Recetario de Aprendizaje Automático con Python, 2ª Edición

Prefacio

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Cuando se publicó la primera edición de este libro en 2018, llenó un vacío crítico en la creciente riqueza de contenidos sobre aprendizaje automático (ML). Al proporcionar recetas de Python prácticas y bien probadas, permitía a los profesionales copiar y pegar código antes de adaptarlo fácilmente a sus casos de uso. En apenas cinco años, el espacio del ML ha seguido explotando con los avances en el aprendizaje profundo (DL) y los marcos de DL Python asociados.

Ahora, en 2023, se necesita el mismo tipo de contenido práctico que satisfaga las necesidades tanto de los profesionales del ML como de la DL con las últimas bibliotecas de Python. Este libro pretende basarse en el ya existente (y fantástico) trabajo realizado por el autor de la primera edición:

• Actualizar los ejemplos existentes para utilizar las últimas versiones y marcos de Python

• Incorporación de prácticas modernas en fuentes de datos, análisis de datos, ML y DL

• Ampliación del contenido de DL para incluir tensores, redes neuronales y DL para texto y visión en PyTorch

• Llevar nuestros modelos un paso más allá sirviéndolos en una API

Al igual que la primera edición, este libro adopta un enfoque del aprendizaje automático basado en tareas, y cuenta con más de 200 soluciones autónomas (copiar, pegar y ejecutar) para las tareas más comunes con las que se encontrará un científico de datos o un ingeniero de aprendizaje automático que esté construyendo un modelo.

Convenciones utilizadas en este libro

En este libro se utilizan las siguientes convenciones tipográficas:

Cursiva

Indica nuevos términos, URL, direcciones de correo electrónico, nombres de archivo y extensiones de archivo.

Constant width

Se utiliza en los listados de programas, así como dentro de los párrafos para referirse a elementos del programa como nombres de variables o funciones, bases de datos, tipos de datos, variables de entorno, sentencias y palabras clave.

Constant width bold

Muestra comandos u otros textos que deben ser tecleados literalmente por el usuario.

Constant width italic

Muestra el texto que debe sustituirse por valores proporcionados por el usuario o por valores determinados por el contexto.

Utilizar ejemplos de código

Este libro de va acompañado de un repositorio de GitHub que contiene instrucciones para ejecutar un Cuaderno Jupyter en un contenedor Docker con todas las dependencias utilizadas en este libro. Replicando los comandos de este libro en el cuaderno, puedes asegurarte de que los ejemplos de este libro serán completamente reproducibles.

Si tienes una pregunta técnica o un problema al utilizar los ejemplos de código, envía un correo electrónico a [e-mail].

Este libro está aquí para ayudarte a hacer tu trabajo. En general, si se ofrece código de ejemplo con este libro, puedes utilizarlo en tus programas y documentación. No es necesario que te pongas en contacto con nosotros para pedirnos permiso, a menos que estés reproduciendo una parte importante del código. Por ejemplo, escribir un programa que utilice varios trozos de código de este libro no requiere permiso. Vender o distribuir ejemplos de los libros de O'Reilly sí requiere permiso. Responder a una pregunta citando este libro y el código de ejemplo no requiere permiso. Incorporar una cantidad significativa de código de ejemplo de este libro en la documentación de tu producto sí requiere permiso.

Agradecemos la atribución, pero en general no la exigimos. Una atribución suele incluir el título, el autor, la editorial y el ISBN. Por ejemplo: "Machine Learning with Python Cookbook, 2ª ed., por Kyle Gallatin y Chris Albon (O'Reilly). Copyright 2023 Kyle Gallatin, 978-1-098-13572-0".

Si crees que el uso que haces de los ejemplos de código no se ajusta al uso legítimo o al permiso concedido anteriormente, no dudes en ponerte en contacto con nosotros en [e-mail].

Aprendizaje en línea O'Reilly

Nota

Durante más de 40 años, O'Reilly Media ha proporcionado formación tecnológica y empresarial, conocimientos y perspectivas para ayudar a las empresas a alcanzar el éxito.

Nuestra red única de expertos e innovadores comparten sus conocimientos y experiencia a través de libros, artículos y nuestra plataforma de aprendizaje online. La plataforma de aprendizaje en línea de O'Reilly te ofrece acceso bajo demanda a cursos de formación en directo, rutas de aprendizaje en profundidad, entornos de codificación interactivos y una amplia colección de textos y vídeos de O'Reilly y de más de 200 editoriales. Para más información, visita https://oreilly.com.

Cómo contactar con nosotros

Dirige tus comentarios y preguntas sobre este libro a la editorial:

• O'Reilly Media, Inc.
• 1005 Gravenstein Highway Norte
• Sebastopol, CA 95472
• 800-889-8969 (en Estados Unidos o Canadá)
• 707-829-7019 (internacional o local)
• 707-829-0104 (fax)
• [e-mail]
• https://www.oreilly.com/about/contact.html

Tenemos una página web para este libro, donde se enumeran erratas, ejemplos y cualquier información adicional. Puedes acceder a esta página en https://oreil.ly/ml_python_2e.

Para noticias e información sobre nuestros libros y cursos, visita https://oreilly.com.

Encuéntranos en LinkedIn: https://linkedin.com/company/oreilly-media

Síguenos en Twitter: https://twitter.com/oreillymedia

Míranos en YouTube: https://youtube.com/oreillymedia

Agradecimientos

Está claro que la segunda edición de este libro sólo es posible gracias al fantástico contenido, estructura y calidad que el autor original, Chris Albon, expuso en la primera edición. Como primer autor de la segunda edición, no puedo subestimar el grado en que esto facilitó mucho, mucho mi trabajo.

Por supuesto, el espacio del aprendizaje automático también evoluciona rápidamente, y las actualizaciones incluidas en esta segunda edición no se podrían haber escrito sin los atentos comentarios de mis compañeros. En concreto, me gustaría dar las gracias a mis compañeros de trabajo de Etsy Andrea Heyman, María Gómez, Alek Maelstrum y Brian Schmidt por acceder a las peticiones de aportaciones sobre varios capítulos y por dejarse engatusar de mala gana para participar en repentinas sesiones de intercambio de ideas que dieron forma al nuevo contenido añadido a esta edición. También me gustaría dar las gracias a los revisores técnicos -Jigyasa Grover, Matteus Tanha y Ganesh Harke- y a los editores de O'Reilly: Jeff Bleiel, Nicole Butterfield y Clare Laylock. Dicho esto, el número de personas que me han ayudado a mí y a este libro a llegar al lugar en el que está (de una forma u otra) es enorme. Me encantaría dar las gracias a todos los que han formado parte de mi viaje por la ML de una forma u otra y han contribuido a que este libro sea lo que es. Os quiero a todos.