A ideia que tornou a Inteligência Artificial possível скачать в хорошем качестве

A ideia que tornou a Inteligência Artificial possível

A história trágica e maravilhosa da invenção que tornou máquinas capazes de aprender e desencadeou a era da inteligência artificial: as redes neurais. Patrocinadores: Alura: Ganhe 15% de desconto da sua matrícula na Alura pelo link https://alura.com.br/infinitamente Intel: Conheça a nova linha de processadores Intel® Core™ Ultra. Nos encontre nas redes sociais:   / 8nfinitamente     / @8nfinitamente   Apresentação: @rolandinhobr, @adrian_valentim Direção: @adrian_valentim Fotografia: @rolandinho, @pedrogargioni Roteiro: @adrian_valentim Pesquisa: @adrian_valentim Edição: @pedrogargioni Arte: juliagmartins Animação: @juliagmartins Efeitos especiais: @pedrogargioni Colorização: @rolandinhobr, @pedrogargioni Referências: McCulloch, W. S., & Pitts, W. (1943). A logical calculus of the ideas immanent in nervous activity. _The Bulletin of Mathematical Biophysics_, 5(4), 115–133. Rosenblatt, F. (1958). The perceptron: A probabilistic model for information storage and organization in the brain. Psychological Review, 65(6), 386–408. Gidon, A., Zolnik, T. A., Fidzinski, P., Bolduan, F., Papoutsi, A., Poirazi, P., … Larkum, M. E. (2020). Dendritic action potentials and computation in human layer 2/3 cortical neurons. Science, 367(6473), 83–87. Hebb, D. O. (1949). The organization of behavior: A neuropsychological theory. Wiley. Minsky, M., & Papert, S. (1969). Perceptrons: An introduction to computational geometry. MIT Press. Bishop, C. M., & Bishop, H. (2024). Deep learning: Foundations and concepts. Springer. Prince, S. J. D. (2024). Understanding deep learning. MIT Press. Abu-Mostafa, Y. S., Magdon-Ismail, M., & Lin, H.-T. (2012). Learning from data: A short course. Ivakhnenko, A. G. (1968). The group method of data handling — A rival of the method of stochastic approximation. _Soviet Automatic Control_, _13_(3), 43–55. Teets, D., & Whitehead, K. (1999). The discovery of Ceres: How Gauss became famous. Mathematics Magazine, 72(2), 83–93. Tennenbaum, J., & Director, B. (1997). How Gauss determined the orbit of Ceres. Schiller Institute. Wooldridge, M. (2021). A brief history of artificial intelligence: What it is, where we are, and where we are going. Flatiron Books. Ananthaswamy, A. (2024). Why machines learn: The elegant math behind modern AI. Dutton. Anderson, J. A., & Rosenfeld, E. (Eds.). (1998). Talking nets: An oral history of neural networks. MIT Press.​ Schmidhuber, J. (2015). Deep learning in neural networks: An overview. _Neural Networks_, 61, 85–117. Kelley, H. J. (1960). Gradient theory of optimal flight paths. ARS Journal, 30(10), 947–954. Kandel, E. R., Schwartz, J. H., Jessell, T. M., Siegelbaum, S. A., & Hudspeth, A. J. (2013). _Principles of neural science_(5th ed.). McGraw-Hill Education. Capítulos 00:00 Como IAs aprendem? 01:09 O Gênio que Fugiu de Casa 04:54 Alura 06:06 O Neurônio Artificial 09:40 O Psicólogo e o Cérebro Elétrico 12:40 Como a Máquina Aprende 17:48 A Tragédia das Redes Neurais 19:32 A Caça pelo Planeta Perdido 29:00 Intel 30:14 Ensinando Redes Neurais 37:00 Talvez Seja Você