Introduction to Machine Learning with Python

Manual introductorio y eminentemente práctico orientado al aprendizaje automático tradicional con Python (cubriendo la versión 3 y el estado del ecosistema científico hacia 2016 con scikit-learn 0.18+), coescrito por Andreas Müller, uno de los desarrolladores principales históricos de la librería. Está diseñado para principiantes en machine learning y practicantes de nivel básico que ya tienen nociones elementales de programación en Python y manejo de datos, pero no disponen de una formación matemática avanzada en cálculo o álgebra lineal.

La obra enseña a aplicar los principales algoritmos de aprendizaje supervisado (k-Nearest Neighbors, regresión lineal, Ridge, Lasso, regresión logística, Naive Bayes, árboles de decisión, Random Forests, Gradient Boosted Decision Trees y Support Vector Machines), técnicas no supervisadas y de reducción de dimensión (PCA, NMF, t-SNE, K-Means, DBSCAN y clustering aglomerativo), métodos de escalado y preprocesamiento con StandardScaler y MinMaxScaler, ingeniería de características con codificación One-Hot y discretización, validación cruzada y búsqueda de hiperparámetros con Grid Search, encadenamiento de flujos de trabajo mediante la clase Pipeline de scikit-learn para evitar la fuga de datos (data leakage), y procesamiento básico de texto con Bag of Words y TF-IDF, apoyándose en NumPy, SciPy, pandas, matplotlib y la librería auxiliar mglearn.

La enseñanza se estructura mediante cuadernos de Jupyter reproducibles aplicados sobre conjuntos de datos clásicos (como la clasificación de flores Iris, diagnóstico tumoral de mama de Wisconsin, Boston Housing y análisis de sentimiento con críticas de cine de IMDb). Su mayor fortaleza radica en transmitir de forma visual e intuitiva la intuición detrás de cada modelo y cómo diagnosticar el sobreajuste (overfitting) o el subajuste (underfitting) sin abrumar con demostraciones algebraicas. Deja fuera el aprendizaje profundo avanzado (las redes neuronales solo se introducen de manera preliminar) y la infraestructura de despliegue en producción, consolidándose como un punto de partida accesible y pedagógico para dominar scikit-learn antes de dar el salto al deep learning.