Las aplicaciones más inteligentes están haciendo un mejor uso de los conocimientos obtenidos de los datos, teniendo un impacto en cada industria y disciplina de investigación. En el núcleo de esta revolución se encuentran las herramientas y los métodos que la impulsan, desde el procesamiento de las enormes cantidades de datos generados cada día hasta el aprendizaje y la toma de acciones útiles. Las redes neuronales profundas, junto con los avances en el aprendizaje automático clásico y la computación escalable con unidades de procesamiento gráfico (GPU) de propósito general, se han convertido en componentes críticos de la inteligencia artificial, permitiendo muchos de estos asombrosos avances y reduciendo la barrera para su adopción. Python sigue siendo el lenguaje más preferido para la computación científica, la ciencia de datos y el aprendizaje automático, mejorando tanto el rendimiento como la productividad al permitir el uso de bibliotecas de bajo nivel y APIs limpias de alto nivel. Esta encuesta ofrece una visión del campo del aprendizaje automático con Python, realizando un recorrido por temas importantes para identificar algunos de los paradigmas de hardware y software fundamentales que lo han habilitado. Cubrimos bibliotecas y conceptos de uso generalizado, recopilados para una comparación holística, con el objetivo de educar al lector y avanzar en el campo del aprendizaje automático en Python.