Principios de la ciencia de datos - Tercera edición: Una guía para principiantes sobre las habilidades matemáticas y de codificación esenciales para la fluidez de los datos y el aprendizaje automático

Opiniones de los lectores

El libro es un recurso completo para los nuevos científicos de datos, ya que ofrece explicaciones claras, ejemplos prácticos y útiles ejercicios de codificación. Cubre una amplia gama de temas, desde el manejo básico de datos hasta técnicas avanzadas de aprendizaje automático, por lo que es adecuado para principiantes con algunos conocimientos de Python.

⬤ Fácil de leer y entender
⬤ capítulos bien estructurados con explicaciones claras
⬤ ejemplos prácticos de código Python
⬤ salva la distancia entre la teoría y la práctica
⬤ secciones informativas sobre técnicas modernas de aprendizaje automático, métricas y sesgos de datos
⬤ valioso para construir una base sólida en la ciencia de datos.

Los capítulos sobre estadística avanzada y probabilidad pueden carecer de profundidad para los lectores que esperan una cobertura más completa; puede suponer un cierto nivel de conocimiento previo en el campo de la ciencia de datos.

(basado en 4 opiniones de lectores)

Título original:

Principles of Data Science - Third Edition: A beginner's guide to essential math and coding skills for data fluency and machine learning

Contenido del libro:

Transforme sus datos en información con técnicas y conceptos matemáticos imprescindibles para desentrañar los secretos ocultos en sus datos Características principales Aprenda ciencia de datos práctica combinada con teoría de datos para obtener la máxima información de los datos Descubra métodos para desplegar canalizaciones de aprendizaje automático procesables a la vez que mitiga los sesgos en datos y modelos Explore estudios de casos procesables para poner en práctica sus nuevas habilidades de inmediato La compra del libro impreso o Kindle incluye un libro electrónico PDF gratuito Descripción del libro

Principios de la Ciencia de Datos une las matemáticas, la programación y el análisis de negocio, capacitándole para plantear y abordar con confianza preguntas complejas sobre datos y construir canales eficaces de aprendizaje automático. Este libro le proporcionará las herramientas necesarias para transformar conceptos abstractos y estadísticas sin procesar en información práctica.

Empezando por la limpieza y la preparación, explorará estrategias y técnicas eficaces de minería de datos antes de pasar a construir una imagen holística de cómo encaja cada pieza del rompecabezas de la ciencia de datos. A lo largo del libro, descubrirá modelos estadísticos con los que podrá controlar y navegar incluso por los conjuntos de datos más densos o escasos, y aprenderá a crear visualizaciones potentes que comuniquen las historias ocultas en sus datos.

Centrándose en la aplicación, esta edición cubre el aprendizaje de transferencia avanzado y los modelos preentrenados para tareas de PNL y visión. Se familiarizará con técnicas avanzadas para mitigar el sesgo algorítmico en los datos, así como con los modelos, y abordará la desviación de modelos y datos. Por último, explorará la gobernanza de datos de nivel medio, incluida la procedencia de los datos, la privacidad y la gestión de las solicitudes de eliminación.

Al final de este libro de ciencia de datos, usted habrá aprendido los fundamentos de las matemáticas computacionales y estadísticas, todo mientras navega por las complejidades de ML moderno y grandes modelos pre-entrenados como GPT y BERT. Lo que aprenderá Dominar los pasos fundamentales de la ciencia de datos a través de ejemplos prácticos Cerrar la brecha entre las matemáticas y la programación utilizando estadísticas avanzadas y ML Aprovechar la probabilidad, el cálculo y los modelos para un control eficaz de los datos Explorar el ML moderno transformador con grandes modelos de lenguaje Evaluar el éxito del ML con métricas impactantes y MLOps Crear visuales convincentes que transmitan perspectivas procesables Cuantificar y mitigar los sesgos en los datos y los modelos de ML A quién va dirigido este libro

Si eres un aspirante a científico de datos novato con ganas de ampliar tus conocimientos, este libro es para ti. Tanto si tiene conocimientos básicos de matemáticas y desea aplicarlos en el campo de la ciencia de datos, como si destaca en programación pero carece de los fundamentos matemáticos necesarios, este libro le resultará útil. La familiaridad con la programación en Python mejorará aún más su experiencia de aprendizaje. Tabla de contenidos Terminología de la ciencia de datos Tipos de datos Los cinco pasos de la ciencia de datos Matemáticas básicas Imposible o improbable - Una suave introducción a la probabilidad Probabilidad avanzada ¿Cuáles son las probabilidades? Introducción a la estadística Estadística avanzada Comunicación de datos Cómo saber si su tostadora está aprendiendo - Aspectos básicos del aprendizaje automático Las predicciones no crecen en los árboles, ¿o sí? Introducción al aprendizaje por transferencia y a los modelos preentrenados Mitigación del sesgo algorítmico y tratamiento de la desviación de modelos y datos Gobernanza de la IA Navegación por la ciencia de datos del mundo real Casos prácticos en acción