El libro entero recorre desde el perceptrón hasta los transformadores y el aprendizaje por refuerzo. La copia que tengo llega hasta la evaluación de modelos y los conjuntos de modelos, es decir, la parte clásica con scikit-learn. Lo digo al principio porque opinar sobre un libro por su primer tercio es una forma elegante de inventar.
Qué saqué de él
El capítulo de evaluación y ajuste de parámetros es el más útil para alguien que vende, y no por el código. Explica por qué una cifra de acierto puede ser una mentira perfecta cuando las clases están desbalanceadas, que es la situación normal en datos de empresa: el fraude, la mora, la devolución y el defecto son raros por definición. Con un dos por ciento de casos positivos, un modelo que siempre dice que no acierta el noventa y ocho por ciento y no sirve para nada.
De ahí salió una pregunta que hago antes de prometer cualquier cosa con datos históricos: qué proporción tiene la clase que interesa. Si nadie lo sabe, el proyecto empieza por ahí y no por el modelo. Y la cifra que se compromete no es el acierto, es cuántos casos reales se detectan y cuántas falsas alarmas se producen, que son dos cosas que se mueven en contra.
La otra idea que me llevé son las curvas de aprendizaje: sirven para distinguir un modelo que no aprendió de uno que se memorizó los datos. Es la forma más barata de saber si el problema es el modelo o si faltan datos, y ahorra semanas de probar variantes.
Qué dejé fuera
Toda la segunda mitad, que no tengo. Y el capítulo de reducción de dimensiones, que está bien explicado pero resuelve un problema que casi no aparece cuando los datos vienen de un ERP: ahí no sobran variables, faltan, y las que hay están mal capturadas.