Análisis de datos con herramientas de código abierto: Guía práctica para programadores y científicos de datos

Opiniones de los lectores

El libro «Data Analysis with Open Source Tools» ofrece una completa introducción a las técnicas de análisis de datos, aunque se centra más en los aspectos teóricos que en la aplicación práctica con código. En general, los lectores aprecian la profundidad del contenido y la perspicacia del autor, pero hay críticas sobre su estructura, la profundidad de los ejemplos y la precisión de algunas explicaciones.

⬤ Ofrece una visión completa de varias técnicas de análisis de datos
⬤ bien escrito y accesible
⬤ presenta ideas útiles y fomenta el pensamiento innovador
⬤ adecuado para principiantes
⬤ incluye herramientas y métodos prácticos
⬤ valioso para comprender conceptos en profundidad.

⬤ Título engañoso en relación con las herramientas de código abierto
⬤ carece de suficientes ejemplos de código de trabajo
⬤ problemas de organización con el flujo de contenidos
⬤ algunas imprecisiones matemáticas y estadísticas
⬤ el tamaño de la fuente es demasiado pequeño para una lectura cómoda
⬤ puede no ser adecuado para aquellos que buscan detalles técnicos profundos o ejemplos prácticos rigurosos.

(basado en 52 opiniones de lectores)

Título original:

Data Analysis with Open Source Tools: A Hands-On Guide for Programmers and Data Scientists

Contenido del libro:

Recopilar datos es relativamente fácil, pero convertir la información en bruto en algo útil requiere saber cómo extraer precisamente lo que se necesita. Con este perspicaz libro, los programadores de nivel intermedio a experimentado interesados en el análisis de datos aprenderán técnicas para trabajar con datos en un entorno empresarial. Aprenderá a mirar los datos para descubrir lo que contienen, a capturar esas ideas en modelos conceptuales y, a continuación, a retroalimentar su comprensión en la organización a través de planes de negocio, cuadros de mando de métricas y otras aplicaciones.

Por el camino, experimentará con los conceptos a través de talleres prácticos al final de cada capítulo. Por encima de todo, aprenderá a pensar en los resultados que desea obtener, en lugar de confiar en que las herramientas piensen por usted.

⬤ Utilizar gráficos para describir datos con una, dos o docenas de variables.

⬤ Desarrollar modelos conceptuales utilizando cálculos de vuelta-de-el-sobre, así como la escala y los argumentos de probabilidad.

⬤ Extraer datos con métodos computacionalmente intensivos como la simulación y la agrupación.

⬤ Hacer que sus conclusiones sean comprensibles a través de informes, cuadros de mando y otros programas de métricas.

⬤ Comprender los cálculos financieros, incluido el valor temporal del dinero.

⬤ Utilizar técnicas de reducción dimensional o análisis predictivo para superar situaciones difíciles de análisis de datos.

⬤ Familiarizarse con diferentes entornos de programación de código abierto para el análisis de datos.

"Por fin, una referencia concisa para entender cómo conquistar montones de datos". --Austin King, desarrollador web senior, Mozilla.

"Un texto indispensable para los aspirantes a científicos de datos". --Michael E. Driscoll, director general y fundador de Dataspora.