Scikit-Learn y TensorFlow. Aprendizaje automático con Python

Introducción

El libro «Scikit-Learn y TensorFlow. Aprendizaje automático con Python» (título original Hands-On Machine Learning with Scikit-Learn and TensorFlow) es una de las guías más autorizadas y prácticas sobre aprendizaje automático (ML) y aprendizaje profundo (DL) en el lenguaje Python. El autor, Aurélien Géron, ex ingeniero de Google, ha logrado crear un manual que es igualmente útil tanto para principiantes que dan sus primeros pasos en Data Science como para desarrolladores experimentados que desean profundizar sus conocimientos. La tercera edición (2022) está completamente revisada y actualizada para las versiones modernas de las bibliotecas, incluyendo TensorFlow 2.x y Scikit-Learn 1.x.

De qué trata este libro

El libro cubre el ciclo completo de trabajo con datos: desde la definición del problema y el preprocesamiento de datos hasta la construcción, evaluación e implementación de modelos. Todo el material está dividido en dos grandes partes:

• Parte I. Fundamentos del aprendizaje automático — dedicada a los algoritmos clásicos: regresión lineal y logística, SVM, árboles de decisión, métodos de conjunto (Random Forest, Gradient Boosting), agrupamiento (K-Means, DBSCAN) y métodos de reducción de dimensionalidad (PCA). Todos los ejemplos se implementan con la biblioteca Scikit-Learn.
• Parte II. Aprendizaje profundo y redes neuronales — abarca la teoría y la práctica de las redes neuronales: desde el perceptrón simple hasta las redes convolucionales (CNN) y recurrentes (RNN), así como transformadores y redes generativas antagónicas (GAN). La segunda parte está completamente basada en TensorFlow 2.x y Keras.

Se presta especial atención a los aspectos prácticos: trabajo con conjuntos de datos reales, ajuste de hiperparámetros, regularización, aumento de datos e implementación de modelos con TensorFlow Serving y TF Lite.

Para quién es este libro

El libro está dirigido a una amplia audiencia:

• Profesionales principiantes en Data Science — aquellos que ya conocen los fundamentos de Python y desean estudiar el aprendizaje automático de forma sistemática.
• Programadores que se pasan al ML — desarrolladores de Python que quieren aplicar sus habilidades en el campo de la inteligencia artificial.
• Estudiantes de carreras técnicas — para un estudio profundo de la teoría y la práctica del ML.
• Ingenieros de ML experimentados — como libro de referencia y fuente de mejores prácticas, especialmente en la parte de aprendizaje profundo.

Qué aprenderá el lector

Después de leer el libro, podrá:

• Comprender e implementar los principales algoritmos de aprendizaje automático con Scikit-Learn.
• Construir y entrenar redes neuronales de cualquier complejidad utilizando TensorFlow y Keras.
• Evaluar correctamente la calidad de los modelos (cross-validation, métricas, confusion matrix).
• Aplicar métodos de regularización para combatir el sobreajuste.
• Trabajar con imágenes, texto y series temporales.
• Implementar modelos en producción con TensorFlow Serving.
• Utilizar arquitecturas modernas (transformadores, GAN) para resolver problemas complejos.

Puntos fuertes del libro

El libro se destaca entre otros manuales por varias razones:

• Enfoque práctico — cada capítulo contiene ejemplos de código listos para ejecutar que se pueden aplicar inmediatamente a sus propios datos.
• Actualidad — la tercera edición se publicó en 2022 y cubre las últimas versiones de las bibliotecas, incluyendo TensorFlow 2.9 y Scikit-Learn 1.1.
• Estilo de exposición claro — los conceptos complejos se explican con un lenguaje sencillo, con múltiples ilustraciones y analogías.
• Profundidad — el autor no solo muestra cómo llamar a una función, sino que también explica por qué el algoritmo funciona de esa manera, con fundamentos matemáticos.
• Estructuración — construcción lógica del material: de lo simple a lo complejo, con resúmenes claros y ejercicios al final de cada capítulo.

A quién recomendamos