La ciencia de los datos

Opiniones de los lectores

El libro ofrece una visión completa de la ciencia de datos, que sirve tanto de introducción como de guía práctica para los interesados en este campo. Cuenta con opiniones de profesionales del sector y ofrece una mezcla de teoría y aplicaciones reales. Sin embargo, recibe críticas por los ejemplos de código mal editados y la falta de pasos prácticos detallados para los principiantes absolutos.

⬤ Bonita presentación con excelentes referencias
⬤ gran introducción a la ciencia de datos
⬤ escrito en un estilo informal y atractivo
⬤ incluye ejemplos del mundo real y opiniones de profesionales de la ciencia de datos
⬤ cubre una amplia gama de temas
⬤ buen equilibrio entre teoría y aplicación práctica.

⬤ Los ejemplos de código están mal editados y pueden ser problemáticos
⬤ no es exhaustivo para principiantes sin conocimientos previos
⬤ algunos lectores lo encuentran demasiado informal con excesiva información de fondo
⬤ carece de una exploración técnica en profundidad
⬤ percibido por algunos más como una conversación informal que como una guía práctica.

(basado en 89 opiniones de lectores)

Título original:

Doing Data Science

Contenido del libro:

Ahora que la gente es consciente de que los datos pueden marcar la diferencia en unas elecciones o en un modelo de negocio, la ciencia de los datos como ocupación está ganando terreno. Pero, ¿cómo empezar a trabajar en un campo tan amplio e interdisciplinar como éste? Este perspicaz libro, basado en la clase de Introducción a la Ciencia de Datos de la Universidad de Columbia, le cuenta lo que necesita saber.

En muchos de estos capítulos, científicos de datos de empresas como Google, Microsoft y eBay comparten nuevos algoritmos, métodos y modelos presentando casos prácticos y el código que utilizan. Si está familiarizado con el álgebra lineal, la probabilidad y la estadística, y tiene experiencia en programación, este libro es una introducción ideal a la ciencia de datos.

Los temas incluyen:

⬤ Inferencia estadística, análisis exploratorio de datos y el proceso de la ciencia de datos.

⬤ Algoritmos.

⬤ Filtros de spam, Naive Bayes y manipulación de datos.

⬤ Regresión logística.

⬤ Modelización financiera.

⬤ Motores de recomendación y causalidad.

⬤ Visualización de datos.

⬤ Redes sociales y periodismo de datos.

⬤ Ingeniería de datos, MapReduce, Pregel y Hadoop.

Doing Data Science es una colaboración entre la profesora del curso Rachel Schutt, Vicepresidenta Senior de Ciencia de Datos en News Corp, y la consultora de ciencia de datos Cathy O'Neil, científica senior de datos en Johnson Research Labs, que asistió al curso y escribió en su blog.