Data Without Labels

Obra práctica de Manning en la que Vaibhav Verdhan se enfoca en resolver uno de los retos más habituales en la industria tecnológica y corporativa: extraer conocimiento y valor a partir de datos no estructurados o carentes de etiquetas manuales mediante aprendizaje no supervisado con Python. Diseñado como un puente entre la teoría matemática y las aplicaciones de negocio (en sectores como banca, comercio electrónico y aviación), el texto está pensado para científicos de datos, analistas cuantitativos e ingenieros de machine learning que ya dominan la sintaxis de Python y la manipulación de datos con pandas, pero necesitan dominar técnicas más allá del aprendizaje supervisado.

El libro enseña a preparar y limpiar datos crudos para luego aplicar técnicas de agrupamiento tanto esenciales como avanzadas: K-Means, Clustering Jerárquico, DBSCAN, modelos de mezclas gaussianas (GMM) y agrupamiento espectral. Aborda la reducción de dimensionalidad con PCA, descomposición en valores singulares (SVD), MDS y t-SNE para la visualización e interpretación de datos masivos. Asimismo, cubre la minería de patrones frecuentes y reglas de asociación con algoritmos aPriori, ECLAT y SPADE, el aprendizaje no supervisado aplicado a texto con procesamiento de lenguaje natural (NLP), y la creación de redes neuronales profundas no supervisadas como autoencoders y Generative Adversarial Networks (GANs), culminando en el empaquetado y puesta en producción de los modelos. En el desarrollo se utilizan Python, scikit-learn, NumPy, pandas, TensorFlow/Keras, Matplotlib y Seaborn.

A lo largo del texto se desarrollan canalizaciones prácticas completas, como la segmentación no supervisada de clientes y la detección de anomalías mediante el error de reconstrucción con autoencoders. Su gran virtud es desmitificar la evaluación en entornos no supervisados (mediante coeficientes como Silhouette o Davies-Bouldin) y estructurar un abanico amplio de soluciones para el 90 % de los datos empresariales que nunca llegan anotados. Deja fuera el preentrenamiento de modelos fundacionales a gran escala y arquitecturas complejas de grafos. Conviene contar con nociones previas de álgebra lineal y familiaridad con el ciclo de vida del aprendizaje supervisado.