📘 Estatística e Probabilidade Aplicadas à Inteligência Artificial Volume II: Modelos Generativos Avançados, Não-Paramétricos e Fronteiras Probabilísticas
Se você quer dominar a inteligência artificial de verdade, sem tratá-la como uma "caixa-preta" empírica, este livro é o seu guia analítico definitivo. O Volume II mergulha com profundidade e rigor matemático nas teorias probabilísticas que sustentam os maiores avanços da área, trazendo explicações teóricas detalhadas e implementações práticas em Python (PyTorch e NumPy).
🗂️ O que você vai encontrar na obra (Resumo do Sumário):
Capítulo 1: Modelos de Difusão e Modelagem Baseada em Score (DDPM, Agendamento de Cosseno, SDEs Contínuas, Flow Matching e Classifier-Free Guidance).
Capítulo 2: Modelagem Probabilística de Sequências e LLMs (Estratégias de decodificação como Top-k e Nucleus, alinhamento por RLHF e DPO, formulação de Self-Attention e Decodificação Especulativa).
Capítulo 3: Métodos Monte Carlo Sequenciais e Filtros de Partículas (Modelos não-lineares, Filtro de Kalman Não-Scented [UKF] e Particle MCMC).
Capítulo 4: Processos Gaussianos Esparsos e Não-Paramétricos Bayesianos (Aproximação Variacional VFE, Processos de Dirichlet [DPMM] e Processo Indian Buffet).
Capítulo 5: Fluxos de Normalização Avançados e ODEs Neurais (Camadas RealNVP, MAF, IAF, Método Adjunto e Estimador de Hutchinson).
Capítulo 6: Teoria da Informação Avançada e Aprendizado de Representações (Gargalo de Informação, Cota InfoNCE
| Number of Pages | 310 |
| Edition | 2 (2026) |
| Language | Portuguese |
Do you have complaints about this book? Send an email to [email protected]
Click Login to leave your comment on the book.