Introducción al aprendizaje estadístico con Python

• "Introducción al aprendizaje estadístico" es un libro amplio y no técnico que cubre los temas principales del aprendizaje estadístico.
• Este libro es adecuado para cualquier persona que quiera usar herramientas modernas para el análisis de datos.
• La primera edición, que incluye aplicaciones con R, se publicó en 2013, y la segunda edición se publicó en 2021.
• Este libro ha sido traducido a varios idiomas, entre ellos chino, italiano, japonés, coreano, mongol, ruso y vietnamita.
• La versión del libro en Python, llamada "ISLP", se publicó en 2023.
• Cada capítulo del libro incluye laboratorios que explican los conceptos usando R o Python.
• Los capítulos del libro cubren diversos temas, como regresión, clasificación, métodos de remuestreo, selección y regularización de modelos lineales, métodos basados en árboles, máquinas de vectores de soporte, aprendizaje profundo, análisis de supervivencia, aprendizaje no supervisado y pruebas múltiples.
• El libro fue coescrito por Gareth James, John H. Harland Dean, Daniela Witten, Trevor Hastie y Rob Tibshirani, y en la versión de Python se incorporó Jonathan Taylor.
• El libro puede comprarse en formato impreso y digital, y el archivo PDF puede descargarse gratuitamente.

[GN⁺]

Comentarios en Hacker News

• Este libro parece reflejar que muchas personas muy interesadas en la inteligencia artificial no entienden a fondo los conceptos básicos, como lo muestra su alta proporción de recomendaciones en los comentarios.
• Este libro es una actualización de un texto popular escrito originalmente en R, y es muy recomendable para aprender los aspectos teóricos del aprendizaje automático clásico.
• Se puede descargar legalmente el libro completo en formato PDF.
• Se considera uno de los mejores textos introductorios sobre métodos clásicos de aprendizaje automático para estudiantes con conocimientos básicos de estadística, álgebra lineal y programación.
• Algunos usuarios prefieren otros libros de texto para aprendizaje automático, como los de Bishop o Murphy.
• Una versión anterior de este libro tiene una serie en YouTube que puede verse incluso sin el libro y ofrece perspectivas adicionales.
• La versión en Python de este libro es una gran noticia para quienes no saben R y solo conocen Python. Es un primer libro perfecto para ellos.