Prosise escribe para ingenieros: poca demostración y mucho código que corre. Empieza por los modelos clásicos, sigue con redes neuronales, visión por computador, clasificación de texto y audio, y cierra con servicios de nube ya entrenados. Es un libro de taller.
Qué me llevé
El argumento que más uso en propuestas: sobre datos de tabla —los que tiene cualquier ERP: facturas, clientes, movimientos, fechas— un modelo clásico entrenado con esos datos suele ganarle a cualquier cosa que converse, cuesta una fracción y se puede explicar en una reunión. Cuando alguien pide predecir morosidad, rotación o demanda, esa es la respuesta correcta aunque no sea la que esperaba oír.
La segunda: la validación cruzada y la separación honesta entre lo que se usa para entrenar y lo que se usa para juzgar. El error más caro que he visto en proyectos de datos no es elegir mal el modelo, es medirlo con datos que ya conocía. El número sale precioso y no significa nada.
Y la tercera, de encargo: los servicios ya entrenados sirven para lo genérico —leer texto de una imagen, transcribir— y no para lo propio de la empresa. Saber dónde está esa frontera evita cotizar entrenamientos que no hacen falta y prometer resultados genéricos donde hace falta lo específico.
Qué dejé fuera
Todo el último tramo, atado a los servicios cognitivos de un proveedor: esos catálogos cambiaron de nombre y de forma desde entonces. Y hay que reconocer lo que el propio calendario le hizo al libro: salió justo antes de que los modelos de lenguaje reordenaran el campo, así que sus capítulos de texto se leen hoy como una etapa anterior. Lo clásico, en cambio, sigue igual de vigente, y es la parte que casi nadie está leyendo.