Ciencia de datos con Python y R

Opiniones de los lectores

El libro es reconocido por su claridad y utilidad en la limpieza de datos, con énfasis en el aprendizaje basado en ejemplos. Sin embargo, recibe críticas por su elevado precio, la falta de soporte en línea para los conjuntos de datos y problemas menores con la calidad de impresión.

Fácil de leer, buena referencia para cursos de limpieza de datos, bien detallado, orientado a ejemplos con fragmentos de código.

Caro para su extensión, calidad de impresión borrosa en algunas páginas, falta de soporte en línea para conjuntos de datos, carece de acceso a códigos y conjuntos de datos relacionados, pasa por alto pasos difíciles.

(basado en 6 opiniones de lectores)

Título original:

Data Science Using Python and R

Contenido del libro:

Aprende ciencia de datos haciendo ciencia de datos

Data Science Using Python and Rle introducirá en las dos plataformas de código abierto más extendidas del mundo para la ciencia de datos: Python y R.

La ciencia de datos está de moda. Bloomberg llamó a los científicos de datos "el trabajo más caliente de América". Python y R son las dos principales herramientas de código abierto para la ciencia de datos en el mundo. En Data Science Using Python and R, aprenderá paso a paso cómo producir soluciones prácticas a problemas empresariales del mundo real, utilizando técnicas de vanguardia.

Data Science Using Python and R está escrito para el lector general sin experiencia previa en análisis o programación. Un capítulo entero está dedicado a aprender los conceptos básicos de Python y R. A continuación, cada capítulo presenta instrucciones paso a paso y guías para resolver problemas de ciencia de datos utilizando Python y R.

Los temas tratados incluyen la preparación de datos, el análisis exploratorio de datos, la preparación para modelar los datos, los árboles de decisión, la evaluación de modelos, los costes de clasificación errónea, la clasificación na ve Bayes, las redes neuronales, la agrupación, el modelado de regresión, la reducción de dimensiones y la minería de reglas de asociación.

Además, se incluyen temas nuevos e interesantes como los bosques aleatorios y los modelos lineales generales. El libro hace hincapié en los costes de error basados en datos para mejorar la rentabilidad, lo que evita los errores comunes que pueden costar millones de dólares a una empresa.

Data Science Using Python and R proporciona ejercicios al final de cada capítulo, con un total de más de 500 ejercicios en el libro. Por lo tanto, los lectores tendrán muchas oportunidades de poner a prueba sus nuevas habilidades y conocimientos en ciencia de datos. En los ejercicios de Análisis práctico, se desafía a los lectores a resolver interesantes problemas empresariales utilizando conjuntos de datos del mundo real.