Machine Learning Concepts with Python and the Jupyter Notebook Environment

Introducción conceptual y práctica al aprendizaje automático y la inteligencia artificial, centrada en el uso de Jupyter Notebooks como entorno interactivo de experimentación con Python 3 y TensorFlow 2.0. La autora Nikita Silaparasetty diseñó este libro para programadores principiantes e intermedios, educadores y entusiastas tecnológicos que buscan comprender los principios de la IA y el aprendizaje profundo sin perderse en configuraciones complejas de editores tradicionales ni en formalismos matemáticos inaccesibles.

La obra establece una base sólida distinguiendo las áreas de la IA, el Machine Learning (supervisado, no supervisado y por refuerzo) y el Deep Learning, detallando sus características y casos de aplicación. Explica el uso y flujo de trabajo de Jupyter Notebooks para redactar, ejecutar y compartir código interactivo junto con documentación, repasando las estructuras de control y tipos de datos fundamentales en Python. Posteriormente, analiza la evolución de la biblioteca TensorFlow, contrastando los grafos estáticos y sesiones de TensorFlow 1.0 con el modo imperativo (Eager Execution) y las APIs intuitivas de Keras incorporadas en TensorFlow 2.0, ilustrando la creación de tensores, optimizadores y funciones de pérdida.

El aprendizaje se articula mediante cuadernos interactivos y recetas de código donde se ponen en práctica modelos de regresión y clasificación básica implementados con TensorFlow 2.0. El libro destaca por su tono accesible, su excelente glosario terminológico y su foco en la creación de cuadernos reproducibles; sin embargo, no abarca proyectos de software a gran escala, visión computacional compleja, modelos de lenguaje o despliegues en servidores de producción. Es una guía de aterrizaje ideal para quienes dan sus primeros pasos antes de abordar textos avanzados de ingeniería de machine learning.