O aprendizado de máquina e a inteligência artificial são áreas e tópicos de estudo que crescem cada vez mais. Embora as implementações avançadas de aprendizado de máquina que vemos nas notícias possam soar assustadoras e inacessíveis, os conceitos básicos são muito fáceis de entender. Neste artigo, vamos analisar alguns dos recursos mais populares para quem está começando agora na área de aprendizado de máquina (ou qualquer pessoa que tenha curiosidade de aprender). Alguns livros da lista exigirão familiaridade com certas linguagens de codificação e matemática, mas mencionaremos esse detalhe quando necessário.
1. “Machine Learning For Absolute Beginners: A Plain English Introduction (Segunda Edição)”, de Oliver Theobald
Autor: Oliver Theobald
Site: Amazon
O título já diz tudo: este livro é feito para iniciantes. Se você busca uma introdução completa do aprendizado de máquina para iniciantes, esta obra pode ser um bom ponto de partida. Quando diz “absolute beginners” (iniciantes absolutos), Theobald mostra que o livro foi escrito para leitores sem qualquer experiência. Não é necessário conhecimento prévio em matemática nem experiência em codificação; trata-se de uma introdução muito básica do tópico para qualquer pessoa interessada em aprendizado de máquina.
O autor preza pela linguagem simples para evitar que os iniciantes se confundam com o jargão técnico. Explicações claras e acessíveis, com exemplos visuais, acompanham os vários algoritmos para garantir que o raciocínio seja fácil de entender. Para dar contexto ao aprendizado de máquina, o livro também mostra uma breve introdução à área de programação.
2. “Machine Learning for Dummies”, de John Paul Mueller e Luca Massaron
Autores: John Paul Mueller e Luca Massaron
Site: Amazon
Depois de um livro para “iniciantes absolutos”, a renomada série “Dummies” voltada para leigos traz outro ponto de partida interessante. Este livro busca familiarizar os leitores com teorias e conceitos básicos do aprendizado de máquina, além de mostrar casos de uso prático no cotidiano. A obra apresenta as linguagens de programação e as ferramentas que integram o aprendizado de máquina, além de ilustrar formas práticas de uso desse conceito aparentemente “esotérico”.
O livro também fala um pouco sobre a codificação em Python e R usada para ensinar máquinas a encontrarem padrões e analisarem resultados. A partir dessas pequenas tarefas e padrões, podemos compreender como o aprendizado de máquina é útil no cotidiano por meio de pesquisas na Web, anúncios na internet, filtros de e-mail, detecção de fraudes e mais. Com este livro, você poderá entrar com o pé direito no mundo do aprendizado de máquina.
3. “Fundamentals of Machine Learning for Predictive Data Analytics: Algorithms, Worked Examples, and Case Studies”, de John D. Kelleher, Brian Mac Namee e Aoife D'Arcy
Autores: John D. Kelleher, Brian Mac Namee e Aoife D'Arcy
Site: Amazon
Este livro abrange todos os fundamentos do aprendizado de máquina, detalhando a teoria e mostrando aplicações práticas, exemplos de trabalho e estudos de caso para reforçar o conhecimento. “Fundamentals” é indicado para pessoas que já tenham algum conhecimento de análise.
A obra mostra as diferentes abordagens de aprendizagem e acompanha cada conceito de aprendizado de máquina com algoritmos e modelos, além de exemplos de trabalho para mostrar os conceitos na prática.
4. “Programming Collective Intelligence”, de Toby Segaran
Autor: Toby Segaran
Site: O'Reilly | Amazon
Em vez de fazer uma introdução, este livro funciona melhor como um guia prático para implementar o aprendizado de máquina. Com ele, você aprenderá a criar algoritmos a fim de reunir dados úteis para projetos específicos. A obra ensina os leitores a criarem programas para acessar dados de sites, a coletarem dados de aplicativos e a descobrirem o que os dados coletados representam.
“Programming Collective Intelligence” também apresenta técnicas de filtragem, métodos para detectar grupos ou padrões, algoritmos de mecanismos de pesquisa, formas de fazer previsões e muito mais. Cada capítulo inclui exercícios para mostrar as lições em uso prático.
5. “Machine Learning for Hackers”, de Drew Conway e John Myles White
Autores: Drew Conway e John Myles White
Site: O’Reilly | Amazon
Neste caso, a palavra “hackers” é usada no sentido técnico: programadores que criam códigos para objetivos específicos e projetos práticos. “Machine Learning for Hackers” é uma boa opção para quem não tem tanto conhecimento em matemática, mas sabe programar e codificar linguagens. O aprendizado de máquina costuma se basear em muitos conceitos matemáticos devido aos algoritmos necessários para analisar os dados, mas nem todo profissional experiente em códigos desenvolve essas habilidades matemáticas.
O livro apresenta estudos de caso para mostrar o conteúdo em situações de uso prático, em vez de detalhar a teoria matemática. Você também verá problemas comuns da área de aprendizado de máquina e aprenderá a resolvê-los com a linguagem de programação R. Comparação de senadores dos EUA conforme o número de votos recebidos, criação de um sistema de recomendação de pessoas a serem seguidas no Twitter, detecção de e-mails de spam com base no texto das mensagens... Esses são apenas alguns exemplos das possibilidades infinitas de uso dos aplicativos de aprendizado de máquina.
6. “Machine Learning in Action”, de Peter Harrington
Autor: Peter Harrington
Site: Amazon
“Machine Learning in Action” é um guia para orientar iniciantes pelas técnicas necessárias para entender o aprendizado de máquina e os conceitos por trás das práticas. O livro é uma espécie de tutorial que ensina desenvolvedores a codificarem seus próprios programas a fim de obterem dados para análise.
Neste livro, você verá as técnicas usadas na prática, com foco nos próprios algoritmos. Os trechos de linguagem de programação mostram exemplos de código e algoritmo para você começar e entender como ocorre o desenvolvimento do aprendizado de máquina. Como a linguagem de programação Python é usada na maioria dos exemplos, ter familiaridade com ela pode ajudar você a entender o conteúdo.
7. “Data Mining: Practical Machine Learning Tools and Techniques”, de Ian H. Witten, Eibe Frank e Mark A. Hall
Autores: Ian H. Witten, Eibe Frank e Mark A. Hall
Site: Amazon
Os autores de “Data Mining” se concentram no trabalho técnico do aprendizado de máquina e em como coletar os dados necessários usando técnicas específicas de mineração. O livro aborda os detalhes técnicos do aprendizado de máquina, ensinando os métodos para obter dados e mostrando como usar diferentes entradas e saídas para avaliar os resultados.
Como o aprendizado de máquina está sempre mudando, o livro também abrange a modernização e menciona novos softwares que estruturaram a área. Você também verá técnicas tradicionais apresentadas com novas pesquisas e ferramentas. Há um destaque especial para o Weka, software proprietário de aprendizado de máquina desenvolvido pelos autores da obra.
Isenção de responsabilidade: A Tableau não endossa nem lucra oficialmente com qualquer produto ou opinião descritos neste artigo e, como tal, esta página não tem qualquer vínculo com programas afiliados. Este artigo foi criado exclusivamente para fins educacionais, e as informações sobre produtos e publicações são disponibilizadas para que os leitores possam tomar decisões informadas por si mesmos.