
Hands-On AI Development with Python
Vivian Aranha
- Editorial
- Packt
- Año
- 2026
- Páginas
- ~314
- Nivel
- Intermedio
De qué trata
Manual eminentemente práctico en el que Vivian Aranha conduce al lector a través de la construcción integral de aplicaciones de inteligencia artificial, machine learning y procesamiento del lenguaje natural desde cero hasta su despliegue web. La obra está orientada a desarrolladores principiantes en el campo de la IA, analistas técnicos y estudiantes que dominan la sintaxis básica de Python y desean adquirir habilidades aplicadas para crear un portafolio sólido de proyectos ejecutables.
El contenido introduce el ecosistema científico de Python, comenzando con la manipulación y limpieza de datasets con NumPy y pandas, junto al análisis exploratorio y visualización de datos mediante Matplotlib y Seaborn. A continuación, explica la formulación de modelos predictivos y clasificadores supervisados (regresión lineal, regresión logística, árboles de decisión) con scikit-learn, cubriendo ingeniería de variables y métricas de evaluación (precisión, recall, puntuación F1 y matrices de confusión). Progresa hacia los fundamentos de redes neuronales artificiales y técnicas de NLP orientadas a la minería de texto (tokenización, TF-IDF y análisis de sentimientos), concluyendo con el empaquetado de modelos y su exposición como aplicaciones web interactivas mediante Flask y Streamlit.
Se construyen proyectos reales orientados a portafolio, como un analizador de sentimientos sobre reseñas de texto, un filtro detector de spam para correo electrónico y una aplicación web interactiva que expone un modelo predictivo para consultas de usuarios en vivo. El gran valor del texto es su carácter directo y pragmático: prioriza el flujo de trabajo end-to-end por encima de demostraciones matemáticas densas. Deja fuera temas avanzados como el entrenamiento de LLMs desde cero o el despliegue en Kubernetes, siendo una lectura recomendada como primer paso antes de abordar el MLOps profesional.
- Python
- NumPy
- Pandas
- Matplotlib
- Seaborn
- Scikit-Learn
- Machine Learning
- Deep Learning
- Procesamiento del Lenguaje Natural
- Streamlit
- Flask
- Análisis de sentimientos
¿Cómo enseña?
Con proyectos
- ✗ Sin ejercicios
- ✓ Incluye proyectos
Proyectos
Clasificador de análisis de sentimiento para reseñas
Pipeline de NLP que procesa comentarios textuales, extrae características numéricas mediante TF-IDF y clasifica opiniones de usuarios en categorías positivas o negativas.
Detector predictivo de correo spam
Sistema de clasificación supervisada con scikit-learn que limpia cadenas de correo, extrae patrones sintácticos y predice si un mensaje es legítimo o fraudulento.
Aplicación web interactiva para consumo de modelos
Interfaz interactiva desarrollada en Streamlit y respaldada por Flask para permitir a usuarios finales introducir datos y obtener predicciones en tiempo real.

