MICHEL JANOS - UNIVERSO MATEMÁTICO
A matemática do século XXI é a mesma de sempre —usada de um jeito diferente
Por séculos, aprendemos matemática como um conjunto de fórmulas: dada uma entrada, existe uma resposta exata. Hoje, o profissional que trabalha com dados — em ciência de dados, machine learning, engenharia ou tomada de decisão — raramente busca a fórmula certa.
Ele constrói modelos probabilísticos, lida com incerteza, e extrai padrões de dados que nunca contam a história toda. É a diferença entre calcular e estimar, entre provar e prever, entre uma resposta única e uma distribuição de respostas possíveis.
COLEÇÃO PRINCIPAL
Matemática para o Século XXI
Sete volumes conectando as raízes clássicas da matemática às ferramentas que sustentam IA, redes e sistemas complexos — uma progressão coerente do fundamento ao estado da arte.
Raízes da Matemática - Vol. 0
Fundamentos históricos e conceituais: sistemas numéricos, raciocínio lógico, estruturas algébricas e intuição geométrica.
Lógica Álgebra Geometria
História
Ferramentas Fundamentais - Vol I
Probabilidade, estatística, álgebra linear, cálculo e matemática discreta — a linguagem comum de toda a série.
Probabilidade Álgebra linear
Cálculo
Otimização - Vol II
Programação linear e inteira, DEA, abordagens estocásticas e teoria dos jogos.
Gradiente Convexidade Teoria dos jogos
Teoria das Redes - Vol III
Conectividade, centralidade, fluxos, processos de difusão e dinâmica em redes — da biologia às redes sociais.
Gráficos Difusão Centralidade
Modelos Baseados em Agentes
- Vol IV
Regras microscópicas e comportamento emergente: adaptação, aprendizado, modelos espaciais e simulação.
Emergência Simulação Adaptação
Dinâmica, Caos e Fractais
- Vol V
Sistemas dinâmicos, estabilidade, bifurcações, caos e geometria fractal — da teoria à modelagem
de fenômenos reais.
Caos Fractais Bifurcações
Machine Learning e IA - Vol VI
Fundamentos matemáticos do aprendizado de máquina e IA — modelos clássicos, redes neurais e transformers.
Redes neurais Transformers LLMs
Por Que os Modelos de Regressão Discordam - Vol VII
Por que diferentes algoritmos, aplicados ao mesmo conjunto de dados, chegam a previsões diferentes
Regressão Gradient Boost - XGBoost
Grafos em Machine Learning - Vol VIII
Uma rede social, uma rede de transporte ou uma molécula são como um conjunto de bolinhas conectadas por linhas, Um objeto matemático preciso, chamado grafo (ou rede), e esse objeto pode ser representado inteiramente por uma matriz e analisado como uma base de dados
PageRank NodeToVector Laplaciano
OUTROS TÍTULOS
Ebooks complementares
Publicações independentes que ampliam temas específicos da coleção, disponíveis em formato digital.
Ebook
Matemática para a Indústria 4.0
Fundamentos matemáticos aplicados à automação industrial, IoT e sistemas ciberfísicos — conectando a teoria da coleção aos desafios da quarta revolução industrial.
Ebook
A Arte de Resolver Problemas
Estratégias e raciocínio matemático para abordar problemas complexos com clareza e método — um guia prático de pensamento matemático aplicado.
VÍDEOS
Conteúdo em vídeo
Aulas e apresentações em vídeo complementando os volumes da coleção — disponíveis no canal do YouTube e pelo site.
Machine Learning e IA
Dinâmica, Caos e Fractais
ARTIGOS RECENTES
Artigos com descobertas matemáticas surpreendentes — do labirinto de um rato ao ChatGPT, sempre conectando teoria e aplicação.