| Referências: |
BÁSICA:
FACELLI, K.; LORENA, A. C.; CARVALHO, A. C. P. L. F. Inteligência Artificial – Uma
Abordagem de Aprendizado de Máquina. 1° ed. Editora LTC. 2011. 394p.
HAYKIN, S. Redes Neurais: Princípios e Prática. 2° ed. Editora Bookman. 2017. 898p.
RASCHKA, S.; MIRJALILI, V. Python Machine Learning: Machine Learning and Deep
Learning with Python, scikit-learn, and TensorFlow. 2° ed. Packt Publishing. 2017. 624p.
SOFTWARES
Python Software Foundation
BANIN, S. L. Python 3: conceitos e aplicações: uma abordagem didática. Saraiva Educação
SA, 2018. 264p.
Software R
R Core Team (2020). R: A language and environment for statistical computing. R
Foundation for Statistical Computing, Vienna, Austria
COMPLEMENTAR:
COLLINS, M. Machine Learning: An Introduction To Supervised & Unsupervised Learning.
1° ed Createspace Independent Publishing Platform. 2017. 60p.
MUELLER, J. P.; MASSARON, L. Machine Learning For Dummies. 1° ed. Editora John
Wiley & Sons. 2016.
QUEIROZ, D. M.; VALENTE, D. S. M.; PINTO, F. A. C.; BORÉM, A. Agricultura
Digital. Editora UFV. 2020. 350p.
SILVEIRA, G; BULLOK, B. Machine Learning: Introdução à classificação. Editora Casa
do Código. 2017. 463p.
VICINI, L.; SOUZA, A. M.; MORALES, F. E. C.; SOUZA, F. M. Técnicas multivariadas
exploratórias: Teorias e aplicações no software Statistica
PERÍODICOS CIENTÍFICOS E OUTROS:
Revista de Engenharia Agrícola
Revista de Engenharia Agrícola e Ambiental
Journal of Machine Learning Research
Machine Learning
Biosystems Engineering
Sensors |
