Em um cenário em que a computação quântica e o aprendizado de máquina figuram entre as fronteiras mais promissoras da ciência contemporânea, Introdução ao Aprendizado de Máquina Quântico oferece ao leitor uma porta de entrada clara, progressiva e conceitualmente sólida para essa área em rápida expansão. O livro parte dos fundamentos das redes neurais clássicas, revisitando arquitetura, treinamento e otimização, e então avança para os conceitos essenciais de computação quântica, circuitos parametrizados e algoritmos quânticos variacionais. A partir dessa base, apresentam-se redes neurais quânticas e modelos híbridos quântico-clássicos, sempre com ênfase em exemplos práticos, implementação computacional e compreensão dos métodos. A obra também explora a quantificação de recursos quânticos, como fidelidade e emaranhamento, mostrando como essas ferramentas se conectam a problemas relevantes da informação quântica. Sem prometer mais do que o campo hoje pode entregar, o texto discute de forma franca o estado da arte, desafios como Barren Plateaus, custo de otimização e os critérios de comparação com modelos clássicos. Dirigido a estudantes, professores e pesquisadores em física e áreas afins, este livro reúne os conceitos e ferramentas necessárias para acompanhar criticamente uma área emergente, interdisciplinar e ainda em plena construção.