Ciencia de datos práctica con Python: Aprende herramientas y técnicas a partir de ejemplos prácticos para extraer información de los datos

Opiniones de los lectores

El libro es una introducción completa y bien estructurada a la ciencia de datos utilizando Python, por lo que resulta adecuado tanto para los recién llegados como para quienes tienen cierta experiencia en este campo. Abarca una amplia gama de temas, desde la instalación básica de Python hasta técnicas avanzadas de aprendizaje automático, complementadas con ejemplos prácticos y explicaciones. Sin embargo, algunos lectores creen que puede ser demasiado avanzado para principiantes absolutos.

⬤ Un estilo de escritura riguroso y atractivo, accesible a lectores con distintos niveles de conocimiento de Python y la ciencia de datos.
⬤ Cobertura exhaustiva de varios temas importantes de la ciencia de datos, incluyendo el manejo de datos, el aprendizaje automático y el uso de bibliotecas clave de Python.
⬤ Explicaciones claras y ejemplos prácticos ayudan a comprender conceptos complejos.
⬤ Disponibilidad de recursos como código de GitHub y ejemplos de Jupyter Notebook.
⬤ El libro equilibra con éxito la información detallada con la aplicación práctica, lo que lo hace útil tanto para principiantes como para profesionales más avanzados.

⬤ Algunas secciones se consideran demasiado avanzadas para principiantes, por lo que puede resultar confuso para quienes no tengan conocimientos previos de Python.
⬤ Algunos lectores consideraron que algunas partes del libro eran áridas o abrumadoras debido a la profundidad de la información presentada.
⬤ Los capítulos iniciales que cubren los fundamentos de Python pueden ser innecesarios para los usuarios experimentados de Python, posiblemente haciendo que hojeen el material que ya entienden.

(basado en 12 opiniones de lectores)

Título original:

Practical Data Science with Python: Learn tools and techniques from hands-on examples to extract insights from data

Contenido del libro:

Aprende a gestionar eficazmente los datos y ejecutar proyectos de ciencia de datos de principio a fin utilizando Python.

Características principales:

⬤ Entender y utilizar herramientas de ciencia de datos en Python, como algoritmos especializados de aprendizaje automático y modelado estadístico.

⬤ Construir una base sólida de ciencia de datos con las mejores herramientas de ciencia de datos disponibles en Python.

⬤ Añada valor a usted mismo, a su organización y a la sociedad mediante la extracción de conocimientos procesables a partir de datos sin procesar.

Descripción del libro

Practical Data Science with Python le enseña los conceptos básicos de la ciencia de datos, con ejemplos realistas y del mundo real, y refuerza su dominio de los principios básicos y avanzados de la preparación y el almacenamiento de datos, la estadística, la teoría de la probabilidad, el aprendizaje automático y la programación en Python, ayudándole a construir una base sólida para adquirir competencia en la ciencia de datos.

El libro comienza con una descripción general de los conocimientos básicos de Python y, a continuación, presenta las técnicas fundamentales de la ciencia de datos, seguidas de una explicación detallada del código Python necesario para ejecutar las técnicas. Comprenderá el código trabajando con los ejemplos. El código se ha dividido en pequeños fragmentos (unas pocas líneas o una función cada vez) para permitir una discusión exhaustiva.

A medida que avance, aprenderá a realizar análisis de datos mientras explora las funcionalidades de los paquetes clave de Python para la ciencia de datos, incluidos pandas, SciPy y scikit-learn. Por último, el libro aborda las cuestiones éticas y de privacidad en la ciencia de datos y sugiere recursos para mejorar las habilidades de la ciencia de datos, así como formas de mantenerse al día sobre los nuevos desarrollos de la ciencia de datos.

Al final del libro, usted debe ser capaz de utilizar cómodamente Python para proyectos básicos de ciencia de datos y debe tener habilidades para ejecutar el proceso de ciencia de datos en cualquier fuente de datos.

Lo que aprenderá

⬤ Utilizar eficazmente los paquetes de ciencia de datos de Python.

⬤ Limpiar y preparar datos para el trabajo de ciencia de datos, incluida la ingeniería de características y la selección de características.

⬤ Modelado de datos, incluyendo modelos estadísticos clásicos (por ejemplo, pruebas t) y algoritmos esenciales de aprendizaje automático (ML), como bosques aleatorios y modelos potenciados.

⬤ Evaluar el rendimiento de los modelos.

⬤ Comparar y comprender diferentes métodos de ML.

⬤ Interactuar con hojas de cálculo Excel a través de Python.

⬤ Crear informes automatizados de ciencia de datos a través de Python.

⬤ Dominar las técnicas de análisis de texto.

A quién va dirigido este libro:

El libro está dirigido a principiantes, incluidos los estudiantes que comienzan o están a punto de comenzar un programa de ciencia de datos, analítica o afines (por ejemplo, licenciatura, maestría, bootcamp, cursos en línea), recién graduados universitarios que desean aprender nuevas habilidades para diferenciarse en el mercado laboral, profesionales que desean aprender técnicas prácticas de ciencia de datos en Python y aquellos que desean cambiar su carrera hacia la ciencia de datos.

El libro requiere una familiaridad básica con Python. Se ha incluido una sección de "introducción a Python" para que los principiantes se pongan al día.