Machine Learning para Programadores: Conceptos Clave que Debes Conocer Sí o Sí

Machine Learning ya no es territorio exclusivo de investigadores con doctorado o científicos de datos puros. En 2026, es una competencia que el mercado empieza a esperar de cualquier desarrollador que trabaje cerca de datos, sistemas de recomendación, automatización o inteligencia artificial.

El problema es que la mayoría de recursos sobre ML están escritos para matemáticos o para personas sin background técnico. Los programadores quedamos en tierra de nadie: demasiado técnicos para los tutoriales de "qué es la IA" y demasiado alejados de la estadística pura para entender los papers académicos.

Este artículo está escrito específicamente para ti, que ya sabes programar y quieres entender Machine Learning de verdad: qué conceptos son fundamentales, cómo se conectan entre sí y qué necesitas dominar para poder trabajar con ML de forma autónoma. Sin fórmulas innecesarias, con ejemplos que tienen sentido para un desarrollador.

1. ¿Qué es exactamente Machine Learning y en qué se diferencia de la IA?

Hay mucha confusión entre estos términos, y es importante tenerlos claros desde el principio:

• Inteligencia Artificial (IA) es el campo amplio que busca que las máquinas realicen tareas que normalmente requieren inteligencia humana: razonar, reconocer imágenes, entender lenguaje, tomar decisiones.
• Machine Learning (ML) es una rama de la IA. Es el enfoque concreto de hacer que las máquinas aprendan de los datos en lugar de programar explícitamente todas las reglas.
• Deep Learning (DL) es una subcategoría del ML que usa redes neuronales con muchas capas. Es la tecnología detrás de los modelos de lenguaje como ChatGPT o los sistemas de reconocimiento de imágenes.

La diferencia fundamental entre ML y programación tradicional es cómo se construye la solución:

• Programación tradicional: tú escribes las reglas → el programa las aplica a los datos → obtienes resultados.
• Machine Learning: le das datos + resultados esperados → el algoritmo infiere las reglas automáticamente → el modelo aplica esas reglas a datos nuevos.

Un ejemplo concreto: si quieres detectar spam, en programación tradicional escribirías reglas como "si el asunto contiene 'oferta gratis' y el remitente es desconocido, es spam". En ML, le das miles de emails etiquetados como spam o no spam, y el algoritmo aprende por sí mismo qué características distinguen a uno de otro. Eso le permite detectar patrones que tú nunca habrías pensado en programar manualmente.

2. Los 4 tipos de aprendizaje que debes conocer

Todo algoritmo de ML pertenece a una de estas cuatro categorías según cómo aprende de los datos. Entender esto es fundamental para elegir el enfoque correcto ante cada problema.

Aprendizaje supervisado

El modelo se entrena con datos etiquetados: ejemplos donde ya sabes cuál es la respuesta correcta. El objetivo es aprender una función que mapee entradas a salidas correctamente en datos que no ha visto antes.

Cuándo usarlo: cuando tienes datos históricos con la respuesta que quieres predecir.

Ejemplos reales: detección de spam (spam / no spam), predicción de precios de casas, diagnóstico médico, reconocimiento de imágenes.

Tipos de problemas:

• Clasificación — la salida es una categoría. ¿Es este email spam? ¿Qué dígito es este número escrito a mano?
• Regresión — la salida es un número continuo. ¿Cuánto costará este apartamento? ¿Cuántas unidades venderemos el próximo mes?

Aprendizaje no supervisado

El modelo trabaja con datos sin etiquetar. No sabe cuál es la respuesta correcta; su objetivo es encontrar estructura, patrones o agrupaciones ocultas en los datos por sí mismo.

Cuándo usarlo: cuando no tienes datos etiquetados o cuando quieres descubrir patrones que no conocías de antemano.

Ejemplos reales: segmentación de clientes, detección de anomalías, compresión de datos, sistemas de recomendación.

Técnicas principales:

• Clustering — agrupa datos similares. K-Means es el algoritmo más conocido.
• Reducción de dimensionalidad — reduce el número de variables manteniendo la información relevante. PCA (Principal Component Analysis) es el más usado.

Aprendizaje semi-supervisado

Combina una pequeña cantidad de datos etiquetados con una gran cantidad de datos sin etiquetar. Es muy útil en la práctica porque etiquetar datos es caro y lento, pero conseguir datos sin etiquetar es barato.

Ejemplo: tienes 100 emails etiquetados manualmente como spam o no spam, y 100.000 emails sin clasificar. El modelo aprende de los etiquetados y luego generaliza al resto.

Aprendizaje por refuerzo

Un agente aprende a tomar decisiones interactuando con un entorno. Recibe recompensas cuando hace algo bien y penalizaciones cuando hace algo mal, y su objetivo es maximizar la recompensa acumulada a lo largo del tiempo.

Cuándo usarlo: cuando el problema es secuencial y las decisiones tienen consecuencias futuras.

Ejemplos reales: bots que juegan videojuegos (AlphaGo, AlphaStar), robots que aprenden a caminar, sistemas de trading algorítmico, optimización de rutas en logística.

3. El pipeline completo de un proyecto de ML

Uno de los conceptos más prácticos que debes internalizar como programador es que el Machine Learning no es solo "entrenar un modelo". Es un proceso completo con varias fases, y el modelo en sí mismo representa quizás el 20% del trabajo total.

Así se ve el pipeline completo de un proyecto de ML real:

1. Definición del problema — ¿Qué quieres predecir? ¿Qué tipo de problema es (clasificación, regresión, clustering)? ¿Qué métricas de éxito usarás? Esta fase la saltan muchos principiantes y es la que más impacto tiene en el resultado final.
2. Recopilación de datos — obtener los datos necesarios para entrenar el modelo. Puede implicar APIs, bases de datos, web scraping, sensores, datasets públicos o generación sintética de datos.
3. Exploración y análisis (EDA) — antes de modelar, entiendes los datos. Distribuciones, correlaciones, valores atípicos, datos faltantes. Esta fase te dice qué tan difícil será el problema y qué enfoques tienen más sentido.
4. Preprocesamiento y feature engineering — limpiar los datos, manejar valores nulos, codificar variables categóricas, normalizar o estandarizar variables numéricas, crear nuevas características a partir de las existentes. La calidad de este paso determina en gran medida el rendimiento del modelo.
5. Selección y entrenamiento del modelo — elegir el algoritmo adecuado para el problema, dividir los datos en conjuntos de entrenamiento y validación, ajustar los hiperparámetros.
6. Evaluación — medir el rendimiento del modelo con métricas relevantes en datos que no ha visto durante el entrenamiento. Este es el momento de detectar overfitting o underfitting.
7. Despliegue (deployment) — poner el modelo en producción para que pueda recibir datos reales y generar predicciones. Esto incluye crear una API, monitorizar el rendimiento en el tiempo y reentrenar el modelo cuando su rendimiento degrada.

Como desarrollador, tu ventaja aquí es enorme: la fase de despliegue es donde más fallan los científicos de datos sin background de ingeniería. Saber construir APIs, contenedores Docker, pipelines de CI/CD y sistemas de monitorización te convierte en un perfil muy valioso.

4. Datos: la materia prima que lo determina todo

Hay una frase que se repite constantemente en el mundo del ML y que resulta ser completamente cierta: "garbage in, garbage out". Un algoritmo brillante entrenado con datos malos producirá predicciones malas. Un algoritmo modesto entrenado con datos excelentes puede producir resultados sorprendentemente buenos.

División de los datos: train, validation y test

Cuando entrenas un modelo, siempre debes dividir tus datos en tres conjuntos:

• Conjunto de entrenamiento (train): los datos que el modelo usa para aprender. Típicamente el 70-80% del total.
• Conjunto de validación (validation): datos que el modelo no ve durante el entrenamiento pero se usan para ajustar los hiperparámetros y detectar overfitting. Típicamente el 10-15%.
• Conjunto de test: datos que se guardan hasta el final para hacer la evaluación definitiva del modelo. Solo se usan una vez. Típicamente el 10-15%.

El error más común de los principiantes es evaluar el modelo con los mismos datos con los que lo entrenaron. Eso es equivalente a hacer un examen con las mismas preguntas del libro que estudiaste: el modelo habrá memorizado las respuestas, no aprendido a razonar.

Feature engineering: el arte de preparar los datos

Los algoritmos de ML trabajan con números. Eso significa que tienes que transformar tus datos en representaciones numéricas que contengan la información relevante para el problema. Esto incluye:

• Escalado: normalizar variables numéricas para que tengan la misma escala (muy importante para algoritmos basados en distancias como K-NN o SVM).
• Codificación de variables categóricas: convertir categorías como "rojo", "verde", "azul" en representaciones numéricas (One-Hot Encoding, Label Encoding).
• Manejo de valores nulos: decidir si imputar los valores faltantes con la media, la mediana, un valor específico, o eliminar las filas afectadas.
• Creación de nuevas características: combinar variables existentes para crear información más útil. Si tienes fecha de nacimiento y fecha actual, puedes crear la variable "edad".

5. Algoritmos esenciales y cuándo usar cada uno

No necesitas conocer los 50+ algoritmos de ML que existen. Necesitas entender los fundamentales, saber qué hacen, cuándo brillan y cuáles son sus limitaciones. Estos son los que aparecen en el 90% de los proyectos reales:

Regresión Lineal y Logística

Son los algoritmos más simples y, paradójicamente, los más usados en producción. La regresión lineal predice valores continuos asumiendo una relación lineal entre las variables. La regresión logística predice probabilidades de pertenencia a una clase.

Cuándo usarlos: siempre como línea base. Si un modelo simple funciona suficientemente bien, no necesitas uno más complejo. La interpretabilidad es su mayor ventaja.

Limitaciones: solo capturan relaciones lineales. Si la relación entre variables es más compleja, su rendimiento será limitado.

Árboles de Decisión

Aprenden una secuencia de reglas if/else a partir de los datos. Son extremadamente intuitivos: puedes visualizar el árbol y entender exactamente por qué el modelo tomó cada decisión.

Cuándo usarlos: cuando la interpretabilidad es crítica (medicina, finanzas, legal), o como bloque de construcción para métodos de ensamble.

Limitaciones: tienden al overfitting cuando son muy profundos. Solos no son los mejores en rendimiento, pero en conjunto son muy potentes.

Random Forest

Entrena un gran número de árboles de decisión, cada uno con una muestra aleatoria de los datos y las características, y combina sus predicciones. Esta técnica se llama bagging y reduce enormemente el overfitting.

Cuándo usarlo: es un excelente algoritmo de propósito general que funciona bien sin mucha tuning. Es uno de los más usados en competiciones de ML y en producción.

Gradient Boosting (XGBoost, LightGBM, CatBoost)

Construye modelos de forma secuencial, donde cada nuevo modelo corrige los errores del anterior. Es el enfoque dominante en competiciones de ML con datos tabulares y uno de los más usados en la industria.

Cuándo usarlo: cuando necesitas el mejor rendimiento posible en datos estructurados. XGBoost y LightGBM son especialmente rápidos y eficientes.

Limitaciones: más difícil de interpretar que los árboles simples, y requiere más tuning de hiperparámetros.

K-Nearest Neighbors (K-NN)

Para clasificar un punto nuevo, busca los K puntos más cercanos en el conjunto de entrenamiento y asigna la clase mayoritaria. Es un algoritmo "perezoso": no aprende una función, simplemente memoriza todos los datos.

Cuándo usarlo: problemas pequeños donde la distancia entre puntos tiene significado real. También útil en sistemas de recomendación.

Limitaciones: muy lento en inferencia con datasets grandes, y sufre con muchas dimensiones (la "maldición de la dimensionalidad").

Support Vector Machines (SVM)

Busca el hiperplano que maximiza el margen entre las clases. Gracias al kernel trick, puede separar clases que no son linealmente separables proyectando los datos a dimensiones superiores.

Cuándo usarlo: datasets pequeños o medianos con muchas características. Históricamente muy usado en clasificación de texto.

K-Means Clustering

Divide los datos en K grupos (clusters) de forma que cada punto pertenece al cluster cuyo centroide es más cercano. El principal desafío es elegir el número correcto de K.

Cuándo usarlo: segmentación de clientes, agrupación de documentos, análisis exploratorio.

6. Overfitting y Underfitting: el mayor problema del ML en la práctica

Estos dos conceptos son los que más problemas causan en proyectos reales y los que más frecuentemente se preguntan en entrevistas técnicas. Es fundamental entenderlos profundamente.

Overfitting (sobreajuste)

Ocurre cuando el modelo aprende los datos de entrenamiento demasiado bien: memoriza el ruido y los detalles específicos del conjunto de entrenamiento en lugar de aprender los patrones generales. El resultado es un modelo que funciona excelentemente en los datos de entrenamiento pero falla miserablemente con datos nuevos.

Señales de overfitting:

• Accuracy muy alta en train (95-99%) pero baja en test (70-75%).
• El modelo predice perfectamente los ejemplos que ha visto, pero no generaliza.

Cómo combatirlo:

• Más datos de entrenamiento — con más ejemplos, el modelo tiene más dificultades para memorizar y se ve forzado a generalizar.
• Regularización — penalizar la complejidad del modelo durante el entrenamiento (L1/Lasso, L2/Ridge). Fuerza al modelo a ser más simple.
• Reducción de la complejidad del modelo — usar un árbol menos profundo, menos neuronas, etc.
• Dropout — en redes neuronales, desactiva aleatoriamente neuronas durante el entrenamiento para evitar que el modelo dependa demasiado de ninguna en particular.
• Cross-validation — divide los datos en K partes y entrena K veces, cada vez usando una parte diferente como validación. Te da una estimación más robusta del rendimiento real.

Underfitting (infraajuste)

El problema opuesto: el modelo es demasiado simple para capturar los patrones de los datos. Funciona mal tanto en entrenamiento como en test.

Señales de underfitting:

• Accuracy baja tanto en train como en test.
• El modelo da las mismas predicciones para ejemplos muy diferentes.

Cómo combatirlo:

• Usar un modelo más complejo.
• Añadir más características relevantes (feature engineering).
• Reducir la regularización si la hay.
• Entrenar durante más tiempo (en el caso de redes neuronales).

El equilibrio bias-varianza

Este es el concepto teórico detrás del overfitting y underfitting. Hay un trade-off fundamental:

• Alto bias (sesgo) — el modelo hace suposiciones muy simplistas sobre los datos → underfitting.
• Alta varianza — el modelo es muy sensible a los datos de entrenamiento específicos → overfitting.

El objetivo es encontrar el punto donde bias y varianza están equilibrados: el modelo es suficientemente complejo para capturar los patrones reales, pero suficientemente simple para generalizar bien.

7. Métricas de evaluación: cómo saber si tu modelo es bueno

Uno de los errores más comunes es usar la métrica equivocada para evaluar un modelo. La accuracy (exactitud) parece intuitiva, pero puede ser muy engañosa en muchos problemas.

Métricas para clasificación

Accuracy (exactitud): porcentaje de predicciones correctas sobre el total. Parece perfecta, pero falla estrepitosamente con clases desbalanceadas. Si el 95% de tus emails son legítimos y tu modelo siempre predice "no spam", tiene un 95% de accuracy y es completamente inútil.

Precisión y Recall: estas dos métricas se entienden mejor juntas:

• Precisión — de todas las veces que el modelo dijo "sí", ¿cuántas veces tenía razón? Importante cuando los falsos positivos son costosos (ej: marcar un email legítimo como spam).
• Recall — de todos los casos reales positivos, ¿cuántos detectó el modelo? Importante cuando los falsos negativos son costosos (ej: no detectar un tumor maligno).

F1-Score: media armónica de precisión y recall. Es la métrica más equilibrada cuando hay desbalance de clases y ambos tipos de error importan.

Curva ROC y AUC: la curva ROC muestra el trade-off entre la tasa de verdaderos positivos y la tasa de falsos positivos a diferentes umbrales de decisión. El AUC (área bajo la curva) resume en un solo número qué tan bien distingue el modelo entre clases. Un AUC de 1.0 es perfecto; 0.5 es equivalente a tirar una moneda al aire.

Matriz de confusión: tabla que muestra cuántos ejemplos de cada clase fueron clasificados correctamente e incorrectamente. Es la herramienta más informativa para entender dónde falla un clasificador.

Métricas para regresión

• MAE (Mean Absolute Error): promedio de los errores absolutos. Fácil de interpretar: "en promedio, el modelo se equivoca por X unidades".
• MSE (Mean Squared Error): promedio de los errores al cuadrado. Penaliza más los errores grandes que el MAE. Muy usado en optimización.
• RMSE (Root Mean Squared Error): raíz cuadrada del MSE. Tiene las mismas unidades que la variable objetivo, lo que lo hace más interpretable que el MSE.
• R² (R-cuadrado): indica qué proporción de la varianza de la variable objetivo explica el modelo. Un R² de 1 significa predicción perfecta; de 0 significa que el modelo no es mejor que predecir siempre la media.

8. Deep Learning y Redes Neuronales: qué son y cuándo usarlas

El Deep Learning es la subcategoría del ML que ha protagonizado la mayor parte de los avances espectaculares de los últimos años: reconocimiento de imágenes, procesamiento del lenguaje natural, generación de texto, síntesis de audio... Todo esto es Deep Learning.

Qué es una red neuronal

Una red neuronal es una arquitectura de modelo inspirada (muy vagamente) en el cerebro humano. Está compuesta por capas de neuronas artificiales conectadas entre sí. Cada neurona recibe entradas, les aplica pesos, suma el resultado y pasa la salida a través de una función de activación.

Una red "profunda" (deep) tiene muchas capas ocultas entre la entrada y la salida. Esas capas aprenden representaciones progresivamente más abstractas de los datos.

Conceptos clave del Deep Learning

• Función de activación: introduce no linealidad en la red. Las más comunes son ReLU (Rectified Linear Unit), Sigmoid y Tanh.
• Backpropagation: el algoritmo que ajusta los pesos de la red calculando el gradiente del error respecto a cada peso y propagándolo hacia atrás desde la salida.
• Gradient descent: el optimizador que usa los gradientes para actualizar los pesos en la dirección que reduce el error. Adam es el optimizador más usado actualmente.
• Épocas (epochs): número de veces que el modelo pasa por todo el conjunto de entrenamiento durante el proceso de aprendizaje.
• Batch size: número de ejemplos que se procesan antes de actualizar los pesos del modelo.
• Learning rate: cuánto ajusta el modelo sus pesos en cada actualización. Muy alto → el modelo no converge. Muy bajo → aprende muy lentamente.

Arquitecturas principales

• CNN (Convolutional Neural Networks): especializadas en datos con estructura espacial como imágenes. Son la base del reconocimiento visual.
• RNN / LSTM: diseñadas para datos secuenciales como texto o series temporales. Tienen "memoria" de pasos anteriores.
• Transformers: la arquitectura que revolucionó el NLP y que está detrás de GPT, BERT, Claude y todos los LLMs modernos. Se basa en el mecanismo de atención para entender relaciones entre elementos de una secuencia.

¿Cuándo usar Deep Learning y cuándo no?

El Deep Learning no siempre es la mejor opción. Estos son los criterios para decidir:

• Usa Deep Learning cuando: trabajas con imágenes, audio, texto o video; tienes grandes cantidades de datos (decenas de miles de ejemplos mínimo); los datos tienen estructura espacial o temporal; el rendimiento máximo es prioritario sobre la interpretabilidad.
• Usa ML clásico cuando: tienes datos tabulares estructurados; tu dataset es pequeño o mediano; necesitas un modelo interpretable; tienes recursos computacionales limitados; la velocidad de entrenamiento importa.

9. Librerías y herramientas que todo programador ML debe conocer

Python es el lenguaje dominante en Machine Learning por su legibilidad, su comunidad y la madurez de su ecosistema. Estas son las librerías que debes conocer:

Para manipulación y análisis de datos

• NumPy — la base de todo. Proporciona arrays multidimensionales eficientes y operaciones matemáticas vectorizadas. Si no sabes NumPy, no puedes trabajar con ML en Python.
• Pandas — para manipulación de datos tabulares. DataFrames, filtros, agrupaciones, joins, manejo de valores nulos. Es el Excel del programador de ML.
• Matplotlib y Seaborn — visualización de datos. Imprescindibles para el análisis exploratorio.

Para Machine Learning clásico

• Scikit-learn — la librería más importante para ML clásico. Tiene implementaciones de casi todos los algoritmos (Random Forest, SVM, K-Means, etc.), herramientas para preprocesamiento, evaluación y construcción de pipelines. Es el punto de partida obligatorio.
• XGBoost y LightGBM — implementaciones de Gradient Boosting extremadamente rápidas y eficientes. Son los algoritmos más usados en competiciones de ML con datos tabulares.

Para Deep Learning

• TensorFlow y Keras — desarrollados por Google. Keras es la API de alto nivel que hace TensorFlow más accesible. Muy usado en producción y en empresas grandes.
• PyTorch — desarrollado por Meta. Es el favorito en investigación y academia por su flexibilidad y su modo de ejecución dinámico (define-by-run). En los últimos años ha ganado mucho terreno también en producción.
• Hugging Face Transformers — librería que proporciona acceso a miles de modelos pre-entrenados de lenguaje, visión y audio. Si quieres usar o fine-tunear un LLM, esta es tu herramienta.

Para experimentación y seguimiento de modelos

• MLflow — plataforma open source para gestionar el ciclo de vida de modelos ML: seguimiento de experimentos, reproducibilidad, registro de modelos y despliegue.
• Weights & Biases (W&B) — herramienta muy popular para visualizar y comparar experimentos de entrenamiento en tiempo real.
• Jupyter Notebooks — entorno interactivo para exploración de datos, experimentación y documentación de análisis. Es el estándar de facto en la comunidad de data science.

10. Por dónde empezar: tu hoja de ruta práctica

Si llegas a esta sección con ganas de empezar, aquí tienes la hoja de ruta más directa posible para un programador que quiere incorporar ML a su stack:

Fase 1 — Fundamentos (4-6 semanas)

• Python para datos: NumPy y Pandas son obligatorios. No necesitas ser experto, pero debes moverte con comodidad.
• Estadística básica: media, mediana, desviación estándar, correlación, distribuciones. No necesitas álgebra lineal avanzada para empezar.
• Scikit-learn: aprende a cargar datos, preprocesarlos, entrenar un modelo y evaluarlo. El tutorial oficial de scikit-learn es excelente.

Fase 2 — Algoritmos y práctica (6-8 semanas)

• Implementa un proyecto de clasificación completo (dataset del Titanic en Kaggle es el clásico).
• Implementa un proyecto de regresión (predicción de precios de casas, también en Kaggle).
• Aprende cross-validation, grid search para hiperparámetros y cómo construir pipelines con scikit-learn.
• Explora XGBoost y LightGBM: son más potentes que los algoritmos básicos de scikit-learn para datos tabulares.

Fase 3 — Deep Learning (8-12 semanas)

• Entiende los fundamentos de redes neuronales: neuronas, capas, activaciones, backpropagation.
• Aprende PyTorch o TensorFlow/Keras — elige uno y comprométete con él. PyTorch es recomendable si te interesa la investigación; Keras si quieres algo más productivo rápidamente.
• Implementa una CNN para clasificación de imágenes y un modelo básico de NLP con Hugging Face.

Plataformas y recursos recomendados

• Kaggle — datasets gratuitos, competiciones y notebooks de la comunidad. Es el mejor lugar para aprender haciendo.
• Kaggle Learn — cursos gratuitos y muy prácticos de ML, Python, SQL y Deep Learning.
• fast.ai — cursos gratuitos de Deep Learning con enfoque práctico desde el primer día. Muy recomendado para programadores.
• Machine Learning Specialization — Andrew Ng (Coursera) — el curso más famoso del mundo sobre ML. Fundamentos sólidos con enfoque matemático accesible.
• Hugging Face Courses — cursos gratuitos sobre NLP y modelos de lenguaje modernos.

Resumen: conceptos clave de Machine Learning de un vistazo

Conclusión

Machine Learning es un campo amplio que puede parecer abrumador al principio. Pero como programador ya tienes una ventaja enorme: entiendes estructuras de datos, sabes depurar, piensas en términos de sistemas y puedes leer código. Eso te pone muy por delante de alguien que empieza desde cero.

Lo que diferencia a un programador que "sabe de ML" de uno que realmente puede trabajar con él no es memorizar algoritmos: es entender el proceso completo, saber qué métricas usar según el problema, detectar cuándo un modelo está sobreajustado y saber cómo desplegarlo en producción. Todo eso lo has leído aquí.

El siguiente paso es ponerte a construir. Abre Kaggle hoy, descarga un dataset que te resulte interesante y construye tu primer pipeline completo con scikit-learn. El aprendizaje real empieza cuando tu código falla y tienes que depurar por qué.

¿Tienes dudas sobre algún concepto o quieres profundizar en alguna sección? Déjalo en los comentarios. Y si este artículo te ha sido útil, compártelo con ese compañero desarrollador que siempre dice que quiere aprender Machine Learning pero no sabe por dónde empezar.