Peter Norvig, Diretor de Pesquisa do Google, coautor do AIMA, o livro de IA mais popular do mundo. "Burkov assumiu uma tarefa muito til, mas incrivelmente difcil, de reduzir todo o aprendizado de mquina a 100 pginas. Ele conseguiu escolher bem os tpicos ? tanto tericos quanto prticos ? que sero teis para os profissionais e para o leitor que entender que estas so as 100 (ou, de fato, 150) primeiras, e no as ltimas, pginas que ele ler e que lhe fornecero uma introduo slida para a rea." Aurlien Gron, Engenheiro Snior de IA, autor do bestseller Hands-On Machine Learning with Scikit-Learn and TensorFlow: "A variedade de tpicos que o livro cobre incrvel para apenas 100 pginas (mais algumas de bnus!). Burkov no hesita em entrar nas equaes matemticas: que uma coisa que os livros curtos costumam deixar de fora. Eu realmente gostei de como o autor explica os conceitos principais em apenas algumas poucas palavras. O livro pode ser muito til para iniciantes na rea, bem como para veteranos que podem se beneficiar de uma viso to ampla." Karolis Urbonas, Chefe de Cincia de Dados da Amazon: "Uma tima introduo Aprendizagem de Mquina de um profissional de classe mundial." Chao Han, VP, Chefe de Pesquisa e Desenvolvimento da Lucidworks: "Eu gostaria que um livro como esse existisse quando eu era um estudante de graduao em Estatstica tentando aprender sobre Aprendizagem de Mquina." Sujeet Varakhedi, Chefe de Engenharia da eBay: "O livro de Andriy faz um trabalho fantstico de cortar o rudo e atingir as faixas e a velocidade mxima desde a primeira pgina.'' Deepak Agarwal, VP de Inteligncia Artificial do LinkedIn: "Um livro maravilhoso para engenheiros que desejam incorporar Aprendizagem de Mquina em seu trabalho dirio sem necessariamente gastar uma quantidade enorme de tempo.'' Vincent Pollet, Chefe de Pesquisas da Nuance: "Excelente leitura para comear com Aprendizagem de Mquina.'' Gareth James, professor de Cincia de Dados e Operaes na University of Southern California, e coautor do best-seller An Introduction to Statistical Learning, with Applications in R: "Este livro um manual compacto de "como implementar cincia de dados", e eu prevejo que se tornar um recurso para acadmicos e profissionais. Com 100 pginas (ou um pouco mais), o livro curto o suficiente para ser lido de uma vez. E ainda, apesar do tamanho, ele cobre todas as principais abordagens de Aprendizagem de Mquina, desde a classificao linear e regresso logstica, at mquinas modernas de vetores de suporte, aprendizagem de mquina profunda ("deep learning"), "boosting", e florestas aleatrias ("random forests"). Tambm no h escassez de detalhes sobre as vrias abordagens e o leitor interessado pode obter mais informaes sobre qualquer mtodo em particular atravs da inovadora e complementar pgina "wiki" do livro na Internet. O livro no pressupe que o estudante tenha um elevado conhecimento de matemtica ou treinamento em estatstica, e nem mesmo experincia em programao. De tal forma, que ele deve ser acessvel a quase todos dispostos a investir um tempo para aprender sobre estes mtodos. Certamente, deve ser leitura obrigatria para qualquer um que inicie um programa de doutorado nesta rea e poder servir como uma referncia til medida que o estudante progride. Finalmente, o livro ilustra alguns dos algoritmos usando cdigos em Python, uma das mais populares linguagens para Aprendizagem de Mquina. Eu recomendo o livro ?The Hundred-Page Machine Learning Book? para ambos: o iniciante buscando aprender mais sobre Aprendizagem de Mquina, e o praticante experiente destinado a ampliar sua base de conhecimento." |