Libros de Aprendizaje Automático

Desde ML introductorio hasta aprendizaje profundo, métodos probabilísticos y modelos de lenguaje grandes modernos.

El aprendizaje automático ha explotado en importancia en la última década. Estos libros cubren la teoría clásica de ML, aprendizaje profundo, métodos probabilísticos, aprendizaje por refuerzo y el último trabajo sobre modelos de base y LLMs.

Libros de Texto Fundamentales de Aprendizaje Automático

Libros de texto completos que cubren la amplitud del aprendizaje automático.

LibroAutorAñoNivelDescripción
Reconocimiento de Patrones y Aprendizaje Automático
Springer		Christopher M. Bishop2006AvanzadoEl libro de texto de ML bayesiano - tratamiento matemático riguroso que sigue siendo ampliamente utilizado en cursos de posgrado más de 15 años después.
Los Elementos del Aprendizaje Estadístico
2ª Edición, Springer		Trevor Hastie, Robert Tibshirani, Jerome Friedman2009AvanzadoLa referencia definitiva en aprendizaje estadístico por la facultad de estadísticas de Stanford. Cubre regresión, clasificación, árboles, SVMs, boosting y más. Disponible gratuitamente como PDF.
Una Introducción al Aprendizaje Estadístico
2ª Edición, Springer		Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani, Jonathan Taylor2021IntermedioEl 'ESL de nivel de entrada' - introducción accesible con código en R y Python. El mejor punto de partida para ML.
Aprendizaje Automático: Una Perspectiva Probabilística
MIT Press		Kevin P. Murphy2012AvanzadoTratamiento probabilístico unificado de ML. Actualizado en dos volúmenes 2022-2023 como 'Aprendizaje Automático Probabilístico'.

Aprendizaje Profundo

Redes neuronales, arquitecturas de aprendizaje profundo y métodos modernos.

LibroAutorAñoNivelDescripción
Aprendizaje Profundo
MIT Press		Ian Goodfellow, Yoshua Bengio, Aaron Courville2016AvanzadoEl libro de texto definitivo sobre aprendizaje profundo por tres pioneros, disponible gratuitamente en línea. Cobertura completa de teoría y práctica.
Sumérgete en el Aprendizaje Profundo
Cambridge University Press		Aston Zhang, Zachary C. Lipton, Mu Li, Alexander J. Smola2023IntermedioLibro de texto interactivo con código ejecutable en múltiples marcos. Actualizado constantemente.
Aprendizaje Profundo con Python
2ª Edición, Manning		François Chollet2021IntermedioPor el creador de Keras. Introducción práctica con excelente construcción de intuición.

Aprendizaje por Refuerzo

Agentes que aprenden de la interacción con entornos.

LibroAutorAñoNivelDescripción
Aprendizaje por Refuerzo: Una Introducción
2ª Edición, MIT Press		Richard S. Sutton, Andrew G. Barto2018Intermedio-AvanzadoEl libro de texto canónico de RL por los fundadores del campo. PDF disponible gratuitamente.
Aprendizaje por Refuerzo Profundo
Springer		Aske Plaat2022AvanzadoTratamiento moderno de RL profundo con cobertura de métodos al estilo de AlphaGo.
Algoritmos para Aprendizaje por Refuerzo
Morgan and Claypool		Csaba Szepesvari2010AvanzadoTratamiento teórico conciso de los algoritmos de RL.

ML Práctico y Temas Especializados

Aprendizaje automático aplicado y subdominios especializados.

LibroAutorAñoNivelDescripción
Aprendizaje Automático Práctico con Scikit-Learn, Keras y TensorFlow
3ª Edición, O'Reilly		Aurélien Géron2022Principiante-IntermedioEl libro de ML práctico más popular. Cubre scikit-learn, Keras y TensorFlow con excelentes ejemplos de código.
Diseñando Sistemas de Aprendizaje Automático
O'Reilly		Chip Huyen2022IntermedioDiseño de sistemas de ML para producción, incluyendo pipelines de datos, servicio y monitoreo.
Aprendizaje Automático Probabilístico: Una Introducción
MIT Press		Kevin P. Murphy2022AvanzadoEl libro de texto de ML actualizado de Murphy. Disponible gratuitamente como PDF.

Temas Modernos: LLMs, Modelos de Base, Seguridad

Áreas de investigación actuales y ML de producción.

LibroAutorAñoNivelDescripción
Procesamiento del Lenguaje Natural con Transformers
O'Reilly		Lewis Tunstall, Leandro von Werra, Thomas Wolf2022IntermedioGuía práctica de transformers y LLM del equipo de Hugging Face.
Ingeniería de IA: Construyendo Aplicaciones con Modelos de Base
O'Reilly		Chip Huyen2024IntermedioGuía moderna para construir sistemas de producción sobre modelos de base.
Aprendizaje Automático Interpretable
En línea		Christoph Molnar2020IntermedioLibro gratuito sobre interpretabilidad y explicabilidad de ML.