O livro como Máquinas Aprendem procura ser uma opção de literatura em Língua Portuguesa, diferente das existentes, que partem do pressuposto do leitor ter conhecimento aprofundado em várias ferramentas matemáticas.
Com o intuito de facilitar a aquisição de conhecimento, evita as extensas demonstrações matemáticas, focando no racional dos pontos principais e críticos. Torna eficiente a compreensão do enorme conjunto de conceitos e detalhes funcionais, sem perder a motivação para adquirir conteúdo para uma base sólida.
Diante da complexidade dos temas, o livro distribui o conteúdo ao longo de uma série de 3 volumes, tentando equilibrar entre profundidade dos aspectos teóricos e as limitações relacionadas às aplicações práticas.
O volume I oferece uma cobertura ampla e detelhada do que vem a ser ciclo de aprendizagem , o principal aspecto motor do como as máquinas aprendem.
Sem a pretensão de ser exaustivo, o volume II aborda os algoritmos clássicos mais importantes de Machine Learning, sob a ótica metodológica do ciclo de aprendizagem. Detalha os princípios teóricos e limitações práticas, dos seguintes algorimtos: regressão, regularizadores, baseado em exemplares, semi-supervisionados, árvores de decisão, por reforço, bayesianos, agrupamentos, regras de associação, máquinas de suporte vetorial;
Os algoritmos mais sofisticados são detalhados no volume III, começando pelas Redes Neurais Artificiais, com um apanhado compreensivo dos conceitos oriundos da Neurociência e detalhando as arquiteturas de redes neurais de maior sucesso prático. Dedica um capítulo aos algoritmos de Deep Learning, sintetizando os principais aspectos e arquiteturas. Finaliza com Ensembles, apresentando os paradigmas mais utilizados e as taxonomias dos algoritmos no estado da arte.
A série foi proposta para ser adequada para alunos universitários em nível avançado de graduação, para profissionais com nível superior e aqueles que estejam iniciando pós-graduação.
