Machine Learning for Hackers

Obra introductoria y metodológica que enseña aprendizaje automático a través de estudios de caso concretos y resolución de problemas prácticos guiados por código, dirigida a quienes adoptan una mentalidad de hacker o artesano del software. Publicada a inicios de 2012 por Drew Conway y John Myles White, utiliza como base el lenguaje estadístico R (versión 2.14 / 2.x) y está pensada para desarrolladores y analistas de datos principiantes o intermedios que buscan aprender algoritmos de machine learning mediante la experimentación directa en lugar de partir de demostraciones matemáticas rigurosas.

El recorrido abarca la manipulación de datos y visualización estadística con librerías como ggplot2 y plyr, clasificación probabilística con Naive Bayes, modelos de regresión lineal simple y múltiple, técnicas de regularización (Ridge y Lasso con el paquete glmnet), algoritmos de optimización estocástica (método de Monte Carlo por cadenas de Markov mediante el algoritmo Metropolis-Hastings), reducción de dimensiones con Análisis de Componentes Principales (PCA) y Escalamiento Multidimensional (MDS), sistemas de recomendación con el algoritmo k-Nearest Neighbors (k-NN) a través del paquete class, análisis de redes sociales y detección de comunidades con igraph, y validación cruzada y comparación de modelos con matrices de confusión y curvas ROC.

Cada capítulo desarrolla un proyecto temático completo con datos reales: un clasificador de correo no deseado con SpamAssassin, un organizador de bandeja de entrada prioritaria, un predictor de tráfico web sobre las páginas más visitadas de internet, un descifrador de códigos criptográficos por sustitución, un índice bursátil sintético con PCA, un mapa de proximidad ideológica de senadores estadounidenses mediante MDS, un motor de recomendación de cuentas de Twitter con k-NN y el análisis estructural de comunidades en redes sociales. El libro destaca por su creatividad pedagógica y su capacidad para desmitificar algoritmos complejos con ejemplos lúdicos e intuitivos; no obstante, el código utiliza convenciones de R anteriores al ecosistema moderno de tidyverse, carece de cobertura de deep learning y ciertas fuentes de datos o APIs de la época ya no están vigentes.