Livros Essenciais de IA/ML

Fundamentos Teóricos

Deep Learning

• *utores:*Ian Goodfellow, Yoshua Bengio, Aaron Courville
• *ditora:*MIT Press · 2016
• *DF gratuito:*https:/ww.deeplearningbook.org/
• *obre:*backprop, CNNs, RNNs, modelos não-supervisionados, fundamentos matemáticos

Pattern Recognition and Machine Learning

• *utores:*Christopher M. Bishop
• *ditora:*Springer · 2006
• *obre:*modelos gráficos probabilísticos, métodos Bayesianos, inferência variacional

Machine Learning: A Probabilistic Perspective

• *utores:*Kevin P. Murphy
• *ditora:*MIT Press · 2012
• *obre:*ML clássico e probabilístico, grafos, Monte Carlo — referência teórica completa

Probabilistic Machine Learning (vols. 1 e 2)

• *utores:*Kevin P. Murphy
• *ditora:*MIT Press · 2022/2023
• *DF gratuito:*https:/robml.github.iopml-book
• *obre:*versão moderna e expandida do anterior; inclui deep learning e LLMs

Reinforcement Learning: An Introduction

• *utores:*Richard S. Sutton & Andrew G. Barto
• *ditora:*MIT Press · 2018 (2ª ed.)
• *DF gratuito:*http:/ncompleteideas.netbookthebook2nd.html
• *obre:*DP, TD learning, Q-learning, policy gradients — referência padrão de RL

Mathematics for Machine Learning

• *utores:*Marc Peter Deisenroth, A. Aldo Faisal, Cheng Soon Ong
• *ditora:*Cambridge University Press · 2020
• *DF gratuito:*https:/ml-book.github.io/
• *obre:*álgebra linear, cálculo, probabilidade, otimização — base matemática

The Elements of Statistical Learning

• *utores:*Trevor Hastie, Robert Tibshirani, Jerome Friedman
• *ditora:*Springer · 2009 (2ª ed.)
• *DF gratuito:*https:/astie.su.domainsElemStatLearn
• *obre:*ML clássico: árvores, SVMs, boosting, redes neurais rasas

Neural Networks and Deep Learning

• *utores:*Michael Nielsen
• *nline gratuito:*http:/euralnetworksanddeeplearning.com/
• *obre:*introdução acessível — backprop, CNNs, regularização

---

Livros de LLMs e IA Moderna

Build a Large Language Model (From Scratch)

• *utores:*Sebastian Raschka
• *ditora:*Manning · 2024
• *obre:*implementação prática de LLM do zero em PyTorch — muito recomendado

Designing Machine Learning Systems

• *utores:*Chip Huyen
• *ditora:*O'Reilly · 2022
• *obre:*MLOps, pipelines de dados, deployment, monitoramento em produção

Natural Language Processing with Transformers

• *utores:*Lewis Tunstall, Leandro von Werra, Thomas Wolf
• *ditora:*O'Reilly · 2022
• *DF gratuito:*https:/ransformersbook.com/
• *obre:*fine-tuning prático com HuggingFace Transformers

The RLHF Book

• *utores:*Nathan Lambert
• *nline gratuito:*https:/lhfbook.com/
• *obre:*RLHF completo — reward models, PPO, DPO, alinhamento

---

Recursos Online Permanentes