Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow
El libro práctico de ML más popular de la última década: teoría justa, mucho código real.
ÁreaMachine Learning General
TemaMachine Learning
NivelIntermedio
Publicación2017 (3ª ED. 2022)
Autor(es): Aurélien Géron
¿Qué puedes lograr leyendo este libro?
- Implementar de punta a punta modelos clásicos de ML y redes neuronales profundas
- Construir pipelines completos de scikit-learn, desde limpieza hasta despliegue
- Aprender los fundamentos de TensorFlow/Keras con proyectos guiados y código ejecutable
Descripción
Probablemente el libro de ML más recomendado de los últimos años por su equilibrio entre teoría suficiente y una cantidad enorme de código práctico: cubre desde regresión y árboles hasta CNNs, RNNs y Transformers, todo con notebooks ejecutables y ejemplos de proyectos reales.
Para quién es ideal
- Quien aprende mejor haciendo que leyendo teoría pura
- Primer libro de ML aplicado tras completar las bases de Python y estadística
- Preparación práctica orientada a conseguir un trabajo en ciencia de datos
- Referencia de código constante durante proyectos personales o profesionales
Contenido destacado
- El panorama del machine learning y flujo de trabajo end-to-end
- Modelos clásicos con scikit-learn (regresión, SVM, árboles, ensambles)
- Redes neuronales y deep learning con Keras/TensorFlow
- CNNs, RNNs y arquitecturas Transformer
- Entrenamiento a gran escala y despliegue de modelos
Ventajas y limitaciones
Ventajas
- Extremadamente práctico, con código ejecutable y actualizado en cada edición
- Cubre tanto ML clásico como deep learning en un solo volumen
- Uno de los libros de ML más recomendados por practicantes de la industria
Limitaciones
- La profundidad matemática es intencionalmente ligera comparada con ISL o ESL
- El volumen de contenido puede sentirse abrumador como primer libro técnico