Aprendizado de M\u00e1quina Cient\u00edfico (AMC) \u00e9 uma \u00e1rea de pesquisa emergente que aplica t\u00e9cnicas de aprendizado de m\u00e1quina para resolver problemas de computa\u00e7\u00e3o cient\u00edfica como a resolu\u00e7\u00e3o num\u00e9rica de equa\u00e7\u00f5es diferenciais parciais. Nessa palestra, apresentaremos as principais t\u00e9cnicas de AMC e discutiremos como elas podem ser aplicadas n\u00e3o apenas em problemas de an\u00e1lise num\u00e9rica, mas tamb\u00e9m para aprendizado estat\u00edstico baseado em informa\u00e7\u00e3o a priori. Em particular, introduziremos as redes neurais fisicamente informadas que, diferentemente das redes neurais profundas tradicionais, oferecem maior interpretabilidade e podem ser verificadas e validadas para aplica\u00e7\u00e3o em dom\u00ednios cr\u00edticos. Al\u00e9m disso, apresentaremos exemplos de como o AMC pode ser aplicado em epidemiologia para a previs\u00e3o do espalhamento de doen\u00e7as. Esperamos com essa palestra demonstrar a relev\u00e2ncia das emergentes t\u00e9cnicas de AMC para uma forma\u00e7\u00e3o moderna em Matem\u00e1tica Aplicada, Estat\u00edstica e Ci\u00eancias da Computa\u00e7\u00e3o.<\/p>\n\n\n\n