Objetivo
Crear un recurso gratuito y accesible en español que explique machine learning desde sus fundamentos matemáticos hasta la implementación de algoritmos. El mercado hispanohablante carece de un libro abierto que combine rigor matemático con código práctico.
Contenido
El libro está construido con Quarto y se estructura en tres bloques:
Conceptos iniciales — Qué es machine learning, tipos de aprendizaje (supervisado, no supervisado, por refuerzo) y vocabulario esencial.
Fundamentos matemáticos — El bloque más extenso, dividido en tres pilares:
- Álgebra lineal: sistemas de ecuaciones, transformaciones lineales, matrices identidad e inversa, determinantes, autovalores y autovectores
- Cálculo: derivadas, regla de la cadena, derivadas parciales, optimización y descenso de gradiente
- Estadística: teorema de Bayes, distribuciones de probabilidad, intervalos de confianza, test de hipótesis y análisis bivariante
Algoritmos clásicos — Regresión lineal (ecuación normal, descenso de gradiente, scikit-learn), regresión logística (función sigmoide, frontera de decisión) y detección de anomalías.
Tecnología
- Quarto como generador estático con renderizado de LaTeX vía MathJax 3
- Python (Jupyter) con
freeze: truepara pre-computar resultados - Matplotlib y Seaborn para visualizaciones en SVG
- Cloudflare Pages para hosting en ml.santilopezpavon.com
- CSS personalizado con soporte dark mode y diseño responsivo
Estado actual
19 capítulos publicados. El libro está en construcción: faltan capítulos de árboles de decisión, KNN, clustering y redes neuronales. Cada capítulo incluye código ejecutable, fórmulas derivadas paso a paso y analogías del mundo real.