El aprendizaje automático y la inteligencia artificial son campos y temas de estudio en auge. Aunque las implementaciones avanzadas del aprendizaje automático que comentan en las noticias pueden sonar aterradoras e inaccesibles, en realidad, los conceptos fundamentales son bastante fáciles de comprender. En este artículo, analizaremos algunos de los recursos más populares sobre aprendizaje automático para principiantes (o para todos los que tengan curiosidad y quieran aprender). Es posible que, para leer algunos de estos libros, se requieran ciertos conocimientos sobre lenguajes de programación y matemáticas. Cuando sea el caso, haremos la aclaración correspondiente.
1. “Machine Learning For Absolute Beginners: A Plain English Introduction (Second Edition)”, de Oliver Theobald
Autor: Oliver Theobald
Sitio web: Amazon
El título de este libro, que solo está disponible en inglés, “Aprendizaje automático para los más principiantes”, habla por sí mismo, ¿no? Si está buscando una introducción completa al aprendizaje automático para principiantes, esta es una buena opción para empezar. Cuando Theobald dice “los más principiantes” no está exagerando. No se necesita tener conocimientos sobre matemáticas ni programación; se trata de la introducción más básica del tema para cualquier persona interesada en el aprendizaje automático.
Se valora mucho el uso de lenguaje “sencillo” para evitar que los principiantes se sientan abrumados por la jerga técnica. Se incluyen ejemplos visuales y explicaciones claras y accesibles con los distintos algoritmos para garantizar que el contenido sea fácil de entender. Además, se describe de manera simple la programación para colocar el aprendizaje automático en contexto.
2. “Machine Learning For Dummies”, de John Paul Mueller y Luca Massaron
Autores: John Paul Mueller y Luca Massaron
Sitio web: Amazon
Y para seguir con “los más principiantes”, la serie popular “Dummies” es otra buena opción para empezar a conocer el tema. El objetivo del libro, que solo está disponible en inglés, es familiarizar a los lectores con las teorías y los conceptos básicos del aprendizaje automático y cómo este se aplica al mundo real. En él se presentan los lenguajes de programación y las herramientas fundamentales del aprendizaje automático y se explica cómo hacer para que pase de ser algo esotérico a algo práctico.
También se incluye una parte de código en Python y R, que se emplea para enseñarles a las máquinas a encontrar patrones y analizar resultados. A partir de esas pequeñas tareas y patrones, se puede extrapolar la utilidad del aprendizaje automático en aspectos de la vida diaria, como búsquedas web, anuncios de Internet, filtros de correo electrónico, detección de fraude y mucho más. Con este libro, puede dar el primer paso en el campo del aprendizaje automático.
3. “Fundamentals of Machine Learning for Predictive Data Analytics: Algorithms, Worked Examples, and Case Studies”, de John D. Kelleher, Brian Mac Namee y Aoife D'Arcy
Autores: John D. Kelleher, Brian Mac Namee y Aoife D'Arcy
Sitio web: Amazon
En este libro, que solo está disponible en inglés, se describen todos los aspectos fundamentales del aprendizaje automático. Asimismo, se profundiza en la teoría del tema y se incluyen aplicaciones y ejemplos prácticos, además de casos prácticos para afianzar los conocimientos. “Fundamentals” es ideal para personas que poseen algunos conocimientos de análisis.
En él se presentan distintos enfoques del aprendizaje automático, cada de ellos acompañado por algoritmos y modelos, así como con ejemplos prácticos para ilustrar los conceptos.
4. “Programming Collective Intelligence”, Toby Segaran
Autor: Toby Segaran
Sitio web: O'Reilly | Amazon
Este es libro, que solo está disponible en inglés, es más una guía práctica para implementar el aprendizaje automático, en lugar de una introducción al tema. En él obtendrá información sobre cómo crear algoritmos en el aprendizaje automático a fin de recopilar datos útiles para proyectos específicos. Los lectores, además, aprenderán a desarrollar programas para acceder a los datos de sitios web, recopilar datos de aplicaciones y descubrir qué significan después de haberlos recopilado.
“Programming Collective Intelligence” también describe técnicas de filtrado, métodos para detectar grupos o patrones, algoritmos de motores de búsqueda, formas de hacer predicciones y mucho más. En cada capítulo se incluyen ejercicios para mostrar la aplicación de las lecciones.
5. “Machine Learning for Hackers”, de Drew Conway y John Myles White
Autores: Drew Conway y John Myles White
Sitio web: O’Reilly | Amazon
Aquí, la palabra “hackers” (piratas) se usa más en el sentido técnico: programadores que descifran código juntos para lograr objetivos específicos y completar proyectos prácticos. Para aquellas personas con pocos conocimientos matemáticos pero con experiencia en programación y lenguajes de programación, “Machine Learning for Hackers” es la opción ideal. El aprendizaje automático suele basarse en mucha matemática, debido a los algoritmos necesarios para analizar datos. Sin embargo, muchos programadores con experiencia no siempre cuentan con esos conocimientos matemáticos.
En este libro se usan casos prácticos para presentar el material en aplicaciones del mundo real, en lugar de centrarse en la teoría matemática. Además, se describen problemas típicos del aprendizaje automático y las formas de resolverlos con el lenguaje de programación R. Desde la comparación de senadores de los Estados Unidos y sus registros de voto hasta el desarrollo de un sistema de recomendación para ver a quién seguir en Twitter y la detección de correos electrónicos no deseados en función del texto del mensaje, las aplicaciones del aprendizaje automático son infinitas.
6. “Machine Learning in Action”, de Peter Harrington
Autor: Peter Harrington
Sitio web: Amazon
“Machine Learning in Action” (solo disponible en inglés) es una guía para presentar a los nuevos adeptos las técnicas necesarias para el aprendizaje automático, además de los conceptos que respaldan esas prácticas. Sirve como un tutorial para que los programadores aprendan a desarrollar sus propios programas y, así, puedan adquirir datos para analizar.
En este libro conocerá las técnicas utilizadas en la práctica con un enfoque marcado en los algoritmos en sí. Los fragmentos sobre lenguajes de programación incluyen ejemplos de código y algoritmos para que sepa dónde comenzar y pueda ver cómo estos hacen avanzar el aprendizaje automático. Los conocimientos del lenguaje de programación Python son útiles, ya que se usa en la mayoría de los ejemplos.
7. “Data Mining: Practical Machine Learning Tools and Techniques”, de Ian H. Witten, Eibe Frank y Mark A. Hall
Autores: Ian H. Witten, Eibe Frank y Mark A. Hall
Sitio web: Amazon
En “Data Mining” (solo disponible en inglés), los autores se enfocan en el aspecto técnico del aprendizaje automático y en cómo recopilar los datos que necesita mediante técnicas de minería específicas. Asimismo, incluyen detalles técnicos sobre el aprendizaje automático, describen métodos para obtener datos y también explican cómo usar distintas entradas y salidas para evaluar resultados.
Debido a que el aprendizaje automático está en constante evolución, también se analizan en el libro la modernización y el software nuevo que definen este campo. Junto con las herramientas e investigaciones más novedosas, se presentan también las técnicas tradicionales. Vale la pena destacar el software propio de los autores, llamado Weka, desarrollado para el aprendizaje automático aplicado.
Aviso de declinación de responsabilidades: Tableau no recibe beneficios por ningún producto ni se responsabiliza de ningún producto u opinión que se incluya en este artículo; por consiguiente, esta página no tiene ningún tipo de relación con ninguno de los programas de vínculos afiliados. El objetivo de este artículo es puramente para fines educativos; asimismo, la información detallada arriba acerca de productos y publicaciones se incluye para que los lectores puedan tomar decisiones informadas por su cuenta.