Introducción a la Ciencia de Datos: Análisis de Datos y Algoritmos de Predicción con R

Opiniones de los lectores

El libro es una guía detallada y completa sobre el uso de R para la ciencia de datos, elogiada por su claridad y rigor, aunque puede no ser adecuada para principiantes. Ofrece una base sólida en la informática moderna con R, sobre todo para quienes tengan alguna experiencia previa.

Muy detallado y completo, hace hincapié en temas importantes, explicaciones claras y completas, bueno para usuarios intermedios y avanzados, incluye interesantes estudios de casos y ejemplos aplicados, fuerte enfoque en las técnicas modernas de programación con R, presentación y materiales de alta calidad.

No es adecuado como introducción para principiantes, carece de explicaciones claras en algunas áreas, los ejemplos se pueden pasar por alto, la estructura organizativa puede resultar confusa, algunos usuarios sufrieron daños durante el envío.

(basado en 11 opiniones de lectores)

Título original:

Introduction to Data Science: Data Analysis and Prediction Algorithms with R

Contenido del libro:

Introducción a la ciencia de datos: Algoritmos de análisis de datos y predicción con R introduce conceptos y habilidades que pueden ayudarle a abordar los desafíos de análisis de datos del mundo real. Abarca conceptos de probabilidad, inferencia estadística, regresión lineal y aprendizaje automático. También le ayuda a desarrollar habilidades como la programación en R, el manejo de datos, la visualización de datos, la construcción de algoritmos predictivos, la organización de archivos con UNIX/Linux shell, el control de versiones con Git y GitHub, y la preparación de documentos reproducibles.

Este libro es un libro de texto para un primer curso de ciencia de datos. No es necesario tener conocimientos previos de R, aunque algo de experiencia con programación puede ser útil. El libro se divide en seis partes: R, visualización de datos, estadística con R, manejo de datos, aprendizaje automático y herramientas de productividad. Cada parte consta de varios capítulos pensados para ser presentados como una clase.

El autor utiliza casos prácticos motivadores que imitan de forma realista la experiencia de un científico de datos. Comienza planteando preguntas específicas y las responde mediante el análisis de datos, de modo que los conceptos se aprenden como medio para responder a las preguntas. Algunos ejemplos de los estudios de casos incluidos son: Tasas de homicidio en EE.UU. por estados, estatura de los estudiantes declarada por ellos mismos, tendencias en la salud y la economía mundiales, impacto de las vacunas en las tasas de enfermedades infecciosas, la crisis financiera de 2007-2008, previsión de elecciones, creación de un equipo de béisbol, procesamiento de imágenes de dígitos escritos a mano y sistemas de recomendación de películas.

Los conceptos estadísticos utilizados para responder a las preguntas de los casos prácticos sólo se introducen brevemente, por lo que se recomienda encarecidamente complementarlos con un libro de texto de probabilidad y estadística para comprenderlos en profundidad. Si lee y comprende los capítulos y completa los ejercicios, estará preparado para aprender los conceptos más avanzados y las habilidades necesarias para convertirse en un experto.

Los profesores registrados que necesiten el texto para un curso disponen de un manual de soluciones completo.