Real-World Machine Learning

Guía pragmática escrita por Henrik Brink, Joseph W. Richards y Mark Fetherolf que acerca la práctica real del aprendizaje automático a los desarrolladores de software cotidianos. Publicada por Manning en 2016, está dirigida a programadores e ingenieros de software con conocimientos intermedios de Python que desean integrar modelos predictivos en sus aplicaciones sin necesidad de poseer formación matemática especializada ni experiencia previa en estadística teórica.

El contenido recorre de forma sistemática todas las etapas del flujo de trabajo de datos: adquisición y preprocesamiento de información del mundo real, modelado supervisado de clasificación y regresión, estrategias de validación cruzada y métricas de rendimiento (curvas ROC, precisión, recall, error cuadrático medio). Pone un énfasis extraordinario en la ingeniería de características (feature engineering), tanto en variables tabulares básicas como en representaciones avanzadas de texto no estructurado (técnicas de bolsa de palabras, tokenización y TF-IDF) y descriptores de imágenes, utilizando las librerías fundamentales de Python como pandas, NumPy, scikit-learn y matplotlib.

La segunda mitad del libro se centra en proyectos aplicados con conjuntos de datos auténticos: la predicción de recorridos, tarifas y propinas sobre el volumen masivo de viajes de los taxis de la ciudad de Nueva York, y un clasificador de análisis de sentimientos para reseñas cinematográficas de IMDb. Concluye con un análisis sobre la escalabilidad, flujos en tiempo real y arquitectura de despliegue. Lo más valioso del libro es su enfoque realista sobre la baja calidad habitual de los datos en la industria; por contrapartida, al ser de 2016, no cubre arquitecturas neuronales modernas (deep learning / transformers) ni herramientas de MLOps contemporáneas.