Los mejores libros para aprender machine learning

Actualmente existen cientos de libros para aprender aprendizaje automático, a veces son tantos que es difícil saber por donde comenzar. Aquí tienes una pequeña lista de los mejores libros para aprender machine learning este 2020.

No hace falta ser un genio para saber que el aprendizaje automático y la ciencia de datos son temas cada vez más candentes. El Deep Learning incluso se promociona como una de las habilidades más críticas de la actualidad.

Dicho esto, el aprendizaje profundo no es algo que se pueda adquirir fácilmente. El Machine Learning consiste en trabajar con un gran volumen de datos. Datos que deben organizarse, analizarse y almacenarse.

Posteriormente, se forman algoritmos para que la máquina pueda reconocer el patrón y predecir el comportamiento futuro sin intervención humana.

Debido a la complejidad de este campo existen muchos libros y guías sobre Machine Learning. Estos están dirigidos no solo a principiantes sino también a profesionales de nivel intermedio o experto. Los autores intentan incluir casos usados, algoritmos exitosos, trucos y atajos efectivos.

Sigue leyendo para que veas los mejores libros para aprender Machine Learning.

El libro de Machine Learning de 100 páginas de Andriy Burkov

Este libro de Andriy Burkov resume varios temas de aprendizaje automático de una manera fácil de comprender. Burkov incluye temas, tanto teóricos como prácticos, que son útiles para los profesionales.

No elimina las ecuaciones matemáticas, que es algo que la mayoría de los escritores hacen para acortar sus libros.

Una cosa a tener en cuenta es que este libro no es para principiantes. Solo las personas que tengan un conocimiento básico de Machine Learning podrán comprender la escritura. Esto se debe a que, en muchos casos, Burkov depende del conocimiento de los lectores y evita definiciones simples.

Curiosamente, este libro se originó a partir de un desafío de LinkedIn. En una de sus publicaciones, Burkov declaró que la literatura de machile learning no necesita tener alrededor de 500-1000 páginas y que si tuviera que escribir un libro, lo limitaría a 100 páginas. Uno de sus seguidores lo desafió a hacerlo y, sorprendentemente, ¡lo hizo!

Deep Learning de Ian Goodfellow, Yoshua Bengio y Aaron Courville

Si bien el libro sugerido anteriormente es uno de los libros más comprimidos sobre Machine Learning, Deep Learning se considera el libro más completo en el campo. También conocida como la Biblia del aprendizaje automático, está escrita por tres autores experimentados, uno de los cuales es considerado el padrino del campo.

Este libro no es para personas que carecen de una base algebraica sólida, ya que incluye temas relevantes en álgebra lineal, probabilidad, cálculo numérico, etc. Incluye técnicas de aprendizaje profundo utilizadas en la industria.

Se discuten en detalle temas difíciles como redes de retroalimentación profunda, regularización y algoritmos de optimización.

Un factor distintivo que tiene Deep Learning es que también ofrece una perspectiva de investigación. Se incluyen títulos importantes como aprendizaje de representación y codificadores automáticos.

Machine Learning práctico con Scikit-Learn y TensorFlow de Aurelien Geron

Uno de los libros más leídos en el campo del aprendizaje automático, el aprendizaje automático práctico es el tipo de literatura que enseña un concepto y luego educa al lector sobre cómo aplicar conceptos en la vida real.

Este libro está escrito con una combinación perfecta de teoría y practicidad. A lo largo del libro, los lectores aprenderán una variedad de técnicas y herramientas, como modelos de clasificación o reducción de dimensionalidad.

Ayuda a construir sistemas inteligentes en marcos de trabajo populares de Python, como Scikit-Learn y TensorFlow.

Aurelien es conocida por su comunicación eficiente y uso efectivo de ideas. Ella disfruta de esa habilidad implementando todos los aprendizajes que el lector ha heredado durante el curso del libro usando ejemplos fáciles de implementar. Esto asegura una comprensión práctica.

Machine Learning para Hackers por Drew Conway y John Myles

A pesar de lo que dice el título, este no es un libro para piratas informáticos. “Hackers” en este contexto significa buenos programadores de software. El libro está dirigido a personas interesadas en el aprendizaje práctico a través de estudios de casos.

El principal objetivo de Conway and Myles es posibilitar el aprendizaje mediante algoritmos en Machine Learning. Los diferentes capítulos del libro se centran en varios temas del campo, como optimización, predicción o recomendación. Los casos de la vida real se utilizan y evalúan mediante los algoritmos utilizados en una situación particular.

Este libro se destaca porque no se inicia con grandes explicaciones basadas en matemáticas. Más bien le enseña cómo escribir algoritmos simples de aprendizaje automático en el lenguaje de programación R.

Machine Learning (en Python y R) para Dummies por John Paul Muelle y Luca Massaron

Hasta ahora, se han recomendado libros que requieren un conocimiento previo de los conceptos básicos del aprendizaje automático. Sin embargo, este libro está escrito específicamente para principiantes.

Escrito por dos científicos de datos experimentados, el libro comienza con conceptos básicos como análisis de datos, minería de datos y cómo formular algoritmos comunes, y continúa con el aprendizaje de cómo codificar en R o Python.

Un hecho interesante sobre esta literatura es que también proporciona consejos de programación, incluido cómo instalar R en plataformas Windows, Linux y macOS.