📖 Pauta derivada de cinco libros referentes — ver § Fuentes y pauta para qué aporta cada uno.
🧭 Índice navegable completo: classes/README.md
Cuando decimos que el currículo está derivado de estas fuentes, queremos decir que cada parte del temario se construyó tomando explícitamente la secuencia, los énfasis y las decisiones pedagógicas de uno o más de estos libros. No se copia contenido — se respetan sus criterios técnicos y se adaptan a notebooks, datasets y ejercicios propios.
| 📘 Libro / autor | Aporte concreto al currículo |
|---|---|
| 🧠 Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow — Aurélien Géron (3ª ed., O'Reilly 2022) | Espina dorsal del programa. Define la secuencia de Parte 1 (ML clásico) y Parte 2 (Deep Learning): regresión → clasificación → ensembles → reducción dimensional → clustering → MLP → CNN → RNN → transformers → RL → despliegue. Es la referencia más práctica del mercado. |
| 📊 Python Data Science Handbook — Jake VanderPlas (O'Reilly, 2ª ed.) | Cubre la Parte 0 (Prerrequisitos): NumPy, pandas, matplotlib, ML clásico introductorio. Su tratamiento de pandas y visualización es el estándar tácito de la comunidad Python para análisis de datos. |
| 🏭 Designing Machine Learning Systems — Chip Huyen (O'Reilly 2022) | Define la Parte 4 (MLOps) y la mentalidad de "ML como sistema de producción": ciclo de vida real, monitoreo, deriva de datos, fairness, observabilidad. Cierra la brecha entre notebook y servicio en vivo. |
| 📈 An Introduction to Statistical Learning, Python edition (ISLP) — James, Witten, Hastie, Tibshirani (Springer 2023) | Refuerza la Parte 3 (Estadística inferencial) y aporta rigor matemático a la Parte 1. Es el manual estándar para entender por qué los modelos funcionan, no sólo cómo entrenarlos. |
| ⚖️ Fairness and Machine Learning — Solon Barocas, Moritz Hardt, Arvind Narayanan (MIT Press 2023) | Funda la Parte 7 (Ética, fairness, privacidad). Plantea el problema de sesgo algorítmico no como anexo moral sino como decisión técnica con métricas, definiciones formales y trade-offs documentables. |
🎯 La cobertura de las Partes 5 (Ingeniería de datos) y 6 (Recomendadores) se apoya en buenas prácticas comunitarias y documentación oficial de cada herramienta (Spark, Airflow, Surprise, scikit-learn). La Parte 8 (Capstones) integra todo lo anterior y suma fuentes específicas: Huyen (DML Systems), Hyndman & Athanasopoulos (Forecasting Principles & Practice 3ª ed.), timm/Lightning/Albumentations, MkDocs Material/Quarto.
Llevar a una persona desde cero programación hasta nivel data scientist / ML engineer empleable en 2026, con cobertura honesta de:
- Python aplicado a datos (no Python académico)
- Manipulación, SQL, NoSQL, ingesta y escala
- Estadística descriptiva e inferencial, A/B testing, inferencia causal
- Machine Learning clásico completo (sklearn + ensembles modernos)
- Deep Learning end-to-end (Keras + PyTorch + transformers + RAG + difusión)
- MLOps real (Docker, CI/CD, MLflow, monitoreo, fairness)
- Ingeniería de datos mínima (Spark, Airflow, lakehouses)
- Sistemas de recomendación
- Ética, privacidad y reproducibilidad
- Tres capstones públicos en GitHub
Sin requisitos formales. Una persona con cero programación entra por la Parte 0. Una persona con experiencia previa puede saltarse partes específicas validándose contra el README.md de cada clase.
Capaz de:
- tomar un dataset desconocido, hacer EDA, decidir un modelo, entrenarlo, evaluarlo y desplegarlo;
- defender decisiones de modelado con vocabulario estadístico riguroso;
- operar el ciclo de vida completo MLOps (versionado, CI/CD, monitoreo);
- construir un portafolio público que cualquier reclutador técnico pueda inspeccionar;
- trabajar dentro de equipos de datos sin retraining adicional.
| Parte | Tema | Clases | Carpeta |
|---|---|---|---|
| 0 | Prerrequisitos: Python + NumPy + pandas + Polars + Parquet/Arrow/DuckDB + viz + SQL + NoSQL + APIs + async | 49 | parte-0-prerrequisitos/ |
| 1 | Machine Learning clásico | 50 | parte-1-machine-learning-clasico/ |
| 2 | Deep Learning (Keras, PyTorch+Lightning, CNN, transformers, LLMs, multimodal, MCP/agentes, RL, despliegue) | 75 | parte-2-deep-learning/ |
| 3 | Estadística inferencial y causal | 19 | parte-3-estadistica-inferencial/ |
| 4 | MLOps en producción | 14 | parte-4-mlops/ |
| 5 | Ingeniería de datos | 8 | parte-5-ingenieria-de-datos/ |
| 6 | Sistemas de recomendación | 7 | parte-6-sistemas-de-recomendacion/ |
| 7 | Ética, fairness, privacidad | 6 | parte-7-etica-fairness-privacidad/ |
| 8 | Capstones | 4 | parte-8-capstones/ |
| Total | 232 |
| Componente | Estado |
|---|---|
| Estructura de carpetas (232) | ✅ creada |
| README por clase | 🎓 232/232 completos y modernizados (v3.11.0 · 100%) |
notebook.ipynb por clase |
🎓 232/232 ejecutables · cobertura 100% real (v3.11.0) — todas las clases corren en el laboratorio con kernel Jupyter real |
| Contenido pedagógico real | 🎓 232 READMEs · 232 notebooks ejecutables · 100% real (v3.11.0) |
| Definiciones + Errores comunes + FAQ por clase | 🎓 232/232 (v3.11.0 · 100%) |
| Clases dedicadas modernas 2024-2026 | 🟢 35 clases dedicadas en Partes 0-3 + stack moderno completo en Partes 4-7 (DVC/MLflow/Feast/K8s/FastAPI/Evidently/NannyML/Prefect/Istio/SHAP/Great Expectations/CheckList; Airflow/Prefect/Dagster/PySpark/Polars/DuckDB/BQ/Snowflake/Kafka/Parquet/Avro/star schema; CF/SVD+ALS/sentence-transformers/FAISS/LightFM/bandits; Suresh-Guttag taxonomía sesgos/DP+EO+calibration+impossibility theorem/privacidad diferencial Laplace+Gauss+DP-SGD/FedAvg+gradient leakage/GDPR+AI Act EU 2024/1689/seeds+lock files+model cards+datasheets) |
| PDFs y PPTX por clase | ✅ 232 PDFs + 232 PPTX por clase + 9 bundles por parte + curso-completo.pdf/.pptx (v3.11.0) |
| Quizzes pre/post lección | ⏳ pendiente |
| Datasets temáticos por bloque | ⏳ pendiente |
Cada carpeta de clase tiene la misma estructura mínima:
classes/parte-N-slug/NNN-tema-slug/
├── README.md # ficha: objetivo, resultados, temas, prerrequisitos
└── notebook.ipynb # cuaderno de la clase
Materiales opcionales que se pueden añadir conforme una clase madure:
├── teoria.md
├── slides.md
├── ejercicios.md
├── homework.md
├── soluciones.ipynb
├── quiz.json
├── tecnologias.md
└── guia-codigo.md
Parte 0 completa (49 clases · 001-049) — sin prerrequisitos nadie llega al resto.✅ completada (v3.0.0, ampliada con Polars, Parquet/Arrow/DuckDB, async/httpx).Parte 1 (50 clases · 050-099) — ML clásico es la base del 70% del trabajo real.✅ completada (v3.0.0, con 7 clases dedicadas: Optuna, SHAP, calibración, Model Cards, class imbalance, validación temporal, FE+MICE).Parte 3 (19 clases · 175-193) — estadística inferencial y causal.✅ completada (v3.0.0, con 6 clases dedicadas: effect size, BCa, CUPED+sequential, DoubleML, Synthetic Controls, PyMC v5/NumPyro/ArviZ).Parte 2 (75 clases · 100-174) — Deep Learning con expansión LLM/multimodal completa.✅ completada (v3.0.0, con 19 clases dedicadas modernas 2024-2026: PyTorch+Lightning, SAM/YOLOv11, Flash Attention, CLIP/Whisper, LoRA/QLoRA/DPO/vLLM, MCP/agentes/eval, SDXL+ControlNet, ONNX, JAX).Parte 4 (MLOps, 14 clases · 194-207) — después de tener al menos un modelo serio entrenado.✅ completada (v3.1.0, fuente Huyen — DVC, MLflow, Feast, K8s, FastAPI, drift, shadow/canary, SHAP en producción, Great Expectations, behavioral tests).Parte 5 (Ingeniería de datos, 8 clases · 208-215).✅ completada (v3.2.0, fuentes Reis & Housley + Kimball — Airflow, Prefect/Dagster, PySpark, Polars, DuckDB/BQ/Snowflake, Kafka, Parquet/Avro, star schemas).Parte 6 (Sistemas de recomendación, 7 clases · 216-222).✅ completada (v3.3.0, fuente Aggarwal + papers fundacionales — CF kNN, SVD/ALS, content+FAISS, LightFM, métricas top-N, cold-start, librerías).Parte 7 (Ética, fairness, privacidad, 6 clases · 223-228).✅ completada (v3.4.0, fuentes Barocas/Hardt/Narayanan + Suresh-Guttag 2021 + Hardt-Price-Srebro 2016 + Chouldechova 2017 + Kleinberg 2017 + Dwork-Roth 2014 + Abadi 2016 + McMahan 2017 + Reglamentos UE 2016/679 y 2024/1689 + Pineau 2021 + Mitchell 2019 + Gebru 2018 — Suresh-Guttag taxonomía sesgos, DP/EO/calibration + impossibility theorem, privacidad diferencial (Laplace/Gauss/DP-SGD), federated learning (FedAvg + gradient leakage), GDPR + AI Act EU 2024/1689, reproducibilidad (seeds/lock files/model cards/datasheets)).Parte 8 (capstones, 4 proyectos · 229-232).✅ completada (v3.5.0, fuentes Huyen + Hyndman & Athanasopoulos FPP3 + timm/Lightning/Albumentations + MkDocs Material/Quarto + integradores de todas las partes previas — Capstone 1 tabular E2E (ColumnTransformer+GBM+Optuna+MLflow+FastAPI+Streamlit+SHAP+CI), Capstone 2 NLP/series (DistilBERT o forecasting con baselines+SARIMA+backtesting+cuantiles), Capstone 3 visión transfer learning (ConvNeXt/EfficientNetV2/ViT + RandAugment/MixUp/CutMix + ONNX), Portafolio público (MkDocs Material/Quarto + GitHub Pages + demos hosted + deck + CV técnico)).
🎓 Currículo completo · 232 READMEs · 197 notebooks ejecutables (35 dedicadas modernas con README pero notebook pendiente). Próximo foco: superficies (regen PDFs/PPTX por clase, migración de contenido a la app Android, mejoras del laboratorio de ejecución Python).
- Pregunta motivadora (1 min)
- Concepto y metáfora (5–10 min)
- Demo guiada con código documentado (15–20 min)
- Práctica acompañada en notebook (20–30 min)
- Ejercicio individual (15–20 min)
- Quiz de cierre + pregunta integradora (5 min)
Python 3.12+, JupyterLab, NumPy, pandas, matplotlib, seaborn, scikit-learn, XGBoost/LightGBM/CatBoost, scipy, statsmodels, SQL (sqlite/DuckDB/PostgreSQL), MongoDB, Polars, PySpark, TensorFlow/Keras, PyTorch, Hugging Face Transformers, FastAPI, Docker, MLflow, DVC, GitHub Actions, Airflow/Prefect, SHAP, Great Expectations.