from sklearn.preprocessing import StandardScaler scaler = StandardScaler() X_train = scaler.fit_transform(X_train) X_test = scaler.transform(X_test)

Si quieres iniciarte o profundizar en Machine Learning (ML) usando las bibliotecas más potentes y populares de Python, has llegado al lugar indicado. Scikit‑learn, Keras y TensorFlow forman el ecosistema definitivo para construir desde modelos clásicos hasta redes neuronales profundas.

En este artículo te explicamos qué son, cómo aprenderlas paso a paso y dónde descargar los mejores recursos (libros, cursos y código fuente) para dominar el ML en español.

La primera mitad del libro está dedicada a la biblioteca Scikit-Learn (sklearn). Esta es la herramienta estándar para Machine Learning "tradicional" en Python.

“Hands‑On Machine Learning with Scikit‑Learn, Keras & TensorFlow” (Aurélien Géron).
Existe una edición en español llamada “Aprende Machine Learning con Scikit‑learn, Keras y TensorFlow” (Ediciones Anaya / O’Reilly).

🔹 Dónde descargarlo legalmente:

Mientras que Scikit-Learn es excelente para datos tabulares, TensorFlow es el motor para redes neuronales. El libro te guía a través de:

Una de las mayores ventajas de este libro es que explica cómo instalar y configurar TensorFlow, incluso cómo aprovechar la aceleración por GPU, lo cual es vital para entrenar modelos grandes en tiempos razonables.