Introducción a la Minería de Datos y la Analítica

Opiniones de los lectores

El libro sirve como visión general de varias herramientas de análisis de datos, pero carece de profundidad y claridad. Puede ser adecuado para principiantes, pero se queda corto para aquellos que buscan obtener una comprensión exhaustiva o habilidades prácticas.

Puede ser adecuado para no profesionales de los datos que busquen una idea general de las herramientas; cubre una amplia gama de temas.

⬤ Detalle mediocre en los capítulos
⬤ formato deficiente
⬤ tratamiento superficial de R y Python
⬤ carece de contenido importante como la cobertura de R Studio
⬤ ejemplos cuestionables que hacen caso omiso de las convenciones habituales.

(basado en 1 opiniones de lectores)

Título original:

Introduction to Data Mining and Analytics

Contenido del libro:

Data Mining and Analytics ofrece una visión amplia e interactiva de un campo en rápido crecimiento. El ritmo exponencialmente creciente al que se generan los datos crea la correspondiente necesidad de profesionales que puedan gestionar eficazmente su almacenamiento, análisis y traducción. Este texto, que se centra tanto en los conceptos como en las operaciones, es un manual completo y un excelente recurso para cualquiera que se plantee entrar en este campo.

No es necesario tener experiencia en programación para sacar el máximo partido a este recurso. Los estudios de casos y las actividades prácticas incorporan conjuntos de datos del mundo real y permiten a los estudiantes la oportunidad de ejercitar sus nuevas habilidades. Nuestro Cloud Desktop integra herramientas populares de minería de datos, lo que proporciona a los estudiantes una valiosa familiaridad con las aplicaciones estándar de la industria.

Tras definir los conceptos de minería de datos y aprendizaje automático, Data Mining and Analytics profundiza en los tipos de bases de datos, su relevancia y popularidad respectivas y las tendencias que afectan a su uso. Se explora la importancia de la visualización de datos con fines de comunicación, así como los procesos de limpieza, agrupación y clasificación de datos. Excel, SQL, NoSQL, Python y R se tratan en profundidad y se complementan con ejercicios prácticos. Las operaciones tratadas en capítulos anteriores se contextualizan en el mundo real mediante una aplicación práctica a los problemas actuales del "big data" y de la minería de datos de texto e imágenes. El texto concluye describiendo los pasos de un analista desde la planificación hasta la ejecución, garantizando que los lectores adquieran los conocimientos técnicos necesarios para poner en marcha, dirigir o apoyar un proyecto de datos en el lugar de trabajo.