Referencia de bolsillo sobre aprendizaje automático

Prefacio

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

El aprendizaje automático y la ciencia de datos son muy populares ahora mismo y son objetivos que evolucionan rápidamente. He trabajado con Python y datos durante la mayor parte de mi carrera y quería tener un libro físico que pudiera proporcionar una referencia para los métodos comunes que he estado utilizando en la industria y enseñando durante talleres para resolver problemas estructurados de aprendizaje automático.

Este libro es lo que creo que es la mejor colección de recursos y ejemplos para atacar una tarea de modelado predictivo si tienes datos estructurados. Hay muchas bibliotecas que realizan una parte de las tareas necesarias y he intentado incorporar las que me han resultado útiles al aplicar estas técnicas en trabajos de consultoría o en la industria.

Muchos pueden lamentar la falta de técnicas de aprendizaje profundo. Ésas podrían ser un libro por sí solas. Yo también prefiero técnicas más sencillas y otros en la industria parecen estar de acuerdo. Aprendizaje profundo para datos no estructurados (vídeo, audio, imágenes), y potentes herramientas como XGBoost para datos estructurados.

Espero que este libro te sirva de referencia útil para resolver problemas acuciantes.

Qué esperar

Este libro ofrece ejemplos detallados de resolución de problemas habituales de datos estructurados. Recorre diversas bibliotecas y modelos, sus ventajas y desventajas, cómo afinarlos y cómo interpretarlos.

Los fragmentos de código están pensados para que puedas utilizarlos y adaptarlos en tus propios proyectos.

A quién va dirigido este libro

Si te estás iniciando en el aprendizaje automático, o llevas años trabajando con él, este libro te servirá de valiosa referencia. Asume algunos conocimientos de Python, y no profundiza en absoluto en la sintaxis, sino que muestra cómo utilizar diversas bibliotecas para resolver problemas del mundo real.

Esto no sustituirá a un curso en profundidad, pero debería servir como referencia de lo que podría abarcar un curso de aprendizaje automático aplicado. (Nota: El autor lo utiliza como referencia para los cursos de análisis de datos y aprendizaje automático que imparte).

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.

Consejo

Este elemento significa un consejo o sugerencia.

Nota

Este elemento significa una nota general.

Advertencia

Este elemento indica una advertencia o precaución.

Utilizar ejemplos de código

El material complementario (ejemplos de código, ejercicios, etc.) está disponible en https://github.com/mattharrison/ml_pocket_reference.

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 un CD-ROM de 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, pero no exigimos, la atribución. Una atribución suele incluir el título, el autor, la editorial y el ISBN. Por ejemplo "Machine Learning Pocket Reference por Matt Harrison (O'Reilly). Copyright 2019 Matt Harrison, 978-1-492-04754-4".

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 casi 40 años, O'Reilly Media ha proporcionado formación, conocimientos y perspectivas sobre tecnología y negocios 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, conferencias 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 http://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
• 800-998-9938 (en Estados Unidos o Canadá)
• 707-829-0515 (internacional o local)
• 707-829-0104 (fax)

Tenemos una página web para este libro, donde se enumeran erratas, ejemplos y cualquier información adicional. Puedes acceder a esta página en http://www.oreilly.com/catalog/9781492047544.

Para hacer comentarios o preguntas técnicas sobre este libro, envía un correo electrónico a [e-mail].

Para más información sobre nuestros libros, cursos, conferencias y noticias, consulta nuestro sitio web en http://www.oreilly.com.

Encuéntranos en Facebook: http://facebook.com/oreilly

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

Míranos en YouTube: http://www.youtube.com/oreillymedia

Agradecimientos

Muchas gracias a mi mujer y a mi familia por su apoyo. Estoy agradecido a la comunidad Python por proporcionar un lenguaje y un conjunto de herramientas maravillosos con los que trabajar. Ha sido un placer trabajar con Nicole Tache, que me ha proporcionado excelentes comentarios. Mis revisores técnicos, Mikio Braun, Natalino Busa y Justin Francis, me mantuvieron honesto. Muchas gracias.