Primer módulo del Curso de Machine Learning. La meta del curso completo es aprender ML clásico —el tabular, el que trabaja con datos en tablas (filas y columnas, como una planilla de Excel)— desde cero y con las herramientas que la industria usa todos los días: scikit-learn y XGBoost. Este es el ML que corre por dentro cuando un banco predice qué cliente se va a ir (churn), cuando una fintech marca una transacción como fraude, o cuando una tienda estima cuánto va a vender el próximo mes. Es el primo práctico del deep learning que vimos en el Curso de Redes Neuronales: no compite con él, resuelve otros problemas. Si nunca has visto qué hay dentro de un modelo de IA, pasa antes por Cómo funciona la IA. Este módulo pone la base: qué es esto, qué sabores tiene y —clave— cuándo conviene y cuándo no.

La tesis del módulo

En la programación tradicional tú escribes las reglas; en Machine Learning le muestras ejemplos y el modelo escribe las reglas solo. Ese giro —de programar la lógica a aprenderla de los datos— es todo el asunto. No sirve para todo, y saber cuándo NO usarlo te ahorra más problemas que cualquier algoritmo.

Programación tradicional vs Machine Learning

En la programación de siempre, tú piensas la lógica y la escribes: “si el monto supera 500 mil y el país no coincide con el del cliente, marca la transacción como sospechosa”. Reglas explícitas, escritas por una persona. Funciona genial cuando las reglas son pocas y claras.

El problema aparece cuando las reglas son miles, cambian solas o ni siquiera las conoces. ¿Cómo escribes a mano las reglas para distinguir un correo spam de uno legítimo? ¿O para saber si una foto tiene un gato? Nadie puede enumerar todas las combinaciones.

Ahí entra el Machine Learning (aprendizaje automático): en vez de escribir las reglas, le das al computador ejemplos ya resueltos (miles de correos etiquetados como “spam” o “no spam”) y un algoritmo encuentra solo el patrón que los separa. El resultado de ese proceso es un modelo: una función que, dado un caso nuevo, predice la respuesta.

 PROGRAMACIÓN TRADICIONAL

 datos ───────┐
              ├──► ┌─────────┐ ──► resultados
 reglas ──────┘    │ programa│
 (las escribe      └─────────┘
  una persona)

 MACHINE LEARNING

 datos ───────┐
              ├──► ┌─────────┐ ──► reglas
 resultados ──┘    │ entrenar│     (el modelo
 (ejemplos ya      └─────────┘      las aprende)
  resueltos)

Fíjate en el giro: lo que en un lado es entrada (las reglas), en el otro es salida. En ML das datos y respuestas, y recibes las reglas de vuelta, empaquetadas en un modelo.

Los tipos de aprendizaje

No todo el ML es igual. Se divide según qué información le das al modelo mientras aprende.

Aprendizaje supervisado: le das ejemplos con la respuesta correcta, la etiqueta (label, el valor que quieres predecir, como “spam” o “el precio fue 320”). El modelo aprende a mapear entradas a esa etiqueta. Es la mayor parte del ML que se usa en la industria y el foco de este curso.
Aprendizaje no supervisado: le das datos sin etiquetas y el modelo busca estructura por su cuenta. El caso típico es el clustering (agrupamiento): juntar clientes parecidos en segmentos que nadie definió de antemano. Lo veremos en el módulo 10.
Aprendizaje por refuerzo (reinforcement learning): un agente aprende por prueba y error, recibiendo premios o castigos según lo que hace. Es lo que entrena a un robot a caminar o a un bot a jugar ajedrez. Potente, pero es otro mundo; aquí solo lo mencionamos y lo desarrolla el Curso de Razonamiento y RL.

Tipo	¿Tiene etiquetas?	Qué hace	Ejemplo típico
Supervisado	Sí	Predice una respuesta conocida	Detectar fraude, predecir precio
No supervisado	No	Encuentra estructura oculta	Segmentar clientes (clustering)
Por refuerzo	No (usa premios)	Aprende actuando	Robot que camina, bot de juego

Dentro del supervisado: regresión vs clasificación

El aprendizaje supervisado se parte en dos según qué tipo de respuesta predices:

Regresión: predecir un número continuo. ¿Cuánto va a costar esta casa? ¿Cuántas unidades venderé mañana? La respuesta vive en una escala: 320, 458,7, cualquier valor.
Clasificación: predecir una categoría de una lista cerrada. ¿Es fraude o no? ¿Este cliente se va, se queda o duda? La respuesta es una etiqueta de un conjunto fijo.

Ojo: la pregunta que abre todo proyecto de ML supervisado es “¿mi respuesta es un número o una categoría?”. Esa sola decisión define qué modelos, qué métricas y qué herramientas vas a usar. Los módulos 3 y 4 lo aterrizan.

El flujo de un proyecto de ML

Un proyecto real casi nunca es “entrenar el modelo”. Entrenar es una fracción chica del trabajo. El flujo completo, que este curso recorre paso a paso, es este:

 DATOS
   │
   ▼
 ┌──────────┐   explorar: ¿qué hay?, ¿qué falta?,
 │   EDA    │   ¿hay basura? (módulo 2)
 └────┬─────┘
      ▼
 ┌──────────┐   features: preparar las columnas
 │ features │   que el modelo va a usar (módulo 8)
 └────┬─────┘
      ▼
 ┌──────────┐   entrenar: el modelo aprende
 │ entrenar │   los patrones (módulos 3, 5-7)
 └────┬─────┘
      ▼
 ┌──────────┐   evaluar: ¿sirve de verdad?
 │ evaluar  │   (módulo 4)
 └────┬─────┘
      ▼
 DESPLEGAR  (ponerlo a trabajar, módulo 12)

La regla de oro de la industria: se va y se vuelve. Si al evaluar el modelo anda mal, vuelves a las features o a los datos. Casi nunca es un camino recto de una pasada.

Cuándo NO usar Machine Learning

Esto es lo que más gente omite y lo que más caro sale. ML es una herramienta, no una religión. No lo uses cuando:

Unas reglas simples bastan. Si “mayor de 18” resuelve tu problema, un if es más barato, más rápido y más confiable que cualquier modelo. No traigas un tanque a una pelea de almohadas.
Tienes pocos datos. Un modelo aprende de ejemplos; con 40 filas no aprende nada útil, solo memoriza. Sin volumen decente de datos, ML no despega.
Necesitas ser 100% determinista o auditable. Un modelo da probabilidades, no certezas, y puede equivocarse de formas raras. Si un error es inaceptable (dosis de un medicamento, cálculo contable) o la ley exige explicar cada decisión con reglas claras, ML es mala idea o necesita mucho cuidado extra.

Ojo: el mejor modelo de Machine Learning muchas veces es no usar Machine Learning. Un profesional maduro parte preguntándose si el problema realmente lo necesita, antes de abrir el notebook.

Errores comunes

Creer que ML es “la IA que escribe texto”. Eso son los LLM (deep learning). El ML clásico de este curso trabaja con tablas y es el que domina en las empresas: churn, fraude, forecasting, scoring.
Confundir regresión con clasificación. Regresión predice un número; clasificación, una categoría. Elegir mal arruina el modelo y las métricas desde el minuto cero.
Saltarse los datos y correr a entrenar. La mayor parte del trabajo está en entender y limpiar los datos (módulo 2). El modelo es la punta del iceberg.
Usar ML por moda. Si un if resuelve tu caso, úsalo. ML añade complejidad, costo y una fuente nueva de errores; solo vale la pena cuando las reglas son demasiadas o desconocidas.
Esperar certezas. Un modelo entrega probabilidades y se equivoca. Diseñar sabiendo eso —y midiendo el error— es parte del oficio.

La frase para llevarse

“En programación tú escribes las reglas; en Machine Learning le muestras ejemplos y el modelo las escribe solo. Y a veces la mejor decisión es no usar ML.”

Qué viene

Módulo 2: los datos y el análisis exploratorio (EDA). Antes de cualquier modelo hay que mirar los datos de frente. Veremos, con pandas, cómo cargar una tabla, inspeccionarla, cazar valores faltantes, duplicados y outliers, y entender qué tienes entre manos. Porque en ML se cumple una ley sin excepciones: garbage in, garbage out.

Machine Learning — Módulo 1: qué es Machine Learning y cuándo usarlo