A Série Universitária foi desenvolvida pelo Senac São Paulo com o intuito de preparar profissionais para o mercado de trabalho. Os títulos abrangem diversas áreas, abordando desde conhecimentos teóricos e práticos adequados às exigências profissionais até a formação ética e sólida.

 Aprendizado de máquina  proporciona uma visão abrangente do machine learning, começando pelos conceitos fundamentais e avançando para técnicas práticas e modelos. Inicialmente, explora o que é aprendizado de máquina e as diferenças entre aprendizado supervisionado, não supervisionado e por reforço. Em seguida, aborda a importância da qualidade dos dados e detalha os processos de seleção e extração de características. O livro apresenta modelos clássicos como regressão linear, regressão logística, KNN, modelos baseados em árvores, SVM e diferentes formas de redes neurais. Além disso, discute a avaliação de modelos, cobrindo métricas de desempenho e técnicas de regularização para evitar  overfitting . Por fim, a obra apresenta as principais ferramentas de aprendizado de máquina de maneira contínua, como scikit-learn e TensorFlow, aplicando-as em projetos práticos para consolidar o aprendizado teórico com experiência prática.