24 marzo, 2020
Machine Learning, o aprendizaje automático, es un campo derivado de la Inteligencia Artificial que fusiona la informática con la neurociencia y que consiste, básicamente, en el aprendizaje autónomo de una máquina mediante algoritmos.
Sabemos que esto puede sonar muy sencillo, pero lo cierto es que es un proceso bastante complejo, en el cual las máquinas aprenden a través de diversos patrones de comportamiento que replican las habilidades cognitivas humanas.
Este campo de la inteligencia artificial se inició en los años 60, y desde entonces, no ha dejó de evolucionar hasta lo que es hoy: una de las ciencias que ha despertado el interés global y está siendo aplicado en múltiples empresas.
Ahora bien, debido a su éxito, varios expertos en el área, han decidido embarcarse en la tarea de escribir libros donde enseñan a más profundidad qué es el Machine Learning, libros dirigidos tanto a principiantes como a expertos.
Así que, a continuación, te vamos a recomendar un listado de 12 libros sobre Machine Learning, que no puedes pasar por alto si estás interesado profundizar en esta tan cotizada área:
1. Machine Learning for Dummies de John Paul Mueller y Luca Massaron
Este libro es completamente para principiantes en la materia y realmente representa un punto de partida bastante útil, puesto que, tiene como objetivo principal introducir y familiarizar a los neófitos con los conceptos y teorías básicas, así como también su aplicación en el mundo real.
También, toca otras partes importantes del Machine Learning como los lenguajes de programación que se emplean, así como, las herramientas integrales utilizadas para el aprendizaje automático.
Pero, eso no es todo lo que tiene para ofrecer, ya que, introduce al lector a los primeros pasos de la codificación de Python y R, lenguajes utilizados para enseñar a las máquinas a encontrar patrones para posteriormente analizar los resultados.
A partir de estas tareas y patrones, se puede conocer la utilidad del Machine Learning en el día de día mediante búsquedas online, filtros de correo electrónico, detección de fraudes, entre otros elementos que complementan la cotidianidad.
Así que, si decides embarcarte en esta aventura del aprendizaje automático, esta es una muy buena opción para comenzar.
2. Machine Learning for Absolute Beginners: A plain english introduction de Oliver Theobald
Continuando con los libros dedicados a los principiantes en el área, tenemos esta joya proveniente de la mano de Oliver Theobald, quien, cuando afirma que este libro es para absolutos principiantes, no exagera.
Puesto que, este libro desarrolla el tema en un lenguaje sencillo y de fácil entendimiento para no fatigar al lector principiante con terminología técnica. Además, no es necesario tener conocimientos matemáticos o de código previos.
Por otra parte, las explicaciones vienen acompañadas con ejemplos visuales para asegurar que el aprendiz siga fácilmente el ritmo de estudio.
3. Machine Learning in Action de Peter Harrington
Este libro se considera más como una guía de orientación para quienes recién estén iniciando en este fascinante mundo, puesto que, enseña las técnicas necesarias y los conceptos básicos detrás del aprendizaje automático con énfasis en los algoritmos.
Además, funge como tutorial para programadores, ya que, los guía para aprender a codificar sus propios programas para la obtención de datos mediante el lenguaje de programación Python.
4. Machine Learning for Hackers de Drew Conway y John Myles White
Si tienes experiencia en programación y codificación de lenguajes, pero, no eres muy diestro con las matemáticas, este libro es para ti, puesto que, reúne diferentes casos prácticos en los que no se emplearon habilidades matemáticas.
Sabemos que el Machine Learning se basa en una gran cantidad de cálculos matemáticos, a causa de los algoritmos que se emplean para el análisis de datos, pero, muchos programadores experimentados no desarrollan estos cálculos.
Ahora bien, el libro destaca principalmente por presentar los problemas más comunes que ocurren en el desarrollo del aprendizaje automático y cómo resolverlos mediante la implementación del lenguaje de programación R.
5. Fundamentals of machine learning for predictive data analytics de John D. Kelleher, Brian Mac Namee y Aoife D’Arcy.
Algoritmos, ejemplos de trabajo y casos de estudio
Si ya pasaste la etapa de principiante en el Machine Learning, es momento de ascender un escalón y lo mejor es hacerlo con este libro.
Tal como indica su nombre su premisa ‘’Fundamentals’’, este libro abarca todos los principios del aprendizaje automático y busca profundizar en la teoría, mediante la aplicación de prácticas, ejemplos y casos de estudios.
Además, expone todos los diversos enfoques que tiene el Machine Learning, así como cada concepto de aprendizaje con algoritmos y modelos, acompañados de ejemplos prácticos que reflejan los conceptos.
6. Predictive anlytics: the power to predict who will click, buy, lie or die de Eric Siegel
El poder de predecir quien hará click, comprará, mentirá o morirá
El autor y fundador de Predictive Analytics World conference series, Eric Siegel, nos presenta los resultados del análisis del funcionamiento del Machine Learning y cómo impacta de diversas maneras a las personas en la cotidianidad.
Este libro se enfoca netamente en casos de estudio conseguidos a través de la implementación de las últimas técnicas en el área.
Por otra parte, el autor ofrece una perspectiva única del machine learning y de la importancia de la predicción para el mundo empresarial para saber identificar como el comportamiento de los consumidores.
7. Understanding machine learning from theory to algorithms de Shai Shalev-Shwartz y Shai Ben-David
De la teoría a los algoritmos
Como bien sabemos el aprendizaje automático es una de las áreas más renombradas e importantes en esta era tecnológica, por tanto, aprenderlo y dominarlo es primordial.
Si ese es tu deseo, entonces, debes leer este libro, en el cual los autores, detallan muy bien, el cómo y el porqué de los algoritmos que se encuentran detrás de esta maravillosa ciencia, pero, con un lenguaje sencillo para un fácil entendimiento.
8. Machine Learning: A guide to current research de los editores Tom M. Mitchell, Jaime G. Carbonell y Ryszard S. Michalski
La forma en que este libro aborda el Machine Learning es muy interesante y diferente a lo presentado a lo largo de este artículo, puesto que, este libro es una recopilación de 77 artículos de investigación sobre el aprendizaje automático.
Estos artículos son un vistazo mucho más profundo pero resumido a todos los campos que abarca el Machine Learning.
Su objetivo principal es facilitar los conceptos al lector para que este se pueda crear una visión propia del Machine Learning, a través de la expertis y los puntos de vista de los autores que desarrollaron los trabajos de investigación contemplados en el libro.
9. Machine Learning Control: taming non linear dynamics and turbulence de Thomas Duriez, Steven L. Brunton y Bernd R. Noack
Domando las dinámicas no lineales y la turbulencia
Este libro es uno de los primeros que se ha enfocado en una estrategia de control concreta aplicable a la turbulencia y otros sistemas no lineales basándose en el Machine Learning.
Al hojear el libro destaca en primera instancia un breve reconocimiento general al tema. Posteriormente guía al lector a una verificación de diversos métodos aplicables en la teoría del control lineal.
El aprendizaje se complementa mediante ejercicios y material audiovisual que se encuentra al termino de cada capítulo.
Una de las cosas más interesantes es que incluye testimonios de reconocidos expertos en el área de control de turbulencia y machine learning.
10. Machine Learning: A probabilistic perspective de Kevin P. Murphy
Una perspectiva probabilística
El foco principal de este libro es introducirte al mundo del Machine Learning, a través de un punto de vista enfocado más al campo probabilístico, mediante los procesos y métodos automatizados para el análisis y tratamiento de los datos.
Por supuesto, para comprender de manera eficaz este libro, es importante, que tengas un conocimiento previo en la materia.
11. Programming collective intelligence de Toby Segaran
Construyendo aplicaciones web 2.0 inteligentes
Más que ser un libro, este recopilado de páginas es una guía práctica, la cual te enseña a implementar directamente el aprendizaje automático. A través de la creación de algoritmos recopila datos relevantes para proyectos específicos.
También, enseña cómo desarrollar programas que puedan acceder a la data desde un sitio web. Además enseña cómo obtener datos de aplicaciones para posteriormente investigarla y encontrar su significado.
12. Data Mining: practical machine learning tools and techniques de Ian H. Witten, Eibe Frank y Mark A. Hall
Herramientas y técnicas prácticas de Machine Learning
Este libro se enfoca en el trabajo técnico del Machine Learning y en cómo recopilar datos mediante técnicas que se emplean en el Data Mining.
También, puedes aprender a utilizar los diversos insumos y productos para evaluar los resultados.
Esta recopilación de 12 libros te ayudará a comprender mucho mejor el Machine Learning y cómo aplicar diversas técnicas para su óptima implementación.
En caso de que no estés familiarizado con el tema, puedes hojear los libros para principiantes y poco a poco ir escalando hasta convertirte en un experto del aprendizaje automático.
Deja una respuesta