03 — Recursos
Recursos
Una selección de sitios web que me han resultado valiosos en mi trabajo de investigación, redacción y análisis.
Libros de texto
Supervised Machine Learning for Science
Libro de texto abierto en línea (de Christoph Molnar y Timo Freiesleben) sobre cómo aplicar el aprendizaje automático supervisado en la investigación científica. Explica la teoría y la práctica para usarlo no solo como herramienta de predicción, sino como instrumento científico con interpretabilidad, razonamiento causal y cuantificación de la incertidumbre. Publicado con licencia CC BY-NC-SA 4.0.
ml-science-book.comInterpretable Machine Learning
Guía completa para hacer explicables los modelos de caja negra (de Christoph Molnar). Abarca desde modelos interpretables, como los árboles de decisión y la regresión lineal, hasta métodos independientes del modelo, como LIME y SHAP (valores de Shapley). La tercera edición (2024) añade técnicas nuevas. Se puede seguir sin una gran base matemática.
christophm.github.io/interpretable-ml-book