El aprendizaje automático y la inteligencia artificial son campos y temas de estudio en crecimiento. Si bien las implementaciones avanzadas de aprendizaje automático de las que escuchamos en las noticias pueden sonar aterradoras e inaccesibles, los conceptos centrales son bastante fáciles de entender. En este artículo, revisaremos algunos de los recursos más populares para principiantes de aprendizaje automático (o cualquier persona que tenga curiosidad por aprender). Algunos de estos libros requerirán familiaridad con algunos lenguajes de codificación y matemáticas, pero nos aseguraremos de mencionarlo cuando ese sea el caso.

1. “Machine Learning For Absolute Beginners: A Plain English Introduction (Second Edition)” de Oliver Theobald

Autor: Oliver Theobald
Sitio web: Amazon

El título lo dice todo, “aprendizaje automático para principiantes desde cero” Si deseas una introducción completa al aprendizaje automático para principiantes, éste podría ser un buen lugar para comenzar. Cuando Theobald dice "principiantes desde cero", es verdad. No se necesitan conocimientos matemáticos, ni experiencia en codificación: ésta es la introducción más básica al tema para cualquier persona interesada en el aprendizaje automático.

Aquí se valora mucho el lenguaje "sencillo" para evitar que los principiantes se sientan abrumados por la jerga técnica. Las explicaciones claras y accesibles, y los ejemplos visuales acompañan a los diversos algoritmos para garantizar que todo sea fácil de seguir. También se hace una introducción a algo de programación simple para poner 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

Ya que hablamos de "principiantes desde cero", la popular serie "Dummies" es otro punto de partida útil. Este libro pretende familiarizar a los lectores con los conceptos y teorías básicos del aprendizaje automático y cómo se aplica al mundo real. Presenta los lenguajes de programación y las herramientas integrales para el aprendizaje automático e ilustra cómo convertir este casi esotérico aprendizaje automático en algo práctico.

El libro introduce un poco de codificación en Python y R que se usa para enseñar a las máquinas a encontrar patrones y analizar resultados. A partir de esas pequeñas tareas y patrones, podemos extrapolar cómo el aprendizaje automático es útil en la vida diaria a través de búsquedas en la web, anuncios de Internet, filtros de correo electrónico, detección de fraudes, etc. Con este libro, puedes dar un pequeño paso en el sector 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

Este libro cubre todos los fundamentos del aprendizaje automático, se adentra en la teoría de la materia y utiliza aplicaciones prácticas, ejemplos de trabajo y estudios de casos para llevar el conocimiento a donde se requiere. "Fundamentals" es una mejor opción para personas con algo de conocimiento de análisis.

Presenta los diferentes enfoques de aprendizaje en el aprendizaje automático y acompaña cada concepto de aprendizaje con algoritmos y modelos, junto con ejemplos prácticos para mostrar los conceptos en la práctica.

4. “Programming Collective Intelligence” de Toby Segaran

Autor: Toby Segaran
Sitio web: O'Reilly | Amazon

Ésta es más una guía práctica de campo para implementar el aprendizaje automático antes que una introducción al aprendizaje automático. En este libro, aprenderás a crear algoritmos de aprendizaje automático para recopilar datos útiles para proyectos específicos. Enseña a los lectores cómo crear programas para acceder a datos desde el sitio web:s, recopilar datos de aplicaciones y descubrir qué significa esa información una vez que la ha recopilado.

“Programming Collective Intelligence” también muestra técnicas de filtrado, métodos para detectar grupos o patrones, algoritmos de motores de búsqueda, formas de hacer predicciones y más. Cada capítulo incluye ejercicios para mostrar las lecciones en aplicación.

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” se usa en el sentido más técnico: programadores que hackean código juntos para objetivos específicos y proyectos prácticos. “Machine Learning for Hackers” también es útil para aquellos que no están bien versados en matemáticas, pero tienen experiencia en programación y codificación de lenguajes. El aprendizaje automático generalmente se basa en muchos cálculos matemáticos, debido a los algoritmos necesarios para analizar los datos, pero muchos programadores experimentados no siempre desarrollan esas habilidades matemáticas.

El libro utiliza estudios de casos prácticos para presentar el material en aplicaciones prácticas del mundo real en lugar de ir en contra de la teoría matemática. Presenta problemas típicos en el aprendizaje automático y cómo resolverlos con el lenguaje de programación R. Desde la comparación de los senadores de EE. UU. en función de sus registros de votación a la creación de un sistema de recomendación sobre a quién seguir en Twitter, hasta la detección de correos electrónicos no deseados en función del texto del correo electrónico, 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” es una guía para orientar a los recién llegados a través de las técnicas necesarias para el aprendizaje automático, así como de los conceptos detrás de las prácticas. Funciona como un tutorial para enseñar a los desarrolladores cómo codificar sus propios programas para adquirir datos para su análisis.

En este libro, aprenderás las técnicas utilizadas en la práctica con un fuerte enfoque en los algoritmos. Los fragmentos de lenguaje de programación presentan códigos y ejemplos de algoritmos para que puedas comenzar y ver cómo avanza el aprendizaje automático. La familiaridad con el lenguaje de programación Python es útil ya que se utiliza 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", los autores se centran en el trabajo técnico del aprendizaje automático y en cómo recopilar los datos que necesitas de técnicas específicas de minería. Entran en los detalles técnicos del aprendizaje automático, enseñan los métodos para obtener datos, y también cómo utilizar diferentes insumos y productos para evaluar los resultados.

Debido a que el aprendizaje automático cambia constantemente, el libro también analiza la modernización y el nuevo software que está dando forma al campo. Las técnicas tradicionales también se presentan junto con nuevas investigaciones y herramientas. De particular interés es el software propio de los autores, Weka, desarrollado para el aprendizaje automático aplicado.

Declinación de responsabilidades: Tableau no respalda oficialmente ni se beneficia de ningún producto, u opinión en él, listado en este artículo y, como tal, esta página no interactúa con ningún programa de enlace de afiliados. Este artículo está destinado exclusivamente para fines educativos y la información anterior sobre productos y publicaciones está disponible para que los lectores puedan tomar decisiones informadas por sí mismos.