A MATEMÁTICA QUE A IA NÃO CONTA Um sistema de IA nunca viu uma imagem ou leu uma frase: ele enxerga vetores, matrizes e distribuições de probabilidade. Aprender é ajustar direções; decidir é comparar chances.

Essa visão geométrica e probabilística é o que separa quem decora API de quem realmente entende o que está acontecendo. A série Matemática da IA, de Simon Calder, ocupa exatamente esse espaço.

Sem pular fórmulas e sem afogar o leitor em notação, ela reconstrói o caminho que vai dos dados brutos até as decisões dos modelos modernos. A proposta é simples: cada conceito nasce de um problema prático, ganha uma intuição geométrica e só então vira notação matemática.

👉 Volume 1 — A Matemática por Trás da Inteligência Artificial: parte do zero. Mostra como textos, imagens e áudios viram vetores, como redes neurais aprendem via retropropagação e como a incerteza é medida com probabilidade e softmax.

Ideal para criar uma base sólida antes de encarar arquiteturas avançadas. 👉 Volume 2 — A Matemática dos Transformers e dos Grandes Modelos de Linguagem: mergulha no núcleo dos LLMs.

Explica a Scaled Dot-Product Attention, o gradiente da cross-entropy, as leis de escala de Kaplan e Chinchilla e o...