Ciencia de datos. Técnicas analísticas y aprendizaje estadístico. Un enfoque práctico trae para sus lectores una fresca visión general sobre las técnicas existentes para la minería de datos, lo cual presenta por medio de conceptos y algoritmos fundamentales para analizar resultados. A través de recursos prácticos, tales como ejemplos de casos prácticos y la guía de los autores que se puede hallar a manera de tutorial, se explican distintas técnicas de extracción de conocimiento sobre dominios complejos seleccionados, lo cual facilita al lector traspasar sus conocimientos hacia distintos campos de aplicación. Para abordar tales enseñanzas, los expertos se valen de nueve capítulos para hacer un recorrido por las diferentes áreas de los datos, esto con el objetivo de ir aumentando secuencialmente la complejidad de los conocimientos. El lector comenzará por conocer qué son los datos, qué es la minería de datos, así como los principales proyectos y aplicaciones de la ciencia de datos. Una vez establecidos estos elementos fundamentales, se hace un recorrido por el análisis estadístico de datos, la predicción y clasificación con técnicas numéricas, las distintas técnicas de minería de datos, el internet de las cosas y el análisis de datos, entre otros. Con múltiples conocimientos presentados detalladamente, los interesados en estos temas no tendrán lugar a dudas para resolver los problemas que se les presenten en estos casos.

VENTAJAS

• Los autores inician el recorrido por la ciencia de los datos por medio de una descripción histórica de esta área para establecer los referentes de su aplicación.
• En la introducción se definen los conceptos primordiales a tener en cuenta, y los cuales el lector empleará a lo largo de toda la obra.
• A lo largo de los distintos capítulos, se podrán hallar distintas figuras que ilustran los temas abordados, para su mayor comprensión.

CONOZCA

• Las etapas en los procesos de big data, como son la comprensión del dominio de la aplicación o la limpieza y procesamiento de datos.
• Los métodos y técnicas de datos, tales como las algebraicas y estadísticas o las basadas en árboles de decisión y sistemas de aprendizaje de reglas, por mencionar algunas.
• Los tipos de análisis de una variable, por ejemplo, la descriptiva y de inferencia.

APRENDA

• Sobre los elementos que implica la estadística descriptiva, como las variables categóricas.
• Acerca de la predicción y clasificación de datos con técnicas numéricas, por ejemplo, de predicción o de clasificación.
• A desempeñarse en el aprendizaje basado en ejemplares.

DESARROLLE SUS HABILIDADES PARA

• Aplicar las técnicas de minería de datos en R, tal como el agrupamiento por particionamiento.
• Hacer uso del internet de las cosas como aplicación de datos.
• Llevar a cabo análisis de datos espaciales, identificando tipos de datos en SpatialPoints y SpatialGrid.

A QUIÉN VA DIRIGIDO

El presente texto está dirigido a estudiantes universitarios de ciencias de la computación, aunque también puede ser consultado por público en general interesado en el área de la ciencia de los datos.