoria da informação, fluxos de normalização, equações diferenciais estocásticas e aprendizado por reforço. Cada assunto é apresentado com rigor matemático, acompanhado por derivações, demonstrações e implementações práticas em Python, aproximando teoria e aplicação.

Mais do que apresentar técnicas, o livro busca revelar os princípios probabilísticos que sustentam os sistemas inteligentes atuais. Em vez de tratar a Inteligência Artificial como um conjunto de ferramentas isoladas, a obra evidencia as conexões entre diferentes áreas da matemática e mostra como conceitos estatísticos aparecem de forma recorrente em modelos generativos, inferência, otimização, aprendizado profundo e tomada de decisão.

Este é um material voltado para estudantes, pesquisadores, cientistas de dados, estatísticos, matemáticos, físicos, engenheiros e profissionais.