¿Quieres aprender machine learning y no sabes por dónde empezar? Estas son 3 cosas con las que puedes iniciar de una vez, y gratis.

La primera es entender qué es un modelo. Es un programa que no sigue reglas que tú escribes, sino que aprende de ejemplos. Y para probarlo no necesitas instalar nada complicado. Existe Google Colab, un notebook en el navegador donde escribes Python y ejecutas el código al momento. Ahí puedes usar bibliotecas como scikit-learn, la más usada para aprender machine learning clásico. ¿Y los datos? scikit-learn ya trae conjuntos de ejemplo para practicar. Y si quieres más, en Kaggle o en Hugging Face Datasets descargas gratis miles de conjuntos de datos reales, desde precios de casas hasta reseñas de películas. Los cargas, usas las funciones de la biblioteca para entrenar el modelo y empiezas a pedirle respuestas.

Pero los datos reales nunca vienen así de limpios, y ahí entra la segunda: prepararlos. Aquí se va la mayor parte del trabajo. Para eso está pandas, una biblioteca para trabajar con tablas: lees un archivo CSV, quitas las filas vacías y creas columnas nuevas. No es la única: Polars hace lo mismo y es más rápida con archivos grandes. Y si prefieres SQL, está DuckDB, con la que consultas ese mismo CSV con SQL, directo desde Python, sin montar una base de datos. Al final tienes datos limpios y ordenados, y eso es lo que permite que tu modelo aprenda bien.

La tercera es llevarlo a una aplicación real. Un modelo que solo vive en tu notebook no le sirve a nadie. Así que lo guardas en un archivo con joblib y lo envuelves en una API con FastAPI, para que tu app le mande datos y reciba una respuesta. Y para no perderte entre versiones, MLflow registra cada entrenamiento con sus resultados, así sabes cuál funciona mejor.

Con eso ya tienes un proyecto funcionando. Después puedes subir la complejidad con PyTorch, tus propias redes neuronales y los LLM. Pero empezar por aquí te ahorra mucho tiempo perdido y te lleva directo a lo práctico.

Eso sí, dale siempre una revisión a las matemáticas. En un próximo video te cuento más de ese tema.