Grokking Artificial Intelligence Algorithms

Primera edición de la guía visual y conceptual de Rishal Hurbans diseñada para democratizar los fundamentos de la inteligencia artificial y el aprendizaje automático sin recurrir a complejas derivaciones académicas. Publicada por Manning en 2020, la obra explica cada técnica mediante esquemas gráficos intuitivos, pseudocódigo estructurado y ejemplos implementados en Python. Está dirigida a desarrolladores de software, científicos de datos en formación y entusiastas tecnológicos de nivel intermedio que dominan nociones básicas de programación estructurada y matemáticas de nivel escolar secundario.

El texto ofrece un recorrido pedagógico por diez capítulos centrados en algoritmos clásicos y heurísticas avanzadas. Enseña algoritmos de búsqueda ciega e informada (búsqueda en anchura, profundidad, algoritmo A*, minimax y poda alfa-beta), algoritmos bioinspirados como algoritmos genéticos y programación genética para resolución de problemas combinatorios, e inteligencia de enjambre mediante optimización por colonias de hormigas (ACO) y enjambre de partículas (PSO). Asimismo, introduce los fundamentos del aprendizaje automático clásico, redes neuronales artificiales con propagación hacia adelante y retropropagación (backpropagation), y aprendizaje por refuerzo centrado en el algoritmo Q-learning.

A través de ejercicios prácticos, retos conceptuales y simulaciones lógicas, el lector ejercita la resolución de acertijos, navegación en laberintos, optimización del problema del viajante y entrenamiento de agentes en cuadrículas bidimensionales. Destaca notablemente por su habilidad para descomponer conceptos matemáticos intimidantes en diagramas sencillos y transparentes. Al ser la edición original de 2020, deja fuera las arquitecturas de Transformers, LLMs y modelos de difusión generativa que se añadieron en la segunda edición, pero sigue siendo un recurso excepcional para asimilar los pilares atemporales de la algoritmia de IA.