Principios de la Ciencia de Datos: Técnicas matemáticas y teoría para triunfar en las industrias basadas en datos

Opiniones de los lectores

El libro goza de un amplio reconocimiento como recurso fundamental para quienes se inician en el campo de la Ciencia de Datos, especialmente para los analistas en transición a esta área. Es elogiado por sus explicaciones claras y ejemplos prácticos. Sin embargo, muchos usuarios han expresado su frustración por los archivos de datos y el código no funcionales, lo que le resta utilidad.

⬤ Recurso fundamental para la Ciencia de Datos
⬤ Explicaciones claras y accesibles de conceptos complejos
⬤ Ejemplos y conjuntos de datos bien organizados y útiles
⬤ Producto de alta calidad
⬤ Ideal tanto para principiantes como para instructores.

⬤ Los archivos de datos no funcionan, lo que dificulta la práctica
⬤ Muchos ejemplos de código no son funcionales
⬤ Se percibe falta de corrección y control de calidad.

(basado en 8 opiniones de lectores)

Título original:

Principles of Data Science: Mathematical techniques and theory to succeed in data-driven industries

Contenido del libro:

Aprenda las técnicas y las matemáticas que necesita para empezar a dar sentido a sus datos.

Características principales:

⬤ Aumenta tus conocimientos de codificación con la teoría de la ciencia de datos para obtener una visión práctica de la ciencia y el análisis de datos.

⬤ Más que una clase de matemáticas, aprenda a realizar tareas de ciencia de datos del mundo real con R y Python.

⬤ Cree perspectivas procesables y transforme datos sin procesar en valor tangible.

Descripción del libro

¿Necesita convertir sus habilidades de programación en habilidades efectivas de ciencia de datos? Principles of Data Science está creado para ayudarte a unir los puntos entre las matemáticas, la programación y el análisis empresarial. Con este libro, se sentirá seguro a la hora de plantear -y responder- preguntas complejas y sofisticadas sobre sus datos para pasar de las estadísticas abstractas y sin procesar a las ideas procesables.

Con un enfoque único que tiende un puente entre las matemáticas y la informática, este libro le llevará a través de todo el proceso de la ciencia de datos. Empezando por la limpieza y preparación de datos, y las estrategias y técnicas eficaces de minería de datos, pasará a construir una imagen completa de cómo encajan todas las piezas del rompecabezas de la ciencia de datos. Aprenderá los fundamentos de las matemáticas computacionales y la estadística, así como algunos pseudocódigos utilizados actualmente por los científicos y analistas de datos. Se familiarizará con el aprendizaje automático, descubrirá los modelos estadísticos que le ayudarán a controlar y navegar incluso por los conjuntos de datos más densos, y averiguará cómo crear visualizaciones potentes que comuniquen lo que significan sus datos.

Lo que aprenderá:

⬤ Conozca los cinco pasos más importantes de la ciencia de datos.

⬤ Utiliza tus datos de forma inteligente y aprende a manejarlos con cuidado.

⬤ Reducir la brecha entre las matemáticas y la programación.

⬤ Aprenda sobre probabilidad, cálculo y cómo utilizar modelos estadísticos para controlar y limpiar sus datos e impulsar resultados procesables.

⬤ Construir y evaluar modelos básicos de aprendizaje automático.

⬤ Explore las métricas más eficaces para determinar el éxito de sus modelos de aprendizaje automático.

⬤ Crear visualizaciones de datos que comuniquen perspectivas procesables.

⬤ Lee y aplique conceptos de aprendizaje automático a sus problemas y haga predicciones reales.

Para quién es este libro:

Usted debe estar bastante bien familiarizado con el álgebra básica y debe sentirse cómodo leyendo fragmentos de R / Python, así como pseudocódigo. Debe tener ganas de aprender y aplicar las técnicas expuestas en este libro a sus propios conjuntos de datos o a los que le proporcionen. Si tienes conocimientos básicos de matemáticas pero quieres aplicarlos a la ciencia de datos o tienes buenos conocimientos de programación pero careces de matemáticas, este libro es para ti.