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

Libros relacionados