Descubrir el conocimiento en los datos: Una introducción a la minería de datos

Opiniones de los lectores

El libro ha recibido críticas dispares de los usuarios. Muchos aprecian su estilo claro y atractivo, que hace más accesibles los temas complejos de la ciencia de datos. Incluye ejemplos y ejercicios útiles que aumentan la confianza de los principiantes. Sin embargo, algunos usuarios lo critican por ser principalmente un libro de texto centrado en software propietario en lugar de sólidos fundamentos teóricos.

Estilo de redacción claro y atractivo, abundantes ejemplos y gráficos, ejercicios útiles (R y Hands-On Data), perspectiva perspicaz debido a la experiencia del autor en estadística, aumenta la confianza de los principiantes.

Criticado por centrarse más en el software propietario que en la teoría, algunos consideraron que no estaba bien escrito, unos pocos recibieron el libro equivocado.

(basado en 8 opiniones de lectores)

Título original:

Discovering Knowledge in Data: An Introduction to Data Mining

Contenido del libro:

El campo de la minería de datos se encuentra en la confluencia del análisis predictivo, el análisis estadístico y la inteligencia empresarial. Debido a la complejidad y el tamaño cada vez mayores de los conjuntos de datos y a la amplia gama de aplicaciones en informática, empresa y sanidad, el proceso de descubrir conocimiento en los datos es más relevante que nunca.

Este libro proporciona las herramientas necesarias para prosperar en el mundo actual de los big data. El autor demuestra cómo aprovechar las bases de datos existentes en una empresa para aumentar los beneficios y la cuota de mercado, y explica detenidamente los métodos y técnicas más actuales de la ciencia de datos. El lector "aprenderá minería de datos haciendo minería de datos". Al añadir capítulos sobre la preparación de modelos de datos, la imputación de datos perdidos y el análisis estadístico multivariante, Descubrir el conocimiento en los datos, segunda edición, sigue siendo la referencia eminente en minería de datos

⬤ La segunda edición de una referencia de gran éxito y muy elogiada sobre minería de datos, con una cobertura exhaustiva de las aplicaciones de big data, análisis predictivo y análisis estadístico.

⬤ Incluye nuevos capítulos sobre estadística multivariante, preparación para modelar los datos e imputación de datos perdidos, así como un apéndice sobre resumen y visualización de datos.

⬤ Ofrece una amplia cobertura del lenguaje de programación estadística R.

⬤ Contiene 280 ejercicios al final del capítulo.

⬤ Incluye un sitio web complementario para profesores universitarios que adopten el libro.